論文の概要: A Feedback Toolkit and Procedural Guidance for Teaching Thorough Testing

• arxiv url: http://arxiv.org/abs/2412.00417v1
• Date: Sat, 30 Nov 2024 10:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:47:14.951757
• Title: A Feedback Toolkit and Procedural Guidance for Teaching Thorough Testing
• Title（参考訳）: 音質検査指導のためのフィードバックツールキットと手続き的指導
• Authors: Steffen Dick, Christoph Bockisch, Harrie Passier, Lex Bijlsma, Ruurd Kuiper,
• Abstract要約: 正確性は質的なソフトウェアにおいて最も重要な基準の1つである。 課題に規定がない限り、学生はコード品質とテストに対する十分なフィードバックを受けられません。 我々は,学生を適切なテストで実施するための手続き的指導を開発した。
• 参考スコア（独自算出の注目度）: 0.7829352305480285
• License:
• Abstract: Correctness is one of the more important criteria of qualitative software. However, it is often taught in isolation and most students consider it only as an afterthought. They also do not receive sufficient feedback on code quality and tests unless specified in the assignment. To improve this, we developed a procedural guidance that guides students to an implementation with appropriate tests. Furthermore, we have developed a toolkit that students can use to independently get individual feedback on their solution and the adequateness of their tests. A key instrument is a test coverage analysis which allows for teachers to customize the feedback with constructive instructions specific to the current assignment to improve a student's test suite. In this paper, we outline the procedural guidance, explain the working of the feedback toolkit and present a method for using the toolkit in conjunction with the different steps of the procedural guidance.
• Abstract（参考訳）: 正確性は質的なソフトウェアにおいて最も重要な基準の1つである。 しかし、しばしば独学で教えられ、ほとんどの学生は後述としか考えていない。 また、割り当てに規定がない限り、コード品質とテストに対する十分なフィードバックも受けない。 これを改善するために,学生を適切なテストで実施するための手続き的指導法を開発した。 さらに,学生が個別に個別のフィードバックを得られるツールキットを開発し,その妥当性を検証した。 鍵となる機器はテストカバレッジ分析であり、教師は生徒のテストスイートを改善するために、現在の課題に特有の建設的な指示でフィードバックをカスタマイズすることができる。 本稿では,手続き的ガイダンスの概要を述べるとともに,フィードバックツールキットの動作を説明するとともに,手続き的ガイダンスの異なるステップと組み合わせてツールキットを使用する方法を提案する。

関連論文リスト

• A Block-Based Testing Framework for Scratch [9.390562437823078]
  自動テストの作成を可能にするブロックのカテゴリをScratchに導入する。 これらのブロックによって、学生や教師もテストを作成し、Scratch環境内で直接フィードバックを受け取ることができる。
  論文  参考訳（メタデータ） (2024-10-11T14:11:26Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [50.067342343957876]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• Using Large Language Models for Student-Code Guided Test Case Generation in Computer Science Education [2.5382095320488665]
  テストケースは、コンピュータサイエンス教育におけるプログラミング課題の不可欠な部分である。 テストケースは、学生のプログラミング知識をテストし、学生が書いたコードに対してパーソナライズされたフィードバックを提供するための評価項目として使用することができる。 テストケースを自動的に生成する大規模言語モデルに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-02-11T01:37:48Z)
• A large language model-assisted education tool to provide feedback on open-ended responses [2.624902795082451]
  本稿では,大規模言語モデル (LLM) をインストラクター定義基準でガイドし,オープンエンド質問に対する応答を自動化するツールを提案する。 本ツールでは,素早いパーソナライズされたフィードバックを提供することで,学生が知識を迅速にテストし,改善すべき領域を特定できる。
  論文  参考訳（メタデータ） (2023-07-25T19:49:55Z)
• Automated Grading and Feedback Tools for Programming Education: A Systematic Review [7.776434991976473]
  ほとんどの論文はオブジェクト指向言語における代入の正確性を評価する。 ソースコードの保守性、可読性、ドキュメントを評価するツールは少ない。 ほとんどのツールは、ほぼ即時フィードバックを可能にする完全に自動化されたアセスメントを提供する。
  論文  参考訳（メタデータ） (2023-06-20T17:54:50Z)
• TEMPERA: Test-Time Prompting via Reinforcement Learning [57.48657629588436]
  強化学習(TEMPERA)を用いたテスト時間プロンプト編集を提案する。 従来のプロンプト生成手法とは対照的に、TEMPERAは事前知識を効率的に活用することができる。 本手法は従来の微調整法と比較して試料効率の平均改善率を5.33倍に向上させる。
  論文  参考訳（メタデータ） (2022-11-21T22:38:20Z)
• Continuous Examination by Automatic Quiz Assessment Using Spiral Codes and Image Processing [69.35569554213679]
  紙のキズは安価で、教室のキャンパス教育の範囲内にある。 クイズの修正は かなりの障害だ 本稿では,新しい画像処理技術によって問題を緩和することを提案する。
  論文  参考訳（メタデータ） (2022-01-26T22:58:15Z)
• 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)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)
• Code Review in the Classroom [57.300604527924015]
  教室設定の若い開発者は、コードレビュープロセスの潜在的に有利で問題のある領域の明確な図を提供している。 彼らのフィードバックは、プロセスはプロセスを改善するためにいくつかのポイントで十分に受け入れられていることを示唆している。 本論文は,教室でコードレビューを行うためのガイドラインとして利用することができる。
  論文  参考訳（メタデータ） (2020-04-19T06:07:45Z)

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。