論文の概要: A Software Engineering Capstone Course Facilitated By GitHub Templates
- arxiv url: http://arxiv.org/abs/2410.12114v1
- Date: Tue, 15 Oct 2024 23:27:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-17 13:44:56.671875
- Title: A Software Engineering Capstone Course Facilitated By GitHub Templates
- Title（参考訳）: GitHubテンプレートで実現したソフトウェアエンジニアリングキャップストーンコース
- Authors: Spencer Smith, Christopher William Schankula, Lucas Dutton, Christopher Kumar Anand,
- Abstract要約: フォルダ構造、テキストベースのテンプレートドキュメント、テンプレート問題など、チームが必要とするすべてのインフラストラクチャを含むGitHubテンプレートの使用を提案する。
2022/23年には、期限日に発生するコミットの24%を観察しました。2023/24年に、上記のアイデアを部分的に導入した後、この数値は18%向上しました。
提案手法を用いたチームと,そうでないチーム間で,コミットデータとインタビューデータを比較検討する実験を提案する。
- 参考スコア（独自算出の注目度）: 0.9786690381850356
- License:
- Abstract: How can instructors facilitate spreading out the work in a software engineering or computer science capstone course across time and among team members? Currently teams often compromise the quality of their learning experience by frantically working before each deliverable. Some team members further compromise their own learning, and that of their colleagues, by not contributing their fair share to the team effort. To mitigate these problems, we propose using a GitHub template that contains all the initial infrastructure a team needs, including the folder structure, text-based template documents and template issues. In addition, we propose each team begins the year by identifying specific quantifiable individual productivity metrics for monitoring, such as the count of meetings attended, issues closed and number of commits. Initial data suggests that these steps may have an impact. In 2022/23 we observed 24% of commits happening on the due dates. After partially introducing the above ideas in 2023/24, this number improved to 18%. To measure the fairness we introduce a fairness measure based on the disparity between number of commits between all pairs of teammates. Going forward we propose an experiment where commit data and interview data is compared between teams that use the proposed interventions and those that do not.
- Abstract（参考訳）: インストラクターは、時間とチームメンバーの間で、ソフトウェアエンジニアリングやコンピュータサイエンスの科目で仕事を広めるのにどのように役立つのか?
現在、チームは各チームが納品する前に必死に働くことで、学習経験の質を損なうことが多い。
一部のチームメンバーは、チームの努力に公平なシェアを貢献しないことで、自分自身の学習と同僚の学習をさらに妥協させます。
これらの問題を緩和するために、フォルダ構造、テキストベースのテンプレート文書、テンプレート問題など、チームが必要とするすべての初期インフラストラクチャを含むGitHubテンプレートの使用を提案する。
さらに、参加者のミーティング数、クローズドな問題、コミット数など、監視のための特定の定量化された個別の生産性指標を識別することで、各チームが今年の開始を提案します。
最初のデータは、これらのステップが影響する可能性があることを示唆している。
2022/23年には、予定日に発生するコミットの24%を観察しました。
2023/24年にこの考え方を部分的に導入した後、この数字は18%に向上した。
公平さを測定するために、すべてのチームメイト間のコミット数の違いに基づいた公平度尺度を導入します。
今後は、提案した介入を利用するチームと、そうでないチーム間で、コミットデータとインタビューデータを比較する実験を提案します。
関連論文リスト
- Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。
その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。
チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
論文 参考訳（メタデータ） (2024-10-28T11:42:05Z) - Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。
タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。
我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
論文 参考訳（メタデータ） (2022-10-12T15:02:04Z) - Crowdsourcing with Meta-Workers: A New Way to Save the Budget [50.04836252733443]
我々は,AIに適したタスクの種類をメタラーニングで学習したマシンアノテータであるEmphmeta-workerの概念を紹介した。
一般の群衆労働者とは異なり、メタワーカーは信頼性があり、安定しており、さらに重要なことはタイヤレスで自由である。
論文 参考訳（メタデータ） (2021-11-07T12:40:29Z) - Learning to Prompt for Vision-Language Models [82.25005817904027]
視覚言語による事前学習が表現学習の有望な代替手段として登場した。
画像と離散ラベルを使って、視覚的な概念と見なされる一連の重みを学習する伝統から、2つの異なるエンコーダのための画像と生のテキストの整列へと移行する。
このようなパラダイムは、より広範な監視源の恩恵を受け、下流タスクへのゼロショット転送を可能にします。
論文 参考訳（メタデータ） (2021-09-02T17:57:31Z) - 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) - Predicting Issue Types on GitHub [8.791809365994682]
Ticket Taggerは、機械学習技術による課題のタイトルと説明を分析するGitHubアプリである。
私たちは、約30,000のGitHubイシューに対して、ツールの予測パフォーマンスを実証的に評価しました。
論文 参考訳（メタデータ） (2021-07-21T08:14:48Z) - 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) - A Machine Learning Approach to Assess Student Group Collaboration Using
Individual Level Behavioral Cues [8.840643644938156]
グループ全体のコラボレーション品質を自動的に決定するために,簡単なディープラーニングに基づく機械学習モデルを提案する。
1) 限られたトレーニングデータ、2) クラスラベルの不均衡が深刻である。
論文 参考訳（メタデータ） (2020-07-13T20:15:29Z) - Evaluating and Rewarding Teamwork Using Cooperative Game Abstractions [103.3630903577951]
我々は、協調ゲーム理論を用いて、プロスポーツから、人工RLエージェントのチームと現実世界のチームを研究する。
データからCFを推定するための協調ゲーム抽象化(CGA)と呼ばれるパラメトリックモデルを導入する。
CGAモデルに対する識別結果とサンプル境界の複雑さと、CGAを用いたShapley値の推定における誤差境界を提供する。
論文 参考訳（メタデータ） (2020-06-16T22:03:36Z) - How Useful is Self-Supervised Pretraining for Visual Tasks? [133.1984299177874]
我々は、総合的な合成データセットと下流タスクにまたがる様々な自己教師付きアルゴリズムを評価する。
我々の実験は、利用可能なラベルの数が増えるにつれて、セルフスーパービジョンの有用性がどう変化するかについての洞察を提供する。
論文 参考訳（メタデータ） (2020-03-31T16:03:22Z) - Forming Diverse Teams from Sequentially Arriving People [9.247294820004146]
共同作業は、チームや組織が異質なメンバを持つことの恩恵を受けます。
我々は、時間とともに連続して到着する人々から、このような多様なチームを形成する方法を提案する。
実際に、アルゴリズムがチームの多様性を大きく向上させることを示す。
論文 参考訳（メタデータ） (2020-02-25T07:00:07Z)
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。