論文の概要: The CTSkills App -- Measuring Problem Decomposition Skills of Students in Computational Thinking

• arxiv url: http://arxiv.org/abs/2411.14945v1
• Date: Fri, 22 Nov 2024 13:57:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-25 15:03:10.998987
• Title: The CTSkills App -- Measuring Problem Decomposition Skills of Students in Computational Thinking
• Title（参考訳）: CTSkillsアプリ - 計算思考における生徒の課題分解スキルの測定
• Authors: Dorit Assaf, Giorgia Adorni, Elia Lutz, Lucio Negrini, Alberto Piatti, Francesco Mondada, Francesca Mangili, Luca Maria Gambardella,
• Abstract要約: 本稿では,K-12コンピュータサイエンス教育におけるCT(Computer Thinking)の重要な構成要素として,問題分解スキルの導入について論じる。 CTSKillsは,学生の問題解決能力を測定するために開発された Web ベースのスキルアセスメントツールである。
• 参考スコア（独自算出の注目度）: 2.267572868634791
• License:
• Abstract: This paper addresses the incorporation of problem decomposition skills as an important component of computational thinking (CT) in K-12 computer science (CS) education. Despite the growing integration of CS in schools, there is a lack of consensus on the precise definition of CT in general and decomposition in particular. While decomposition is commonly referred to as the starting point of (computational) problem-solving, algorithmic solution formulation often receives more attention in the classroom, while decomposition remains rather unexplored. This study presents "CTSKills", a web-based skill assessment tool developed to measure students' problem decomposition skills. With the data collected from 75 students in grades 4-9, this research aims to contribute to a baseline of students' decomposition proficiency in compulsory education. Furthermore, a thorough understanding of a given problem is becoming increasingly important with the advancement of generative artificial intelligence (AI) tools that can effectively support the process of formulating algorithms. This study highlights the importance of problem decomposition as a key skill in K-12 CS education to foster more adept problem solvers.
• Abstract（参考訳）: 本稿では,K-12コンピュータサイエンス(CS)教育におけるCT(Computer Thinking)の重要な構成要素として,問題分解スキルの導入について論じる。 学校におけるCSの統合はますます進んでいるが,一般のCTの正確な定義,特に分解に関するコンセンサスが欠如している。 分解は(計算的な)問題解決の出発点として一般的に呼ばれるが、アルゴリズムによる解の定式化は教室でより注目を集めることが多い。 本研究では,学生の問題解決能力を評価するための Web ベースのスキルアセスメントツール "CTSKills" を提案する。 小学校4～9年生75名から収集したデータをもとに, 義務教育における生徒の分解能力の基盤となることを目的とした。 さらに、アルゴリズムの定式化を効果的に支援できる生成人工知能(AI)ツールの進歩により、与えられた問題の徹底的な理解がますます重要になっている。 本研究は,K-12 CS教育における課題分解の重要性を強調した。

