論文の概要: Example-Based Learning in Software Engineering Education: A Systematic Mapping Study

• arxiv url: http://arxiv.org/abs/2503.18080v1
• Date: Sun, 23 Mar 2025 14:14:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:38:00.602289
• Title: Example-Based Learning in Software Engineering Education: A Systematic Mapping Study
• Title（参考訳）: ソフトウェア工学教育における事例ベース学習 : システムマッピング研究
• Authors: Tiago P. Bonetti, Williamson Silva, Thelma E. Colanzi,
• Abstract要約: 事例ベースラーニング(EBL)は、ソフトウェア工学教育(SEE)の品質向上を約束している。 本研究は,ESBをSEEに用いた経験的証拠を調査し,分類することを目的とする。
• 参考スコア（独自算出の注目度）: 0.43012765978447565
• License:
• Abstract: The discipline of Software Engineering (SE) allows students to understand specific concepts or problems while designing software. Empowering students with the necessary knowledge and skills for the software industry is challenging for universities. One key problem is that traditional methodologies often leave students as passive agents, limiting engagement and learning effectiveness. To address this issue, instructors must promote active learning in the classroom. Among the teaching methodologies, Example-Based Learning (EBL) has shown promise in improving the quality of Software Engineering Education (SEE). This study aims to investigate and classify the existing empirical evidence about using EBL in SEE. We carried out a systematic mapping to collect existing studies and evidence that describe how instructors have been employing EBL to teach SE concepts. By analyzing 30 studies, we identified the benefits and difficulties of using EBL, the SE contents taught by instructors, and the artifacts that support the methodology's use in the classroom. Besides, we identified the main types of examples used in SEE through EBL. We realized that EBL contributes to student learning, helping in students' interaction, interpreting and applying concepts, and increasing student motivation and confidence. However, some barriers to adopting EBL in SEE are increasing the effort required by instructors, lack of adequate learning support, and time spent constructing diagrams with errors. Overall, our findings suggest that EBL can improve the effectiveness of SEE, but more research is needed to address the gaps and challenges identified in our study.
• Abstract（参考訳）: ソフトウェア工学(SE)の規律は、学生がソフトウェアを設計しながら特定の概念や問題を理解することを可能にする。 ソフトウェア産業に必要な知識とスキルを学生に与えることは、大学にとって難しいことです。 鍵となる問題は、伝統的な方法論が生徒を受動的エージェントとして残し、エンゲージメントと学習の有効性を制限することである。 この問題に対処するためには、教員は教室での活発な学習を促進する必要がある。 教育方法論の中で、例ベースの学習(EBL)は、ソフトウェア工学教育(SEE)の質を向上させることを約束している。 本研究は,ESBをSEEに用いた経験的証拠を調査し,分類することを目的とする。 我々は,教員がSE概念を教えるためにEBLをどのように活用しているかを示す既存の研究や証拠を収集する体系的なマッピングを行った。 30の研究では,EBLの活用のメリットと難しさ,インストラクターが教えるSE内容,教室での方法論の活用を支援するアーティファクトについて分析した。 さらに、EBLを通してSEEで使用される主な例を特定した。 我々は,EBLが学生の学習に寄与すること,学生の相互作用の支援,概念の解釈と適用,学生のモチベーションと自信の向上に寄与していることに気付いた。 しかし、SEEでEBLを採用する際の障壁は、インストラクターが必要とする労力の増加、適切な学習支援の欠如、エラーのあるダイアグラムの構築に費やす時間の増加である。 総じて,EBLはSEEの有効性を向上させることができると考えられるが,本研究で特定されるギャップや課題に対処するためには,さらなる研究が必要である。

関連論文リスト

• How Good is ChatGPT in Giving Adaptive Guidance Using Knowledge Graphs in E-Learning Environments? [0.8999666725996978]
  本研究では,動的知識グラフを大規模言語モデル (LLM) と統合し,学習者を支援する手法を提案する。 この手法の中心は、学生がトピックの前提条件を理解する上での知識グラフの役割である。 予備的な知見から, 学生はこの連携支援の恩恵を受け, 理解の向上と課題成果の向上が期待できる。
  論文  参考訳（メタデータ） (2024-12-05T04:05:43Z)
• Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
  本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。 我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。 我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-24T22:31:39Z)
• Explainable Few-shot Knowledge Tracing [48.877979333221326]
  本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。 3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2024-05-23T10:07:21Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• Knowledge Tracing Challenge: Optimal Activity Sequencing for Students [0.9814642627359286]
  知識追跡(きゅうがく、英: Knowledge Trace)は、個々の学習者による知識の獲得を評価・追跡する教育において用いられる手法である。 我々は,AAAI2023 Global Knowledge Tracing Challengeの一環として,新たにリリースされたデータセット上に2つの知識追跡アルゴリズムを実装した結果を示す。
  論文  参考訳（メタデータ） (2023-11-13T16:28:34Z)
• A Machine Learning system to monitor student progress in educational institutes [0.0]
  本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。 信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
  論文  参考訳（メタデータ） (2022-11-02T08:24:08Z)
• Canvas Adoption Assessment and Acceptance of the Learning Management System on a Web-Based Platform [0.0]
  本研究の目的は,新しい学習管理システムとしてのCanvasの採用と,東方大学のeラーニングプログラムにおけるWebベースのプラットフォームとしての可能性を評価することである。 学生は使いやすさが有用性に有意な影響を及ぼすが,Canvasの使用に対する態度に有意な影響を与えない。
  論文  参考訳（メタデータ） (2021-01-29T01:30:55Z)
• Dual Policy Distillation [58.43610940026261]
  教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。 本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。 この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
  論文  参考訳（メタデータ） (2020-06-07T06:49:47Z)
• Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey [53.73359052511171]
  強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。 本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
  論文  参考訳（メタデータ） (2020-03-10T20:41:24Z)

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。