論文の概要: Understanding the Effects of Using Parsons Problems to Scaffold Code
Writing for Students with Varying CS Self-Efficacy Levels
- arxiv url: http://arxiv.org/abs/2311.18115v1
- Date: Wed, 29 Nov 2023 22:02:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 18:40:02.837299
- Title: Understanding the Effects of Using Parsons Problems to Scaffold Code
Writing for Students with Varying CS Self-Efficacy Levels
- Title（参考訳）: cs自己効力度レベルの異なる学生の足場コード作成におけるパーソンズ問題の利用効果の理解
- Authors: Xinying Hou, Barbara J. Ericson, Xu Wang
- Abstract要約: 本研究では,CS自己効力のレベルが異なる学生を対象に,Parsons問題をコード記述の足場として利用することの影響について検討した。
CS自己効力レベルが低い学生では,足場を受講した学生は,実践的パフォーマンスと実践的問題解決効率が有意に向上した。
このトピックに関する事前実践的な知識を持つ学生は、パーソンズの足場を効果的に活用する傾向があった。
- 参考スコア（独自算出の注目度）: 7.277912553209182
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Introductory programming courses aim to teach students to write code
independently. However, transitioning from studying worked examples to
generating their own code is often difficult and frustrating for students,
especially those with lower CS self-efficacy in general. Therefore, we
investigated the impact of using Parsons problems as a code-writing scaffold
for students with varying levels of CS self-efficacy. Parsons problems are
programming tasks where students arrange mixed-up code blocks in the correct
order. We conducted a between-subjects study with undergraduate students (N=89)
on a topic where students have limited code-writing expertise. Students were
randomly assigned to one of two conditions. Students in one condition practiced
writing code without any scaffolding, while students in the other condition
were provided with scaffolding in the form of an equivalent Parsons problem. We
found that, for students with low CS self-efficacy levels, those who received
scaffolding achieved significantly higher practice performance and in-practice
problem-solving efficiency compared to those without any scaffolding.
Furthermore, when given Parsons problems as scaffolding during practice,
students with lower CS self-efficacy were more likely to solve them. In
addition, students with higher pre-practice knowledge on the topic were more
likely to effectively use the Parsons scaffolding. This study provides evidence
for the benefits of using Parsons problems to scaffold students' write-code
activities. It also has implications for optimizing the Parsons scaffolding
experience for students, including providing personalized and adaptive Parsons
problems based on the student's current problem-solving status.
- Abstract（参考訳）: 入門プログラミングコースは、学生に独立してコードを書くことを教えることを目的としている。
しかし、実例の学習から自身のコード生成への移行は、学生、特にcsの自己効力率が低い学生にとって、しばしば困難でイライラする。
そこで我々は,CS自己効力のレベルが異なる学生を対象に,Parsons問題をコード記述の足場として利用することの影響を検討した。
パーソンズは、学生が正しい順序で混合コードブロックを配置するプログラミングタスクである。
学生にコード書き込みの専門知識が限られている課題について,大学生 (n=89) と授業間調査を行った。
学生はランダムに2つの条件のうちの1つに割り当てられた。
1つの条件の学生は足場のないコードを書き、もう1つの条件の学生は同等のパーソンズ問題の形で足場を提供する。
その結果,CS自己効力レベルが低い学生では,足場のない学生に比べて,足場を受講した学生は実践的パフォーマンスと実践的問題解決効率が有意に向上した。
さらに,実践中にパーソンズ問題を足場として与えた場合,csの自己効力が低い学生の方が解決しやすいことがわかった。
さらに,事前実践知識の高い学生は,parsonsの足場を効果的に活用する傾向が高かった。
本研究は,Parsons問題を利用した学生の筆記コード活動のメリットを示すものである。
