論文の概要: Breaking the Programming Language Barrier: Multilingual Prompting to Empower Non-Native English Learners

• arxiv url: http://arxiv.org/abs/2412.12800v1
• Date: Tue, 17 Dec 2024 11:06:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-18 14:01:58.293067
• Title: Breaking the Programming Language Barrier: Multilingual Prompting to Empower Non-Native English Learners
• Title（参考訳）: プログラミング言語バリアを破る - 非ネイティブな英語学習者に力を与えるための多言語プロンプト
• Authors: James Prather, Brent N. Reeves, Paul Denny, Juho Leinonen, Stephen MacNeil, Andrew Luxton-Reilly, João Orvalho, Amin Alipour, Ali Alfageeh, Thezyrie Amarouche, Bailey Kimmel, Jared Wright, Musa Blake, Gweneth Barbre,
• Abstract要約: 非ネイティブ英語話者(NNES)は、プログラミングを学ぶ上で、複数の障壁に直面している。 生成AI(GenAI)の進歩は、これらの障壁を壊す可能性がある。 本稿では,NNES学生が母国語でコードを生成することを促す最初の調査を行う。
• 参考スコア（独自算出の注目度）: 3.1550561074143597
• License:
• Abstract: Non-native English speakers (NNES) face multiple barriers to learning programming. These barriers can be obvious, such as the fact that programming language syntax and instruction are often in English, or more subtle, such as being afraid to ask for help in a classroom full of native English speakers. However, these barriers are frustrating because many NNES students know more about programming than they can articulate in English. Advances in generative AI (GenAI) have the potential to break down these barriers because state of the art models can support interactions in multiple languages. Moreover, recent work has shown that GenAI can be highly accurate at code generation and explanation. In this paper, we provide the first exploration of NNES students prompting in their native languages (Arabic, Chinese, and Portuguese) to generate code to solve programming problems. Our results show that students are able to successfully use their native language to solve programming problems, but not without some difficulty specifying programming terminology and concepts. We discuss the challenges they faced, the implications for practice in the short term, and how this might transform computing education globally in the long term.
• Abstract（参考訳）: 非ネイティブ英語話者(NNES)は、プログラミングを学ぶ上で、複数の障壁に直面している。 これらの障壁は、例えば、プログラミング言語の構文と命令がしばしば英語で書かれているという事実や、英語の母語話者でいっぱいの教室で助けを求めるのを恐れていることなど、明らかである。 しかし、これらの障壁は、多くのNNES学生が英語で表現できるよりもプログラミングについて知っているので、イライラしています。 生成AI(GenAI)の進歩は、最先端のモデルが複数の言語でのインタラクションをサポートするため、これらの障壁を断ち切る可能性がある。 さらに、最近の研究により、GenAIはコード生成と説明において非常に正確であることが示されている。 本稿では,NNESの学生が母国語(アラビア語,中国語,ポルトガル語)でプログラミング問題を解くためのコードを生成するための最初の調査を行う。 この結果から,プログラミング用語や概念の特定が困難になることなく,母国語をうまく活用できることが示唆された。 我々は、彼らが直面した課題、短期的な実践の意味、そしてこれが長期的にコンピューティング教育をグローバルに変革する可能性について論じる。

