論文の概要: Task Synthesis for Elementary Visual Programming in XLogoOnline Environment

• arxiv url: http://arxiv.org/abs/2405.02173v1
• Date: Fri, 3 May 2024 15:22:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-06 12:26:23.816118
• Title: Task Synthesis for Elementary Visual Programming in XLogoOnline Environment
• Title（参考訳）: XLogoオンライン環境における基本ビジュアルプログラミングのためのタスク合成
• Authors: Chao Wen, Ahana Ghosh, Jacqueline Staub, Adish Singla,
• Abstract要約: 難易度に応じて高品質なタスクを合成する手法であるXLogoSynを紹介する。 参照タスクが与えられた場合、XLogoSynは、異なる学習者のさまざまなニーズと能力に対応する様々な難易度で練習タスクを生成することができる。 また、XLogoOnlineに合成練習タスクを配置し、これらの合成練習タスクの教育的メリットを強調した。
• 参考スコア（独自算出の注目度）: 22.296317184025515
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the XLogoOnline programming platform has gained popularity among novice learners. It integrates the Logo programming language with visual programming, providing a visual interface for learning computing concepts. However, XLogoOnline offers only a limited set of tasks, which are inadequate for learners to master the computing concepts that require sufficient practice. To address this, we introduce XLogoSyn, a novel technique for synthesizing high-quality tasks for varying difficulty levels. Given a reference task, XLogoSyn can generate practice tasks at varying difficulty levels that cater to the varied needs and abilities of different learners. XLogoSyn achieves this by combining symbolic execution and constraint satisfaction techniques. Our expert study demonstrates the effectiveness of XLogoSyn. We have also deployed synthesized practice tasks into XLogoOnline, highlighting the educational benefits of these synthesized practice tasks.
• Abstract（参考訳）: 近年、XLogoOnlineプログラミングプラットフォームは初心者の学習者の間で人気を集めている。 Logoプログラミング言語とビジュアルプログラミングを統合し、コンピュータの概念を学ぶためのビジュアルインターフェースを提供する。 しかし、XLogoOnlineは限られたタスクのみを提供しており、学習者が十分な練習を必要とする計算概念を習得するには不十分である。 そこで本稿では,難易度に応じて高品質なタスクを合成する新手法であるXLogoSynを紹介する。 参照タスクが与えられた場合、XLogoSynは、異なる学習者のさまざまなニーズと能力に対応する様々な難易度で練習タスクを生成することができる。 XLogoSynはシンボリック実行と制約満足度技術を組み合わせてこれを達成している。 本研究はXLogoSynの有効性を実証する。 また、XLogoOnlineに合成練習タスクを配置し、これらの合成練習タスクの教育的メリットを強調した。