また、生徒の現在の問題解決状況に基づいてパーソンズ問題をパーソンズに適応させ、パーソンズの足場体験を最適化することにも意味がある。
関連論文リスト
- Automating Personalized Parsons Problems with Customized Contexts and Concepts [2.185263087861945]
大規模言語モデル(LLM)は、学生がオンデマンドのパーソンズ問題を生成できるようにするソリューションを提供する。
本稿では,LLMを用いた無制限なドラッグアンドドロッププログラミング演習を生成する教育ツールであるPuzzleMakerPyを紹介する。
我々は,PuzzleMakerPyを大規模プログラミングコースに展開することで評価し,コンテキストフレーミングの個人化能力は学生にとって非常に有意義であることが判明した。
論文 参考訳（メタデータ） (2024-04-17T02:01:50Z) - CodeTailor: LLM-Powered Personalized Parsons Puzzles for Engaging Support While Learning Programming [6.43344619836303]
生成AIは、ほとんどのイントロレベルのプログラミング問題に対するソリューションを作成することができる。
学生はこれらのツールを使って、コードを生成するだけで、エンゲージメントが減り、学習が制限される。
学生にパーソナライズされた支援を提供するために,大規模言語モデル(LLM)を活用するシステムであるCodeTailorを紹介する。
論文 参考訳（メタデータ） (2024-01-22T17:08:54Z) - Integrating Personalized Parsons Problems with Multi-Level Textual
Explanations to Scaffold Code Writing [7.277912553209182]
初心者プログラマは、学習プロセスの一部として基本的なコードを書く必要がありますが、しばしば困難に直面します。
障害のある学生を支援するために、我々は最近パーソンズのパーソンズ問題を実装し、学生がコードブロックを配置して、それらをポップアップの足場として解決した。
学生たちは、正しい答えを単に受け取るのではなく、よりエンゲージメントが高く、学習に好まれていることに気付きました。
論文 参考訳（メタデータ） (2024-01-06T07:27:46Z) - MOON: Assisting Students in Completing Educational Notebook Scenarios [0.0]
ノートブックには、テキストの説明、マルチメディアコンテンツ、実行可能コードなど、多くの魅力的な機能がある。
この実行モデルは、生徒が教師の意図した実行順序に従わなければ、すぐに問題となる。
この問題の解決を目的とした新しいアプローチMOONを提案する。
論文 参考訳（メタデータ） (2023-09-28T06:49:30Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Towards a Holistic Understanding of Mathematical Questions with
Contrastive Pre-training [65.10741459705739]
本稿では,数学的問題表現,すなわち QuesCo に対する対照的な事前学習手法を提案する。
まず、コンテンツレベルと構造レベルを含む2段階の質問強化を設計し、類似した目的で文字通り多様な質問ペアを生成する。
そこで我々は,知識概念の階層的情報を完全に活用するために,知識階層を意識したランク戦略を提案する。
論文 参考訳（メタデータ） (2023-01-18T14:23:29Z) - Fair and skill-diverse student group formation via constrained k-way
graph partitioning [65.29889537564455]
本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。
学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。
この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
論文 参考訳（メタデータ） (2023-01-12T14:02:49Z) - Identifying Different Student Clusters in Functional Programming
Assignments: From Quick Learners to Struggling Students [2.0386745041807033]
我々は、マギル大学で教えられた関数型プログラミングコースから収集された学生の課題データを分析する。
これにより、「Quick-learning」、「Hardworking」、「Satisficing」、「Struggling」の4つのクラスタを特定できる。
次に、作業習慣、作業期間、エラーの範囲、エラーを修正する能力が、学生の異なるクラスタに与える影響を分析する。
論文 参考訳（メタデータ） (2023-01-06T17:15:58Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - The Influence of Domain-Based Preprocessing on Subject-Specific
Clustering [55.41644538483948]
大学におけるオンライン教育の大部分を突然移行させることで、学者の作業負荷が増大した。
この問題に対処するひとつの方法は、トピックに応じてこれらの質問をクラスタ化することです。
本稿では,タグ付けデータセットの領域を探求し,コードの抜粋の同定と経験的結果の提供に焦点をあてる。
論文 参考訳（メタデータ） (2020-11-16T17:47:19Z) - Differentially Private Deep Learning with Smooth Sensitivity [144.31324628007403]
プライバシーに関する懸念を、差分プライバシーのレンズを通して研究する。
このフレームワークでは、モデルのトレーニングに使用されるデータの詳細が曖昧になるようにモデルを摂動することで、一般的にプライバシー保証が得られます。
過去の研究で使われた最も重要なテクニックの1つは、教師モデルのアンサンブルであり、ノイズの多い投票手順に基づいて生徒に情報を返す。
本研究では,イミュータブルノイズArgMaxと呼ばれるスムーズな感性を有する新しい投票機構を提案する。これは,ある条件下では,学生に伝達される有用な情報に影響を与えることなく,教師から非常に大きなランダムノイズを発生させることができる。
論文 参考訳（メタデータ） (2020-03-01T15:38:00Z)
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。