論文の概要: Rule-Based Error Classification for Analyzing Differences in Frequent Errors

• arxiv url: http://arxiv.org/abs/2311.00513v1
• Date: Wed, 1 Nov 2023 13:36:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-02 13:28:25.010424
• Title: Rule-Based Error Classification for Analyzing Differences in Frequent Errors
• Title（参考訳）: 規則に基づく誤り分類による頻繁誤りの差異解析
• Authors: Atsushi Shirafuji, Taku Matsumoto, Md Faizul Ibne Amin, Yutaka Watanobe
• Abstract要約: 我々は、95,631の符号対の誤りを分類し、オンラインの判定システムにおいて、様々なレベルのプログラマが提出した平均3.47の誤りを識別する。 解析結果から, 初心者による誤りは, プログラミングの知識不足によるものであることがわかった。 一方、専門家が犯した誤りは、問題を読むことの不注意や、通常とは異なる問題解決の課題に起因する誤解によるものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Finding and fixing errors is a time-consuming task not only for novice programmers but also for expert programmers. Prior work has identified frequent error patterns among various levels of programmers. However, the differences in the tendencies between novices and experts have yet to be revealed. From the knowledge of the frequent errors in each level of programmers, instructors will be able to provide helpful advice for each level of learners. In this paper, we propose a rule-based error classification tool to classify errors in code pairs consisting of wrong and correct programs. We classify errors for 95,631 code pairs and identify 3.47 errors on average, which are submitted by various levels of programmers on an online judge system. The classified errors are used to analyze the differences in frequent errors between novice and expert programmers. The analyzed results show that, as for the same introductory problems, errors made by novices are due to the lack of knowledge in programming, and the mistakes are considered an essential part of the learning process. On the other hand, errors made by experts are due to misunderstandings caused by the carelessness of reading problems or the challenges of solving problems differently than usual. The proposed tool can be used to create error-labeled datasets and for further code-related educational research.
• Abstract（参考訳）: エラーの発見と修正は初心者プログラマだけでなく、エキスパートプログラマにとっても時間を要する作業です。 以前の作業では、さまざまなレベルのプログラマの間で頻繁にエラーパターンが特定されていた。 しかし、初心者と専門家の傾向の違いは明らかになっていない。 プログラマの各レベルにおける頻繁なエラーの知識から、インストラクターは各レベルの学習者に有益なアドバイスを提供することができる。 本稿では,誤りを誤ったプログラムと正しいプログラムからなるコードペアに分類するルールベースエラー分類ツールを提案する。 我々は、95,631の符号対の誤りを分類し、オンライン判定システムにおいて、様々なレベルのプログラマが提出した平均3.47の誤りを識別する。 分類されたエラーは、初心者とエキスパートプログラマの頻繁なエラーの違いを分析するために使用される。 分析の結果、初心者が犯した誤りはプログラミングの知識の欠如によるものであり、その誤りは学習プロセスにおいて不可欠な部分と考えられている。 一方、専門家による誤りは、問題を読むことの不注意や、通常とは異なる問題解決の課題に起因する誤解によるものである。 提案ツールは、エラーラベル付きデータセットの作成や、さらなるコード関連教育研究に使用できる。

関連論文リスト

• Subtle Errors Matter: Preference Learning via Error-injected Self-editing [59.405145971637204]
  eRror-Injected Self-Editing (RISE) と呼ばれる新しい好み学習フレームワークを提案する。 RISEは定義済みの微妙な誤りを正しい解の部分的なトークンに注入し、エラー軽減のためにハードペアを構築する。 RISEの有効性を検証する実験では、Qwen2-7B-Instructでは、GSM8Kでは3.0%、MATHでは7.9%が顕著に改善された。
  論文  参考訳（メタデータ） (2024-10-09T07:43:38Z)
• Multi-Task Program Error Repair and Explanatory Diagnosis [28.711745671275477]
  マルチタスクプログラムエラー修復・説明診断(mPRED)のための新しい機械学習手法を提案する。 ソースコードのエンコードには事前訓練された言語モデルが使用され、ダウンストリームモデルはエラーを特定して修復するために特別に設計されている。 プログラム構造を可視化・解析するために,プログラム構造の可視化にグラフニューラルネットワークを用いる。
  論文  参考訳（メタデータ） (2024-10-09T05:09:24Z)
• MC-MKE: A Fine-Grained Multimodal Knowledge Editing Benchmark Emphasizing Modality Consistency [50.40318712497071]
  MLLM(Multimodal large language model)は、非現実的または時代遅れの知識問題を引き起こす。 マルチモーダルな知識を視覚的およびテキスト的構成要素に分解する。 本稿では,マルチモーダル知識編集ベンチマークMC-MKEを提案する。
  論文  参考訳（メタデータ） (2024-06-19T05:15:21Z)
• Improving LLM Classification of Logical Errors by Integrating Error Relationship into Prompts [1.7095867620640115]
  プログラミング教育の重要な側面は、エラーメッセージの理解と処理である。 プログラムがプログラマの意図に反して動作している「論理エラー」は、コンパイラからエラーメッセージを受け取らない。 そこで本研究では,LLMを用いた論理的誤り検出手法を提案し,この手法を用いて,Chain-of-ThoughtとTree-of-Thoughtのプロンプトのエラータイプ間の関係を推定する。
  論文  参考訳（メタデータ） (2024-04-30T08:03:22Z)
• Understanding and Mitigating Classification Errors Through Interpretable Token Patterns [58.91023283103762]
  容易に解釈可能な用語でエラーを特徴付けることは、分類器が体系的なエラーを起こす傾向にあるかどうかを洞察する。 正しい予測と誤予測を区別するトークンのパターンを発見することを提案する。 提案手法であるPremiseが実際によく動作することを示す。
  論文  参考訳（メタデータ） (2023-11-18T00:24:26Z)
• 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)
• Fault-Aware Neural Code Rankers [64.41888054066861]
  サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。 我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-06-04T22:01:05Z)
• Some Grammatical Errors are Frequent, Others are Important [32.922128367314194]
  いくつかの稀なエラーは混乱していると見なされるが、他の一般的なエラーはそうではない。 これは、システムと評価の両方を改善するための可能な方向に影響する。
  論文  参考訳（メタデータ） (2022-05-11T18:59:20Z)
• Repairing Group-Level Errors for DNNs Using Weighted Regularization [15.180437840817785]
  ディープニューラルネットワーク(DNN)は、人々の生活に影響を与える決定を下すソフトウェアで広く使われている。 それらは、不運な結果につながる可能性のある重度の誤った行動を示すことが判明した。 以前の研究では、そのような不行は単一の画像上のエラーではなく、クラスプロパティの違反によって発生することが多かった。 本稿では,DNNの修正を目的とした5つの具体的手法からなる重み付き正規化法を提案する。
  論文  参考訳（メタデータ） (2022-03-24T15:45:23Z)
• Identifying Bug Patterns in Quantum Programs [4.282118876884235]
  バグパターンは間違ったコードイディオムや悪いコーディングプラクティスで、何度も失敗することが証明されています。 本稿では,量子プログラミング言語Qiskitのバグパターンを特定し,分類する。
  論文  参考訳（メタデータ） (2021-03-16T13:43:45Z)
• On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
  我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。 結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
  論文  参考訳（メタデータ） (2020-05-12T11:01:44Z)

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。