関連論文リスト

• Can We Further Elicit Reasoning in LLMs? Critic-Guided Planning with Retrieval-Augmentation for Solving Challenging Tasks [68.49251303172674]
  最先端の大規模言語モデル(LLM)は、目覚ましい問題解決能力を示すが、複雑な推論と事実の正しさに苦慮する可能性がある。 既存の手法では、チェーン・オブ・ソートと検索強化生成(RAG)の強みを利用して、複雑な問題をより単純なステップに分解し、検索を適用して事実の正しさを向上させる。 CR-Planner(CR-Planner, CR-Planner, CR-Planner)は, 微調整された批判モデルを利用して, 推論と検索の両方のプロセスを計画を通してガイドする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-10-02T11:26:02Z)
• Center-Sensitive Kernel Optimization for Efficient On-Device Incremental Learning [88.78080749909665]
  現在のオンデバイストレーニング手法は、破滅的な忘れを考慮せずに、効率的なトレーニングにのみ焦点をあてている。 本稿では,単純だが効果的なエッジフレンドリーなインクリメンタル学習フレームワークを提案する。 本手法は,メモリの削減と近似計算により,平均精度38.08%の高速化を実現する。
  論文  参考訳（メタデータ） (2024-06-13T05:49:29Z)
• Incorporating Graph Attention Mechanism into Geometric Problem Solving Based on Deep Reinforcement Learning [14.445184687705094]
  ほとんどの場合、問題はラインやポイントのような補助的なコンポーネントを追加することで解決される。 本稿では,BERT などの言語モデルに基づく深層強化学習フレームワークを提案する。 A3C-RLと呼ばれる新しいアルゴリズムは、エージェントにトップ戦略の選択を強制することで提案される。
  論文  参考訳（メタデータ） (2024-03-14T11:00:09Z)
• Skills in computational thinking of engineering students of the first school year [0.0]
  コンピュータ思考(CT)の能力は、学生が習得しなければならない基本的な能力の1つである。 学生が獲得したCTスキルの計測と評価が基本である。
  論文  参考訳（メタデータ） (2024-02-06T19:22:31Z)
• On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
  我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。 まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)
• Sample-Efficient Reinforcement Learning in the Presence of Exogenous Information [77.19830787312743]
  実世界の強化学習アプリケーションでは、学習者の観察空間は、その課題に関する関連情報と無関係情報の両方でユビキタスに高次元である。 本稿では,強化学習のための新しい問題設定法であるExogenous Decision Process (ExoMDP)を導入する。 内因性成分の大きさのサンプル複雑度で準最適ポリシーを学習するアルゴリズムであるExoRLを提案する。
  論文  参考訳（メタデータ） (2022-06-09T05:19:32Z)
• An Optimization Method-Assisted Ensemble Deep Reinforcement Learning Algorithm to Solve Unit Commitment Problems [3.303380427144773]
  ユニットコミットメントは、日々の電力市場における根本的な問題である。 UCの問題を効率的に解くことは重要である。 近年の人工知能の進歩は、UCの問題を解決するための強化学習の能力を実証している。
  論文  参考訳（メタデータ） (2022-06-09T03:36:18Z)
• Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness [53.351863569314794]
  クリティカルノード問題(CNP)は、削除が残余ネットワークのペア接続性を最大に低下させるネットワークから臨界ノードの集合を見つけることを目的としている。 本研究は,ノード表現のための特徴重要度対応グラフアテンションネットワークを提案する。 ダブルディープQネットワークと組み合わせて、初めてCNPを解くエンドツーエンドのアルゴリズムを作成する。
  論文  参考訳（メタデータ） (2021-12-03T14:23:05Z)
• Accelerating Recursive Partition-Based Causal Structure Learning [4.357523892518871]
  帰納的因果探索アルゴリズムは、より小さなサブプロブレムで条件独立性テスト(CI)を用いて良い結果をもたらす。 本稿では,少数のCIテストと望ましくない関係を特定できる汎用因果構造改善戦略を提案する。 次に,合成および実データ集合における解の質と完了時間の観点から,最先端アルゴリズムに対する性能を実証的に評価する。
  論文  参考訳（メタデータ） (2021-02-23T08:28:55Z)
• Do Abstractions Have Politics? Toward a More Critical Algorithm Analysis [19.08810272234958]
  我々は、価値埋め込みの割当計算に基づくより重要なアルゴリズム分析である割当分析について論じる。 本稿では,5つのケーススタディを用いて,テクノロジーの社会的決定を論じる機会分析について述べる。
  論文  参考訳（メタデータ） (2021-01-04T05:59:26Z)
• Machine Number Sense: A Dataset of Visual Arithmetic Problems for Abstract and Relational Reasoning [95.18337034090648]
  文法モデルを用いて自動生成される視覚的算術問題からなるデータセット、MNS(Machine Number Sense)を提案する。 これらの視覚的算術問題は幾何学的フィギュアの形をしている。 我々は、この視覚的推論タスクのベースラインとして、4つの主要なニューラルネットワークモデルを用いて、MNSデータセットをベンチマークする。
  論文  参考訳（メタデータ） (2020-04-25T17:14:58Z)

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。