論文の概要: Application of Collaborative Learning Paradigms within Software
Engineering Education: A Systematic Mapping Study
- arxiv url: http://arxiv.org/abs/2310.18845v1
- Date: Sat, 28 Oct 2023 23:16:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-31 16:04:20.584556
- Title: Application of Collaborative Learning Paradigms within Software
Engineering Education: A Systematic Mapping Study
- Title（参考訳）: ソフトウェア工学教育における協調学習パラダイムの応用:システムマッピング研究
- Authors: Rita Garcia, Christoph Treude, Andrew Valentine
- Abstract要約: 産業は、生産的なソフトウェア開発に貢献するためにコラボレーションスキルを持つソフトウェア工学(SE)卒業生を求めている。
本稿では,SE教育における協調学習(CL)教育理論の適用について検討する。
- 参考スコア（独自算出の注目度）: 8.65285948382426
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Collaboration is used in Software Engineering (SE) to develop software.
Industry seeks SE graduates with collaboration skills to contribute to
productive software development. SE educators can use Collaborative Learning
(CL) to help students develop collaboration skills. This paper uses a
Systematic Mapping Study (SMS) to examine the application of the CL educational
theory in SE Education. The SMS identified 14 papers published between 2011 and
2022. We used qualitative analysis to classify the papers into four CL
paradigms: Conditions, Effect, Interactions, and Computer-Supported
Collaborative Learning (CSCL). We found a high interest in CSCL, with a shift
in student interaction research to computer-mediated technologies. We discussed
the 14 papers in depth, describing their goals and further analysing the CSCL
research. Almost half the papers did not achieve the appropriate level of
supporting evidence; however, calibrating the instruments presented could
strengthen findings and support multiple CL paradigms, especially opportunities
to learn at the social and community levels, where research was lacking. Though
our results demonstrate limited CL educational theory applied in SE Education,
we discuss future work to layer the theory on existing study designs for more
effective teaching strategies.
- Abstract（参考訳）: コラボレーションはソフトウェア開発のためにソフトウェア工学(SE)で使用される。
産業は、生産的なソフトウェア開発に貢献するためにコラボレーションスキルを持つSE卒業生を求めます。
SE教育者は、学生がコラボレーションスキルを開発するのを助けるためにコラボレーティブラーニング(CL)を使用することができる。
本稿では,システムマッピング研究 (SMS) を用いて,SE教育におけるCL教育理論の適用について検討する。
SMSは2011年から2022年にかけて14の論文を公表した。
論文の質的分析を,条件,効果,相互作用,コンピュータ支援協調学習(CSCL)という4つのCLパラダイムに分類した。
学生のインタラクション研究からコンピュータによる技術へのシフトとともに,CSCLへの関心が高まった。
我々は14の論文を深く議論し,その目標を説明し,cscl研究をさらに分析した。
論文のほぼ半数は適切な支持証拠のレベルを達成できなかったが、提示された機器の校正は、研究が不十分な社会やコミュニティレベルで学ぶ機会として、複数のCLパラダイムの発見を強化し、支援する可能性がある。
本研究は,SE教育に応用されるCL教育理論の限界を実証するものであるが,既存の学習設計を重層化し,より効果的な教育戦略を提案する。
関連論文リスト
- Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる
この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。
本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
論文 参考訳（メタデータ） (2024-07-17T20:01:21Z) - Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。
LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。
各種コードライブラリの推論性能の粗大な解析を行う。
論文 参考訳（メタデータ） (2024-04-17T15:57:50Z) - Rethinking Teacher-Student Curriculum Learning through the Cooperative Mechanics of Experience [15.00590722099547]
Teacher-Student Curriculum Learning (TSCL)は、人間の文化的伝達と学習からインスピレーションを得るカリキュラム学習フレームワークである。
TSCLにおける教師と学生の相互作用の基盤となるメカニズムを解析するために,データ中心の視点を提案する。
論文 参考訳（メタデータ） (2024-04-03T21:55:17Z) - CLGT: A Graph Transformer for Student Performance Prediction in
Collaborative Learning [6.140954034246379]
協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。
実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
論文 参考訳（メタデータ） (2023-07-30T09:54:30Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Understanding the role of single-board computers in engineering and
computer science education: A systematic literature review [0.0]
シングルボードコンピュータ(Single-Board Computers, SBCs)は、工学と計算機科学において、技術と教育の両面において、より頻繁に採用されている。
この体系的な文献レビューは、SBCがエンジニアリングとコンピュータ科学にどのように使われているかについて考察する。
論文 参考訳（メタデータ） (2022-03-30T18:34:03Z) - Learning Multi-Objective Curricula for Deep Reinforcement Learning [55.27879754113767]
深部強化学習(DRL)のサンプル効率と最終性能を向上させるために,各種自動カリキュラム学習(ACL)手法が提案されている。
本稿では,多目的だがコヒーレントなカリキュラムを作成するための統合された自動カリキュラム学習フレームワークを提案する。
既存の手設計のカリキュラムパラダイムに加えて,抽象カリキュラムを学習するためのフレキシブルなメモリ機構を設計する。
論文 参考訳（メタデータ） (2021-10-06T19:30:25Z) - Who does what? Work division and allocation strategies of computer
science student teams [5.863264019032882]
本研究の目的は,集団課題におけるコンピュータサイエンスの学生の作業分割とアロケーション戦略の洞察を得ることである。
主に成績と効率の要因によって動機付けられ、学生は以前の専門知識と好みに基づいてタスクを選択し、割り当てる。
この結果から,新しいソフトウェア工学のスキルを実践する学生のモチベーションを抑えることができると論じている。
論文 参考訳（メタデータ） (2021-03-04T12:27:07Z) - A Survey on Curriculum Learning [48.36129047271622]
Curriculum Learning(CL)は、より簡単なデータからより難しいデータまで、マシンラーニングモデルをトレーニングするトレーニング戦略である。
CL戦略は、使い易いプラグインとして、様々なモデルの一般化能力と収束率を改善する能力を示した。
論文 参考訳（メタデータ） (2020-10-25T17:15:04Z) - Learn-Apply-Reinforce/Share Learning: Hackathons and CTFs as General
Pedagogic Tools in Higher Education, and Their Applicability to Distance
Learning [0.26651200086513094]
本稿では,コンピュータ科学でますます普及しつつある2つの教科/学習手法について述べる。
それぞれのケーススタディを解析し、そのアンダーピンニング類似性を抽出する。
フレームワークは学習・応用・強化・共有学習に一般化される。
論文 参考訳（メタデータ） (2020-06-07T18:41:39Z) - Curriculum Learning for Reinforcement Learning Domains: A Framework and
Survey [53.73359052511171]
強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。
本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
論文 参考訳（メタデータ） (2020-03-10T20:41:24Z)
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。