Fugu-MT 論文翻訳(概要): Game Elements to Engage Students Learning the Open Source Software Contribution Process

論文の概要: Game Elements to Engage Students Learning the Open Source Software Contribution Process

arxiv url: http://arxiv.org/abs/2407.04674v1
Date: Fri, 5 Jul 2024 17:32:42 GMT
ステータス: 処理完了
システム内更新日: 2024-07-08 12:31:56.280755
Title: Game Elements to Engage Students Learning the Open Source Software Contribution Process
Title（参考訳）: オープンソースのソフトウェアコントリビューションプロセスを学ぶためのゲーム要素
Authors: Italo Santos, Katia Romero Felizardo, Marco A. Gerosa, Igor Steinmacher,
Abstract要約: 本研究では,ゲーミフィケーション要素に対する学生の認識を調査し,ゲーミフィケーション学習環境の設計について報告する。その結果、Quest、Point、Stats、Badgeが好まれる要素であり、競合や圧力関連の要素があまり好まれないことが判明した。これらの結果は、OSSコントリビューションプロセスに焦点を当てた効果的なゲーミフィケーション学習環境の設計において、ツールビルダーを導くことができる。
参考スコア（独自算出の注目度）: 10.472707414720341
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Contributing to OSS projects can help students to enhance their skills and expand their professional networks. However, novice contributors often feel discouraged due to various barriers. Gamification techniques hold the potential to foster engagement and facilitate the learning process. Nevertheless, it is unknown which game elements are effective in this context. This study explores students' perceptions of gamification elements to inform the design of a gamified learning environment. We surveyed 115 students and segmented the analysis from three perspectives: (1) cognitive styles, (2) gender, and (3) ethnicity (Hispanic/LatinX and Non-Hispanic/LatinX). The results showed that Quest, Point, Stats, and Badge are favored elements, while competition and pressure-related are less preferred. Across cognitive styles (persona), gender, and ethnicity, we could not observe any statistical differences, except for Tim's GenderMag persona, which demonstrated a higher preference for storytelling. Conversely, Hispanic/LatinX participants showed a preference for the Choice element. These results can guide tool builders in designing effective gamified learning environments focused on the OSS contributions process.
Abstract（参考訳）: OSSプロジェクトへの貢献は、学生のスキル向上とプロフェッショナルネットワークの拡大に役立つ。しかしながら、初心者のコントリビュータは、さまざまな障壁のために、しばしば失望を感じます。ゲーミフィケーション技術は、エンゲージメントを促進し、学習プロセスを促進する可能性を秘めている。しかし、この文脈でどのゲーム要素が有効であるかは不明である。本研究では,ゲーミフィケーション要素に対する学生の認識を調査し,ゲーミフィケーション学習環境の設計について報告する。 1)認知スタイル,(2)性別,(3)民族性(ヒスパニック/ラテンX,非ヒスパニック/ラテンX)という3つの視点から分析を行った。その結果、Quest、Point、Stats、Badgeが好まれる要素であり、競合や圧力関連の要素があまり好まれないことが判明した。認知スタイル(ペルソナ)、性別、民族など、Tim's GenderMagペルソナを除いて統計的差異は観察できなかった。逆にヒスパニック/ラテンXの参加者は選択要素を好んだ。これらの結果は、OSSコントリビューションプロセスに焦点を当てた効果的なゲーミフィケーション学習環境の設計において、ツールビルダーを導くことができる。

