論文の概要: Enhancing MBSE Education with Version Control and Automated Feedback
- arxiv url: http://arxiv.org/abs/2409.15294v1
- Date: Wed, 4 Sep 2024 08:12:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-06 20:05:48.854703
- Title: Enhancing MBSE Education with Version Control and Automated Feedback
- Title（参考訳）: バージョン管理と自動フィードバックによるMBSE教育の強化
- Authors: Levente Bajczi, Dániel Szekeres, Daniel Siegl, Vince Molnár,
- Abstract要約: 本稿では,モデルベースシステム工学(MBSE)コースを毎年80名を超える参加者で実施するための革新的なアプローチを提案する。
このコースは、学生がEnterprise Architectを使って6つのサブミッションで複雑なシステムエンジニアリングタスクを完了する、協調的なグループ割り当てを中心に構成されている。
今年は、LemonTree、SmartGit、GitHubなど、学習エクスペリエンスを向上させるためのいくつかの技術的進歩を紹介しました。
- 参考スコア（独自算出の注目度）: 0.10499611180329801
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an innovative approach to conducting a Model-Based Systems Engineering (MBSE) course, engaging over 80 participants annually. The course is structured around collaborative group assignments, where students utilize Enterprise Architect to complete complex systems engineering tasks across six submissions. This year, we introduced several technological advancements to enhance the learning experience, including the use of LemonTree, SmartGit, and GitHub. Students collaborated on shared repositories in GitHub, received continuous feedback via automated checks through LemonTree Automation, and documented their progress with pre-rendered, continuously updating diagrams. Additionally, they managed 2-way and 3-way merges directly in SmartGit, with merge issues, updates, and model statistics readily available for each Work-in-Progress submission. The process of correcting and providing manual feedback was streamlined, thanks to accessible changelogs and renders in GitHub. An end-of-course feedback form revealed high student satisfaction.
- Abstract（参考訳）: 本稿では,モデルベースシステム工学(MBSE)コースを毎年80名を超える参加者で実施する革新的な手法を提案する。
このコースは、学生がEnterprise Architectを使って6つのサブミッションで複雑なシステムエンジニアリングタスクを完了する、協調的なグループ割り当てを中心に構成されている。
今年は、LemonTree、SmartGit、GitHubなど、学習エクスペリエンスを向上させるためのいくつかの技術的進歩を紹介しました。
学生はGitHubの共有リポジトリで協力し、LemonTree Automationを通じて自動チェックを通じて継続的なフィードバックを受け、事前にレンダリングされ、継続的に更新されたダイアグラムで進捗状況をドキュメント化した。
さらに、SmartGitで直接2方向と3方向のマージを管理し、各Work-in-Progressサブミッションで利用可能なマージ問題、更新、モデル統計をマージした。
GitHubのアクセス可能な変更ログとレンダリングのおかげで、手動によるフィードバックの修正と提供のプロセスが合理化された。
終末フィードバック形式では,生徒の満足度が高いことが判明した。
関連論文リスト
- OS-ATLAS: A Foundation Action Model for Generalist GUI Agents [55.37173845836839]
OS-AtlasはGUIグラウンディングとOODエージェントタスクに優れた基礎的なGUIアクションモデルである。
現在までに1300万以上のGUI要素を含む、オープンソースのクロスプラットフォームGUI基盤コーパスをリリースしています。
論文 参考訳（メタデータ） (2024-10-30T17:10:19Z) - RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - GitSEED: A Git-backed Automated Assessment Tool for Software Engineering and Programming Education [0.0]
本稿では,プログラミング教育・ソフトウェア工学(SE)用に設計された言語に依存しない自動評価ツールであるGitSEEDを紹介する。
GitSEEDを使用することで、コンピュータサイエンス(CS)とSEの学生は、プログラミングの課題やプロジェクトに関するパーソナライズされたフィードバックを受けながら、gitの基本をマスターすることができる。
本実験は,GitSEEDの有効性を総合的なユーザ評価を通じて評価し,フィードバックメカニズムや特徴が学生の学習結果に与える影響について検討した。
論文 参考訳（メタデータ） (2024-09-11T15:50:42Z) - Visual Analysis of GitHub Issues to Gain Insights [2.9051263101214566]
本稿では,課題タイムラインに関する洞察を提供するために,可視化を生成するプロトタイプWebアプリケーションを提案する。
問題のライフサイクルに焦点をあて、ユーザによる開発パターンの理解を高めるために重要な情報を記述する。
論文 参考訳（メタデータ） (2024-07-30T15:17:57Z) - How to Understand Whole Software Repository? [64.19431011897515]
リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。
本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。
リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
論文 参考訳（メタデータ） (2024-06-03T15:20:06Z) - Git-Theta: A Git Extension for Collaborative Development of Machine
Learning Models [26.107117592578632]
本稿では,機械学習モデルのバージョン管理システムGit-Thetaを紹介する。
Git-Thetaは、最も広く使われているバージョン管理ソフトウェアであるGitの拡張である。
論文 参考訳（メタデータ） (2023-06-07T15:37:50Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z) - CommitBART: A Large Pre-trained Model for GitHub Commits [8.783518592487248]
私たちは、GitHubコミットのための大規模なトレーニング済みエンコーダデコーダトランスフォーマーモデルであるCommitBARTを紹介します。
このモデルは、コミットフラグメント表現を学習するための6つの事前学習タスクに対して、3つのカテゴリ(例えば、目的の認知、クロスモーダル生成、コントラスト学習)で事前訓練される。
これらのタスクの実験では、CommitBARTは以前のトレーニング済みのコードよりも大幅にパフォーマンスが向上している。
論文 参考訳（メタデータ） (2022-08-17T06:35:57Z) - 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) - VEGA: Towards an End-to-End Configurable AutoML Pipeline [101.07003005736719]
VEGAは効率よく包括的なAutoMLフレームワークで、複数のハードウェアプラットフォームに互換性があり、最適化されている。
VEGAは既存のAutoMLアルゴリズムを改善し、SOTAメソッドに対して新しい高性能モデルを発見する。
論文 参考訳（メタデータ） (2020-11-03T06:53:53Z) - Student Teamwork on Programming Projects: What can GitHub logs show us? [3.764846583322767]
コンピュータサイエンス専攻のためのCS2 Javaプログラミングコースの2つの提供物で、2つのプログラミングプロジェクトからGitHubログを収集しました。
学生は毎年,2つのプロジェクト(オプションと必須の2つ)をペアで作業しました。
応募ログから学生のチームワークスタイルを自動的に特定できる。
論文 参考訳（メタデータ） (2020-08-25T20:41:52Z)
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。