論文の概要: Deduplicating and Ranking Solution Programs for Suggesting Reference Solutions

• arxiv url: http://arxiv.org/abs/2307.07940v1
• Date: Sun, 16 Jul 2023 04:20:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 16:49:05.173986
• Title: Deduplicating and Ranking Solution Programs for Suggesting Reference Solutions
• Title（参考訳）: 参照ソリューションの提案のためのDeduplicing and Ranking Solutionsプログラム
• Authors: Atsushi Shirafuji and Yutaka Watanobe
• Abstract要約: 本稿では,各プログラム問題における共通解プログラムの非重複化とランク付けを行う手法を提案する。 実際のオンライン審査システムに提出されたソリューションプログラムの実験では、プログラムの数は60.20%削減されている。 分析の結果、トップ10のプログラムは平均29.95%のプログラムをカバーしており、ユーザは10プログラムのみを参照して29.95%のソリューションアプローチを把握できることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Referring to the solution programs written by the other users is helpful for learners in programming education. However, current online judge systems just list all solution programs submitted by users for references, and the programs are sorted based on the submission date and time, execution time, or user rating, ignoring to what extent the program can be a reference. In addition, users struggle to refer to a variety of solution approaches since there are too many duplicated and near-duplicated programs. To motivate the learners to refer to various solutions to learn the better solution approaches, in this paper, we propose an approach to deduplicate and rank common solution programs in each programming problem. Based on the hypothesis that the more duplicated programs adopt a more common approach and can be a reference, we remove the near-duplicated solution programs and rank the unique programs based on the duplicate count. The experiments on the solution programs submitted to a real-world online judge system demonstrate that the number of programs is reduced by 60.20%, whereas the baseline only reduces by 29.59% after the deduplication, meaning that the users only need to refer to 39.80% of programs on average. Furthermore, our analysis shows that top-10 ranked programs cover 29.95% of programs on average, indicating that the users can grasp 29.95% of solution approaches by referring to only 10 programs. The proposed approach shows the potential of reducing the learners' burden of referring to too many solutions and motivating them to learn a variety of better approaches.
• Abstract（参考訳）: 他のユーザが書いたソリューションプログラムを参照することは、プログラミング教育の学習者に役立つ。 しかし、現在のオンライン・ジャッジ・システムは、ユーザから提出されたすべてのソリューション・プログラムを単にリストアップし、プログラムがどの程度参照可能かを無視して、提出日時、実行時間、またはユーザ評価に基づいてプログラムをソートする。 さらに、重複や重複に近いプログラムが多すぎるため、ユーザはさまざまなソリューションアプローチを参照するのに苦労している。 本稿では,学習者がより優れた解法を学ぶための様々なソリューションを参照するための動機付けとして,各プログラミング問題における共通解プログラムの非重複化とランク付けを行う手法を提案する。 より重複したプログラムがより一般的なアプローチを採用し、参照できるという仮説に基づいて、近い重複した解プログラムを取り除き、重複数に基づいてユニークなプログラムをランク付けする。 実世界のオンライン・ジャッジ・システムに提出されたソリューション・プログラムの実験では、プログラムの数は60.20%減少しているのに対し、ベースラインは重複解消後の29.59%減少している。 さらに分析の結果,トップ10のプログラムは平均29.95%のプログラムをカバーしており,ユーザは10プログラムのみを参照して29.95%のソリューションアプローチを把握できることがわかった。 提案手法は,多すぎるソリューションを参照する学習者の負担を軽減し,より優れたアプローチを学ぶ動機づけとなる可能性を示す。

関連論文リスト

• Refactoring Programs Using Large Language Models with Few-Shot Examples [20.48175387745551]
  ユーザ記述型Pythonプログラムのより複雑なバージョンを提案するために,大規模言語モデル (LLM) である GPT-3.5 を用いることを実演する。 95.68%のプログラムは、それぞれ10の候補を発生させ、結果として平均的なサイクロマティックな複雑さが17.35%減少することを示した。
  論文  参考訳（メタデータ） (2023-11-20T11:43:45Z)
• Hierarchical Programmatic Reinforcement Learning via Learning to Compose Programs [58.94569213396991]
  プログラムポリシーを作成するための階層型プログラム強化学習フレームワークを提案する。 提案するフレームワークは,プログラム作成の学習を通じて,アウト・オブ・ディストリビュータの複雑な動作を記述するプログラムポリシーを作成することができる。 Karel ドメインの実験結果から,提案するフレームワークがベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2023-01-30T14:50:46Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• Learning logic programs by combining programs [24.31242130341093]
  我々は、小さな非分離型プログラムを学習し、それらを組み合わせるアプローチを導入する。 我々は制約駆動型LPシステムにアプローチを実装した。 ゲームプレイやプログラム合成など,複数の領域に対する実験により,既存のアプローチを劇的に上回る結果が得られた。
  論文  参考訳（メタデータ） (2022-06-01T10:07:37Z)
• Learning from Self-Sampled Correct and Partially-Correct Programs [96.66452896657991]
  そこで本研究では,モデルが学習中にサンプリングを行い,自己サンプリングされた完全正当プログラムと部分正当プログラムの両方から学習することを提案する。 自己サンプリング型プログラムと部分修正型プログラムを併用することで,学習とサンプリングプロセスのガイドに役立てることができることを示す。 提案手法は,MLEを用いた単一の参照プログラムからの学習と比較して,パス@kの性能を3.1%から12.3%向上させる。
  論文  参考訳（メタデータ） (2022-05-28T03:31:07Z)
• Natural Language to Code Translation with Execution [82.52142893010563]
  実行結果-プログラム選択のための最小ベイズリスク復号化。 そこで本研究では,自然言語からコードへのタスクにおいて,事前訓練されたコードモデルの性能を向上することを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:06:08Z)
• Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
  本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。 より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
  論文  参考訳（メタデータ） (2021-07-13T03:48:04Z)
• Graph-based, Self-Supervised Program Repair from Diagnostic Feedback [108.48853808418725]
  本稿では,ソースコードの修復や診断フィードバックに関連するシンボルを結合するプログラムフィードバックグラフを提案する。 次に、推論プロセスのモデル化にグラフニューラルネットワークを適用します。 オンラインで利用可能なラベルのないプログラムを活用するプログラム修復のための自己指導型学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-05-20T07:24:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。