関連論文リスト

A Problem-Based Learning Approach to Teaching Design in CS1 [0.9786690381850356]
デザインスキルは、ソフトウェアプロフェッショナルにとってコアコンピテンシーとしてますます認識されている。新しいデザイナーは、可能性に圧倒されるのを防ぐために、構造化されたプロセスを必要とします。初等大学200人の学生にチームデザインプロジェクトコースを指導した経験を提示する。
論文参考訳（メタデータ） (2024-10-15T23:36:08Z)
Detecting Unsuccessful Students in Cybersecurity Exercises in Two Different Learning Environments [0.37729165787434493]
本稿では,学生の難易度を予測するための自動ツールを開発する。潜在的な応用として、このようなモデルは、苦労している生徒を検知し、目標とする支援を提供するインストラクターを助けることができる。
論文参考訳（メタデータ） (2024-08-16T04:57:54Z)
Towards Explainable and Interpretable Musical Difficulty Estimation: A Parameter-efficient Approach [49.2787113554916]
音楽コレクションの整理には曲の難易度を推定することが重要である。シンボリックな音楽表現の難易度推定には説明可能な記述子を用いる。ピアノレパートリーで評価したアプローチは,平均2乗誤差(MSE)が1.7。
論文参考訳（メタデータ） (2024-08-01T11:23:42Z)
Explainable Few-shot Knowledge Tracing [48.877979333221326]
本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2024-05-23T10:07:21Z)
Improved Performances and Motivation in Intelligent Tutoring Systems: Combining Machine Learning and Learner Choice [0.0]
選択の付加は本質的な動機づけを引き起こし,LPに基づくパーソナライゼーションの学習効果を高めることを示す。本研究は,カリキュラムのパーソナライズが学習者にとって有効である場合に限り,遊び的特徴によって引き起こされる本質的な動機が有益であることを示す。
論文参考訳（メタデータ） (2024-01-16T13:41:00Z)
Show me the numbers! -- Student-facing Interventions in Adaptive Learning Environments for German Spelling [0.0]
学生向け適応学習環境は, 人的誤り率の向上に有効である。我々は,エラー率,早期ドロップアウト数,ユーザ能力に関する異なる介入を評価した。
論文参考訳（メタデータ） (2023-06-13T15:33:09Z)
Partner-Assisted Learning for Few-Shot Image Classification [54.66864961784989]
人間の視覚能力を模倣し、徹底的な人間のアノテーションを必要とせずに効果的なモデルを学ぶために、わずかなショットラーニングが研究されている。本稿では,新しいクラスのプロトタイプをラベル付きサンプルから推定できるように,要素表現を得るためのトレーニング戦略の設計に焦点をあてる。本稿では,まずパートナーエンコーダのペアワイド類似性をモデル化し,ソフトアンカーとして機能する特徴を抽出し,その出力をソフトアンカーと整列させ,分類性能を最大化しようとする2段階トレーニング手法を提案する。
論文参考訳（メタデータ） (2021-09-15T22:46:19Z)
Graph Self-Supervised Learning: A Survey [73.86209411547183]
SSL(Self-supervised Learning)は、グラフデータの有望でトレンドの学習パラダイムとなっています。グラフデータにSSL技術を用いた既存のアプローチをタイムリーかつ包括的にレビューします。
論文参考訳（メタデータ） (2021-02-27T03:04:21Z)
Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文参考訳（メタデータ） (2021-01-19T12:23:32Z)
Choose Your Own Question: Encouraging Self-Personalization in Learning Path Construction [1.6505359493498744]
本稿では,対話型教育システム(IES)の一般クラスを対象としたTinderライクなユーザインタフェースであるRocketを紹介する。 Rocketは、AI(Artificial Intelligence)が抽出した学習教材の特徴を視覚的に表現する。 Rocketは、生徒の能力やニーズに関する知識を活用することで、学習経験の自己個人化を可能にする。
論文参考訳（メタデータ） (2020-05-08T01:53:04Z)
Learning from Learners: Adapting Reinforcement Learning Agents to be Competitive in a Card Game [71.24825724518847]
本稿では,競争力のあるマルチプレイヤーカードゲームの現実的な実装を学習・プレイするために,一般的な強化学習アルゴリズムをどのように適用できるかについて検討する。本研究は,学習エージェントに対して,エージェントが競争力を持つことの学習方法を評価するための特定のトレーニングと検証ルーチンを提案し,それらが相互の演奏スタイルにどのように適応するかを説明する。
論文参考訳（メタデータ） (2020-04-08T14:11:05Z)

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。