論文の概要: Design of AI-Powered Tool for Self-Regulation Support in Programming Education
- arxiv url: http://arxiv.org/abs/2504.03068v2
- Date: Mon, 07 Apr 2025 01:30:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-15 14:34:22.696396
- Title: Design of AI-Powered Tool for Self-Regulation Support in Programming Education
- Title（参考訳）: プログラミング教育における自己統制支援のためのAIを活用したツールの設計
- Authors: Huiyong Li, Boxuan Ma,
- Abstract要約: 大きな言語モデル(LLM)ツールは、高品質な補助を提供する可能性を示している。
しかし、これらのツールの多くは、機関的な学習管理システムとは独立して運用されている。
この分離は、学習材料を活用する能力と、適切なコンテキスト対応のフィードバックを生成するためのコンテキストを行使する能力を制限する。
- 参考スコア（独自算出の注目度）: 4.171227316909729
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Model (LLM) tools have demonstrated their potential to deliver high-quality assistance by providing instant, personalized feedback that is crucial for effective programming education. However, many of these tools operate independently from institutional Learning Management Systems, which creates a significant disconnect. This isolation limits the ability to leverage learning materials and exercise context for generating tailored, context-aware feedback. Furthermore, previous research on self-regulated learning and LLM support mainly focused on knowledge acquisition, not the development of important self-regulation skills. To address these challenges, we developed CodeRunner Agent, an LLM-based programming assistant that integrates the CodeRunner, a student-submitted code executing and automated grading plugin in Moodle. CodeRunner Agent empowers educators to customize AI-generated feedback by incorporating detailed context from lecture materials, programming questions, student answers, and execution results. Additionally, it enhances students' self-regulated learning by providing strategy-based AI responses. This integrated, context-aware, and skill-focused approach offers promising avenues for data-driven improvements in programming education.
- Abstract（参考訳）: 大きな言語モデル(LLM)ツールは、効果的なプログラミング教育に不可欠な、即時かつパーソナライズされたフィードバックを提供することによって、高品質な支援を提供する可能性を実証している。
しかし,これらのツールの多くは,機関的な学習管理システムとは独立して運用されている。
この分離は、学習材料を活用する能力と、適切なコンテキスト対応のフィードバックを生成するためのコンテキストを行使する能力を制限する。
さらに,従来の自己統制学習とLCM支援に関する研究は,重要な自己統制スキルの開発ではなく,知識獲得に主眼を置いていた。
これらの課題に対処するため、私たちは、学生が提出したコード実行とMoodleの自動グレーティングプラグインであるCodeRunnerを統合した、LLMベースのプログラミングアシスタントであるCodeRunner Agentを開発しました。
CodeRunner Agentは、講義資料、プログラミング質問、学生の回答、実行結果から詳細なコンテキストを取り入れることで、AI生成したフィードバックをカスタマイズする教育者に権限を与える。
さらに、戦略ベースのAI応答を提供することで、生徒の自己統制学習を強化する。
この統合された、コンテキスト対応、スキル重視のアプローチは、データ駆動型プログラミング教育の改善に有望な道を提供する。
関連論文リスト
- An Online Integrated Development Environment for Automated Programming Assessment Systems [4.618037115403291]
本研究は,オンラインIDEの要件を抽出し,定義することで,プログラミング教育の分野に貢献する。
新しいオンラインIDEのユーザビリティをTechnology Acceptance Model (TAM)を用いて評価し,27人の初等生からフィードバックを得た。
論文 参考訳（メタデータ） (2025-03-17T12:50:51Z) - Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback [1.9841192743072902]
プログラミング教育のための既存のAIツールは、ソクラティックガイダンスの欠如など、重要な課題に直面している。
本研究では,1170名の登録参加者を対象に,プラットフォームログ,エンゲージメント傾向,問題解決行動を分析し,Sakhm AIの効果を評価する。
論文 参考訳（メタデータ） (2025-03-16T12:13:29Z) - Learner and Instructor Needs in AI-Supported Programming Learning Tools: Design Implications for Features and Adaptive Control [0.5524892698654027]
我々は15人の大学生と10人のインストラクターとともに参加型デザイン研究を行い、希望するヘルプ機能やコントロールの好みについての洞察を得た。
以上の結果から,学習者は,視覚的援助を取り入れ,ピア関連の洞察を取り入れた支援を好んでいることが示唆された。
我々の研究は、自律性とガイダンスを効果的にバランスさせるシステムの開発を通知することで、AI支援学習環境の人間中心の設計に寄与する。
論文 参考訳（メタデータ） (2025-02-28T19:50:10Z) - Programmers Aren't Obsolete Yet: A Syllabus for Teaching CS Students to Responsibly Use Large Language Models for Code Generation [0.0]
大規模言語モデル(LLM)はコード生成を自動化する強力なツールとして登場し、プログラマの生産性を高める大きな可能性を秘めている。
彼らの非決定論的性質とユーザ入力への依存は、責任と効果的な使用を保証するために、プログラミングの基本をしっかりと理解する必要がある。
論文 参考訳（メタデータ） (2025-02-21T14:36:36Z) - ToolCoder: A Systematic Code-Empowered Tool Learning Framework for Large Language Models [49.04652315815501]
ツール学習は、大規模な言語モデル(LLM)にとって、外部ツールとのインタラクションを通じて、複雑な現実世界のタスクを解決する重要な機能として登場した。
本稿では,ツール学習をコード生成タスクとして再編成する新しいフレームワークであるToolCoderを提案する。
論文 参考訳（メタデータ） (2025-02-17T03:42:28Z) - LLM-powered Multi-agent Framework for Goal-oriented Learning in Intelligent Tutoring System [54.71619734800526]
GenMentorは、ITS内で目標指向でパーソナライズされた学習を提供するために設計されたマルチエージェントフレームワークである。
学習者の目標を、カスタムのゴール・トゥ・スキルデータセットでトレーニングされた微調整LDMを使用して、必要なスキルにマッピングする。
GenMentorは、個々の学習者のニーズに合わせて探索・描画・統合機構で学習内容を調整する。
論文 参考訳（メタデータ） (2025-01-27T03:29:44Z) - Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。
継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。
我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文 参考訳（メタデータ） (2024-06-24T15:45:22Z) - Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。
本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。
実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文 参考訳（メタデータ） (2023-12-28T13:50:42Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Self-directed Machine Learning [86.3709575146414]
教育科学において、自己指導型学習は受動的教師指導型学習よりも効果的であることが示されている。
本稿では,自己指向機械学習(SDML)の基本概念を紹介し,SDMLのためのフレームワークを提案する。
提案したSDMLプロセスは,自己タスク選択,自己データ選択,自己モデル選択,自己最適化戦略選択,自己評価基準選択の恩恵を受ける。
論文 参考訳（メタデータ） (2022-01-04T18:32:06Z)
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。