関連論文リスト

• Sketch2Code: Evaluating Vision-Language Models for Interactive Web Design Prototyping [55.98643055756135]
  初歩的なスケッチのWebページプロトタイプへの変換を自動化する上で,最先端のビジョン言語モデル(VLM)を評価するベンチマークであるSketch2Codeを紹介した。 我々は、既存のVLMではSketch2Codeが困難であることを示す10の商用およびオープンソースモデルを分析した。 UI/UXの専門家によるユーザ調査では、受動的フィードバックの受信よりも、積極的に質問を行うのがかなり好まれている。
  論文  参考訳（メタデータ） (2024-10-21T17:39:49Z)
• LogoSticker: Inserting Logos into Diffusion Models for Customized Generation [73.59571559978278]
  テキスト・ツー・イメージ・モデルにロゴを挿入する作業を導入する。 我々の目標は、ロゴのアイデンティティを拡散モデルに挿入し、様々な状況下でシームレスに合成できるようにすることです。 この課題に対処するために,新しい2相パイプラインLogoStickerを提案する。
  論文  参考訳（メタデータ） (2024-07-18T17:54:49Z)
• Program Synthesis Benchmark for Visual Programming in XLogoOnline Environment [23.756311527978486]
  このベンチマークは、XLogoOnline環境のミニレベルから85の現実世界タスクで構成されている。 モデルの性能を向上させるための微調整パイプラインを開発した。 微調整のLlama3-8BはGPT-4VとLlama3-70Bのモデルを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2024-06-17T08:48:02Z)
• Synapse: Learning Preferential Concepts from Visual Demonstrations [12.32357362675109]
  本稿では,視覚的入力からユーザ固有の嗜好を学習することを目的とした,嗜好学習の課題に対処する。 事実概念の学習に類似しているにもかかわらず、嗜好学習はその主観的な性質と個人固有のトレーニングデータの質のために根本的に難しい問題である。 この問題は、限定的なデモンストレーションから優先概念を効率的に学習するために設計された、ニューロシンボリックなアプローチであるSynapseと呼ばれる新しいフレームワークを用いて解決する。
  論文  参考訳（メタデータ） (2024-03-25T12:23:39Z)
• Synthesizing a Progression of Subtasks for Block-Based Visual Programming Tasks [21.33708484899808]
  本稿では,その複雑さの観点から,高品質で十分な空間を持つサブタスクの進行を生成する新しい合成アルゴリズムを提案する。 本稿では,Karelプログラミング環境における課題解決のためのAIエージェントの有効性向上のための合成アルゴリズムの有用性を示す。
  論文  参考訳（メタデータ） (2023-05-27T16:24:36Z)
• Neural Task Synthesis for Visual Programming [22.918489170257704]
  視覚的プログラミング領域のコンテキストにおいて、与えられた仕様のプログラミングタスクを自動的に生成できるニューラルモデルを設計することを模索する。 そこで我々は,NeurTaskSynというニューラルシンボリックな手法を提案する。
  論文  参考訳（メタデータ） (2023-05-26T01:08:18Z)
• From {Solution Synthesis} to {Student Attempt Synthesis} for Block-Based Visual Programming Tasks [20.64766977405438]
  以下に示す課題を中心に、新しいベンチマークであるSeardSynを紹介する。 学生は,一定基準課題に対する生徒の試行を観察した後,新たな目標課題に対する学生の試行を合成する。 この課題は、プログラム合成の課題に似ているが、解法(すなわち、専門家が書くプログラム)の代わりに、ここでのゴールは、学生の試み(すなわち、ある学生が書くであろうプログラム)を合成することである。
  論文  参考訳（メタデータ） (2022-05-03T01:32:47Z)
• LOA: Logical Optimal Actions for Text-based Interaction Games [63.003353499732434]
  本稿では、強化学習アプリケーションの行動決定アーキテクチャである論理的最適行動(LOA)を提案する。 LOAは、自然言語インタラクションゲームのためのニューラルネットワークとシンボリック知識獲得アプローチの組み合わせである。
  論文  参考訳（メタデータ） (2021-10-21T08:36:11Z)
• X-modaler: A Versatile and High-performance Codebase for Cross-modal Analytics [99.03895740754402]
  X-modalerは最先端のクロスモーダル分析をいくつかの汎用ステージにカプセル化する。 X-modalerはApacheライセンスで,ソースコードやサンプルプロジェクト,トレーニング済みのモデルなどがオンラインで公開されている。
  論文  参考訳（メタデータ） (2021-08-18T16:05:30Z)
• Synbols: Probing Learning Algorithms with Synthetic Datasets [112.45883250213272]
  Synbolsは、低解像度画像にレンダリングされた潜在機能のリッチな構成で、新しいデータセットを高速に生成するツールである。 ツールの高レベルインターフェースは、潜在機能で新しいディストリビューションを高速に生成するための言語を提供する。 Synbolsの汎用性を示すために,各種学習環境における標準学習アルゴリズムの限界と欠陥を識別するために,本手法を用いる。
  論文  参考訳（メタデータ） (2020-09-14T13:03:27Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)

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。