論文の概要: Influence of Skill and Knowledge of Programmers on Program Behavior Visualization by CS Unplugged

• arxiv url: http://arxiv.org/abs/2412.01831v1
• Date: Fri, 15 Nov 2024 21:10:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-08 09:16:13.747876
• Title: Influence of Skill and Knowledge of Programmers on Program Behavior Visualization by CS Unplugged
• Title（参考訳）: CSアンプラグドによるプログラム行動可視化におけるプログラマのスキルと知識の影響
• Authors: Sumika Jinnouchi, Masateru Tsunoda,
• Abstract要約: コンピュータサイエンス・アンプラグド(コンピュータサイエンス・アンプラグド、CS unplugged)は、コンピュータサイエンスとコンピュータ思考を教える方法である。 CSは,プログラムの動作を可視化する新しい手法を提案し,プログラムの理解テストに基づいて評価した。 本研究は, 因子と試験結果の関係を解析した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Computer science unplugged (CS unplugged) is a method of teaching computer science and computational thinking. It does not use a computer but employs physical materials. As CS unplugged, past studies proposed a new method to visualize programming behavior, and evaluated the method based on the understanding test of program. However, the past studied did not consider the factors affecting the test such as participants knowledge. This study analyzed the relationship between the factors and the test results.
• Abstract（参考訳）: コンピュータサイエンス・アンプラグド(コンピュータサイエンス・アンプラグド、CS unplugged)は、コンピュータサイエンスとコンピュータ思考を教える方法である。 コンピュータは使用せず、物理的材料を使用する。 CSは,プログラムの動作を可視化する新しい手法を提案し,プログラムの理解テストに基づいて評価した。 しかし,過去の研究では,参加者の知識など,テストに影響する要因は考慮されなかった。 本研究は, 因子と試験結果の関係を解析した。

関連論文リスト

• DiSciPLE: Learning Interpretable Programs for Scientific Visual Discovery [61.02102713094486]
  優れた意思決定を可能にするため、科学的推論において優れた解釈が重要である。 本稿では,ニューラルネットワークをインターリーブする学習プログラムを用いて,そのような解釈可能な設計モデルを得るための自動手法を提案する。 本稿では,大言語モデル (LLM) の常識と事前知識を活用する進化的アルゴリズムであるDiSciPLEを提案し,視覚データを説明するPythonプログラムを作成する。
  論文  参考訳（メタデータ） (2025-02-14T10:26:14Z)
• The Influence and Relationship between Computational Thinking, Learning Motivation, Attitude, and Achievement of Code.org in K-12 Programming Education [0.0]
  本研究では,Code.orgのブロックベースコーディングカリキュラムが小学校の計算思考,モチベーション,態度,学業成績に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2024-12-05T00:12:26Z)
• Method for Evaluating the Number of Signal Sources and Application to Non-invasive Brain-computer Interface [49.1574468325115]
  本稿では,時系列展開法の背後にある数学的理論を簡潔に紹介する。 提示されたアルゴリズムは、脳とコンピュータのインターフェイスから収集されたデータを解析するための貴重な数学的および分析ツールとして機能する。
  論文  参考訳（メタデータ） (2024-09-26T09:03:42Z)
• Unveiling the Decision-Making Process in Reinforcement Learning with Genetic Programming [4.249842620609683]
  不理解性は、現実世界で(深い)強化学習を使用するための選択肢ではない。 我々は、すでに訓練されたエージェントの意思決定プロセスの説明を生成するための遺伝的プログラミングフレームワークを提案する。 私たちは性能に匹敵するが、ハードウェアリソースや計算時間を大幅に削減する必要があることを示しています。
  論文  参考訳（メタデータ） (2024-07-20T00:45:03Z)
• Survey of Computerized Adaptive Testing: A Machine Learning Perspective [66.26687542572974]
  コンピュータ適応テスト (Computerized Adaptive Testing, CAT) は、試験の熟練度を評価するための効率的で調整された方法である。 本稿では,この適応テスト手法に対する新たな視点を提示し,機械学習に着目したCATに関する調査を行うことを目的とする。
  論文  参考訳（メタデータ） (2024-03-31T15:09:47Z)
• A Comprehensive Survey on Affective Computing; Challenges, Trends, Applications, and Future Directions [3.8370454072401685]
  感情コンピューティングは人間の感情、感情、感情を認識することを目的としています。 機械学習(ML)と混合現実(XR)がどのように相互作用するかを決定する研究はこれまで行われていない。
  論文  参考訳（メタデータ） (2023-05-08T10:42:46Z)
• Language Cognition and Language Computation -- Human and Machine Language Understanding [51.56546543716759]
  言語理解は認知科学とコンピュータ科学の分野で重要な科学的問題である。 これらの規律を組み合わせることで、インテリジェントな言語モデルを構築する上で、新たな洞察が得られますか?
  論文  参考訳（メタデータ） (2023-01-12T02:37:00Z)
• Impact Learning: A Learning Method from Features Impact and Competition [1.3569491184708429]
  本稿では,インパクト学習と呼ばれる新しい機械学習アルゴリズムを提案する。 インパクト学習は教師付き学習アルゴリズムであり、分類問題と回帰問題の両方に統合することができる。 自然増進の本質的な速度によるハイライトの影響によって調製される。
  論文  参考訳（メタデータ） (2022-11-04T04:56:35Z)
• Base rate neglect in computer science education [8.528384027684192]
  本研究では,ML コースの学生の約3分の1が,背景の違いから,ベースレートの無視バイアスにより,ML アルゴリズムの性能を正しく評価できないことを示す。 この失敗率は、教育者に警告し、MLアルゴリズムのパフォーマンスを教えるための新しい教育手法の開発を促進するべきである。
  論文  参考訳（メタデータ） (2022-09-17T11:03:45Z)
• A Review of Uncertainty Quantification in Deep Learning: Techniques, Applications and Challenges [76.20963684020145]
  不確実性定量化(UQ)は、最適化と意思決定プロセスの両方において不確実性の低減に重要な役割を果たしている。 ビザレ近似とアンサンブル学習技術は、文学において最も広く使われている2つのUQ手法である。 本研究は, 深層学習におけるUQ手法の最近の進歩を概観し, 強化学習におけるこれらの手法の適用について検討する。
  論文  参考訳（メタデータ） (2020-11-12T06:41:05Z)
• EEG-based Drowsiness Estimation for Driving Safety using Deep Q-Learning [46.3327842128563]
  本研究では、深部Q-ラーニングを用いて、模擬耐久運転テスト中に得られた脳波データセットを分析することを提案する。 運転テストにおける用語を強化学習フレームワークに適合させ,Q-ラーニングタスクの最適化として眠気推定問題を定式化する。 その結果、トレーニングされたモデルでは、脳波データに対して十分な方法で精神状態の変動を追跡できることがわかった。
  論文  参考訳（メタデータ） (2020-01-08T07:10:03Z)

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。