関連論文リスト

• Integrating Natural Language Prompting Tasks in Introductory Programming Courses [3.907735250728617]
  本報告では、導入プログラミングコースに2つのプロンプトに焦点を当てたアクティビティを組み込むことについて検討する。 第一に、学生は自然言語のプロンプトを書き、構文上の問題解決を強調することで、計算問題を解く必要がある。 2つ目は、プロンプトとコードの関係を理解するために、提供されたフラグメントに相当するコードを生成するプロンプトを作成することである。
  論文  参考訳（メタデータ） (2024-10-04T01:03:25Z)
• Prompts First, Finally [4.5022979431802925]
  生成AI(GenAI)と特に大規模言語モデルは、コンピュータサイエンス教育を妨害している。 一部の教育者は、彼らがコンピューティング教育に深刻な脅威をもたらし、教室での彼らの使用を禁止すべきだと主張している。 プログラミングの抽象化は常に、自然言語に向けられている、と私たちは主張する。
  論文  参考訳（メタデータ） (2024-07-12T12:50:28Z)
• CodeGRAG: Bridging the Gap between Natural Language and Programming Language via Graphical Retrieval Augmented Generation [58.84212778960507]
  我々は,LLMの性能を高めるため,グラフィカル検索拡張コード生成フレームワークであるCodeGRAGを提案する。 CodeGRAGは、制御フローとデータフローに基づいて、コードブロックのグラフィカルなビューを構築し、プログラミング言語と自然言語のギャップを埋める。 ハードメタグラフプロンプト、ソフトプロンプト技術、事前訓練されたGNN専門家の目的の有効性を検証するために、C++言語とピソン言語の両方を含む4つのデータセットで様々な実験と改善が行われた。
  論文  参考訳（メタデータ） (2024-05-03T02:48:55Z)
• No Train but Gain: Language Arithmetic for training-free Language Adapters enhancement [59.37775534633868]
  本稿では,学習不要な後処理が可能な言語演算法を提案する。 提案手法の有効性を,MAD-Xに基づく言語間スキームの3つの下流課題に適用した。
  論文  参考訳（メタデータ） (2024-04-24T08:52:40Z)
• Interactions with Prompt Problems: A New Way to Teach Programming with Large Language Models [4.1599514827277355]
  本稿では,プロンプト問題を用いてプログラミングを教える新しい方法を提案する。 学生は視覚的に問題を受け取り、どのように入力を出力に変換するかを示し、それをLLMが解読するプロンプトに変換する必要がある。 この問題は、学生プロンプトによって生成されたコードが全てのテストケースをパスできる場合、正しいと考えられる。
  論文  参考訳（メタデータ） (2024-01-19T15:32:46Z)
• Will Code Remain a Relevant User Interface for End-User Programming with Generative AI Models? [20.275891144535258]
  我々は、ジェネレーティブAIを持つ世界で「伝統的な」プログラミング言語が、非専門家のエンドユーザープログラマにどのような意味を持つのかを探求する。 従来型プログラミング言語がエンドユーザプログラマにとって,いまだに意味があり有用である,いくつかの理由を概説する。
  論文  参考訳（メタデータ） (2023-11-01T09:20:21Z)
• InstructAlign: High-and-Low Resource Language Alignment via Continual Crosslingual Instruction Tuning [66.31509106146605]
  命令を調整した大規模言語モデル(LLM)は、様々なタスクや言語で顕著な能力を示している。 しかし、利用可能なデータが不足しているため、表現不足の言語に一般化する能力は限られている。 InstructAlignは、LLMが新しい未知の言語を学習済みの高リソース言語と整列できるようにするために、連続的なクロスリンガル命令チューニングを使用する。
  論文  参考訳（メタデータ） (2023-05-23T02:51:34Z)
• MCoNaLa: A Benchmark for Code Generation from Multiple Natural Languages [76.93265104421559]
  英語以外の自然言語コマンドからコード生成をベンチマークします。 スペイン語,日本語,ロシア語の3言語で896個のNLコードペアを注釈した。 難易度はこれらの3つの言語によって異なるが、全てのシステムは英語にかなり遅れている。
  論文  参考訳（メタデータ） (2022-03-16T04:21:50Z)
• LISA: Learning Interpretable Skill Abstractions from Language [85.20587800593293]
  言語条件による実演から多種多様な解釈可能なスキルを学習できる階層型模倣学習フレームワークを提案する。 本手法は, 逐次的意思決定問題において, 言語に対するより自然な条件付け方法を示す。
  論文  参考訳（メタデータ） (2022-02-28T19:43:24Z)
• DreamCoder: Growing generalizable, interpretable knowledge with wake-sleep Bayesian program learning [47.910312960048174]
  本稿では,プログラム記述による問題解決学習システムであるDreamCoderを紹介する。 ニューラルネットワークとともに、ドメイン概念を表現するためのプログラミング言語を作成することで、専門知識を構築する。 ウェイクスリープの学習アルゴリズムは、新しいシンボル抽象化で言語を交互に拡張し、想像と再生の問題でニューラルネットワークをトレーニングする。
  論文  参考訳（メタデータ） (2020-06-15T13:06:29Z)

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。