論文の概要: Fuzzy Intelligent System for Student Software Project Evaluation
- arxiv url: http://arxiv.org/abs/2405.00453v1
- Date: Wed, 1 May 2024 11:12:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-02 15:47:41.679319
- Title: Fuzzy Intelligent System for Student Software Project Evaluation
- Title（参考訳）: 学生ソフトウェアプロジェクト評価のためのファジィ知能システム
- Authors: Anna Ogorodova, Pakizar Shamoi, Aron Karatayev,
- Abstract要約: 本稿では,学術ソフトウェアプロジェクトの評価を目的としたファジィインテリジェントシステムを提案する。
システムは入力基準を処理し、プロジェクト成功の定量化尺度を作成する。
提案手法は,プロジェクト評価を標準化し,手動グレーディングにおける主観的バイアスを低減するのに役立つ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Developing software projects allows students to put knowledge into practice and gain teamwork skills. However, assessing student performance in project-oriented courses poses significant challenges, particularly as the size of classes increases. The current paper introduces a fuzzy intelligent system designed to evaluate academic software projects using object-oriented programming and design course as an example. To establish evaluation criteria, we first conducted a survey of student project teams (n=31) and faculty (n=3) to identify key parameters and their applicable ranges. The selected criteria - clean code, use of inheritance, and functionality - were selected as essential for assessing the quality of academic software projects. These criteria were then represented as fuzzy variables with corresponding fuzzy sets. Collaborating with three experts, including one professor and two course instructors, we defined a set of fuzzy rules for a fuzzy inference system. This system processes the input criteria to produce a quantifiable measure of project success. The system demonstrated promising results in automating the evaluation of projects. Our approach standardizes project evaluations and helps to reduce the subjective bias in manual grading.
- Abstract（参考訳）: ソフトウェアプロジェクトを開発することで、学生は知識を実践し、チームワークのスキルを得ることができます。
しかし、特に授業の規模が大きくなると、プロジェクト指向のコースにおける学生のパフォーマンスを評価することが大きな課題となる。
本稿では,オブジェクト指向プログラミングとデザインコースを例として,学術ソフトウェアプロジェクトの評価を目的としたファジィインテリジェントシステムを提案する。
評価基準を確立するため,まず,学生プロジェクトチーム(n=31)と教員(n=3)を対象に,重要なパラメータとその適用範囲を特定する調査を行った。
選択された基準 - クリーンコード、継承の使用、機能 - は、学術ソフトウェアプロジェクトの品質を評価するのに不可欠に選ばれました。
これらの基準は、対応するファジィ集合を持つファジィ変数として表される。
1人の教授と2人の講師を含む3人の専門家と共同でファジィ推論システムのファジィルールを定義した。
このシステムは、入力基準を処理し、プロジェクト成功の定量化尺度を作成する。
このシステムはプロジェクトの評価を自動化する上で有望な結果を示した。
提案手法は,プロジェクト評価を標準化し,手動グレーディングにおける主観的バイアスを低減するのに役立つ。
関連論文リスト
- How fair are we? From conceptualization to automated assessment of fairness definitions [6.741000368514124]
MODNESSは、ソフトウェアシステムにおけるユーザ定義公正の概念に対するモデル駆動のアプローチである。
これらのカスタム定義に基づいて公平なアセスメントを実装するためにソースコードを生成する。
その結果、現在のアプローチのほとんどは、ユーザ定義の公平性の概念をサポートしていないことが明らかとなった。
論文 参考訳（メタデータ） (2024-04-15T16:46:17Z) - Identifying Student Profiles Within Online Judge Systems Using
Explainable Artificial Intelligence [6.638206014723678]
オンライン審査員(OJ)システムは通常、学生によって開発されたコードの高速かつ客観的な評価を得られるため、プログラミング関連のコースの中で考慮される。
本研究の目的は,OJが収集した情報のさらなる活用を考慮し,学生とインストラクターの両方のフィードバックを自動的に推測することで,この制限に対処することである。
論文 参考訳（メタデータ） (2024-01-29T12:11:30Z) - 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) - Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。
アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。
我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
論文 参考訳（メタデータ） (2022-12-30T12:32:43Z) - A Multicriteria Evaluation for Data-Driven Programming Feedback Systems:
Accuracy, Effectiveness, Fallibility, and Students' Response [7.167352606079407]
データ駆動型プログラミングフィードバックシステムは、初心者が人間の教師がいない状態でプログラムするのに役立つ。
先行評価の結果、これらのシステムはテストスコアやタスク完了効率の点で学習を改善していることがわかった。
これらの側面には、現在の最先端の本質的な誤認、正しい/間違ったフィードバックに対する生徒のプログラミング行動、効果的な/非効率なシステムコンポーネントが含まれる。
論文 参考訳（メタデータ） (2022-07-27T00:29:32Z) - Learning Program Semantics with Code Representations: An Empirical Study [22.953964699210296]
プログラムセマンティクスの学習は、様々なコード知的なタスクの中核であり、基礎である。
現在の主流のコード表現テクニックを4つのカテゴリに分類する。
我々は,3つの多様で一般的なコード知能タスクにおいて,その性能を評価する。
論文 参考訳（メタデータ） (2022-03-22T14:51:44Z) - Lifelong Learning Metrics [63.8376359764052]
DARPA Lifelong Learning Machines (L2M) プログラムは、人工知能(AI)システムの進歩を目指している。
本論文は、生涯学習シナリオを実行するエージェントのパフォーマンスの構築と特徴付けのためのフォーマリズムを概説する。
論文 参考訳（メタデータ） (2022-01-20T16:29:14Z) - 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) - Automatic Assessment of the Design Quality of Python Programs with
Personalized Feedback [0.0]
本稿では,プログラムの設計を評価するニューラルネットワークモデルを提案し,修正の仕方を学生に教えるためにパーソナライズされたフィードバックを提供する。
モデルの有効性はPythonで書かれた学生プログラムのコーパスで評価される。
この研究に参加した学生はプログラムのデザインスコアを19.58%改善した。
論文 参考訳（メタデータ） (2021-06-02T18:04:53Z) - CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and
Transfer Learning [138.40338621974954]
CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。
タスクは、ブロックのセットから3D形状を構築することで構成される。
論文 参考訳（メタデータ） (2020-10-08T23:01:13Z) - Overview of the TREC 2019 Fair Ranking Track [65.15263872493799]
TREC Fair Ranking トラックの目標は、異なるコンテンツプロバイダに対する公正性の観点から、検索システムを評価するベンチマークを開発することであった。
本稿では,タスク定義やデータ記述,アノテーションプロセスなどを含むトラックの概要について述べる。
論文 参考訳（メタデータ） (2020-03-25T21:34:58Z)
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。