論文の概要: Automated Assessment in Mobile Programming Courses: Leveraging GitHub Classroom and Flutter for Enhanced Student Outcomes

• arxiv url: http://arxiv.org/abs/2504.04230v1
• Date: Sat, 05 Apr 2025 16:48:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:13:56.059592
• Title: Automated Assessment in Mobile Programming Courses: Leveraging GitHub Classroom and Flutter for Enhanced Student Outcomes
• Title（参考訳）: モバイルプログラミングコースにおける自動アセスメント - GitHubのクラスルームとFlutterを活用
• Authors: Pedro Alves, Bruno Pereira Cipriano,
• Abstract要約: 本稿では,モバイルプログラミングタスクの自動評価において,GitHub ClassroomとFlutterフレームワークを併用する可能性について検討する。 モバイルプログラミングコースにおける実験を通じて,これらのツールの統合の実現可能性を評価し,学生調査の結果を報告する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The growing demand for skilled mobile developers has made mobile programming courses an essential component of computer science curricula. However, these courses face unique challenges due to the complexity of mobile development environments and the graphical, interactive nature of mobile applications. This paper explores the potential of using GitHub Classroom, combined with the Flutter framework, for the automated assessment of mobile programming assignments. By leveraging GitHub Actions for continuous integration and Flutter's robust support for test automation, the proposed approach enables an auto-grading cost-effective solution. We evaluate the feasibility of integrating these tools through an experiment in a Mobile Programming course and present findings from a student survey that assesses their perceptions of the proposed evaluation model. The results are encouraging, showing that the approach is well-received by students.
• Abstract（参考訳）: 熟練したモバイル開発者の需要が高まっているため、モバイルプログラミングコースはコンピュータサイエンスカリキュラムの重要なコンポーネントとなっている。 しかし、これらのコースは、モバイル開発環境の複雑さと、モバイルアプリケーションのグラフィカルでインタラクティブな性質のために、ユニークな課題に直面している。 本稿では,モバイルプログラミングタスクの自動評価において,GitHub ClassroomとFlutterフレームワークを併用する可能性について検討する。 継続的インテグレーションのためのGitHub Actionsと、テスト自動化のためのFlutterの堅牢なサポートを活用することで、提案されたアプローチは、コスト効率の自動化を可能にする。 モバイルプログラミングコースにおける実験を通じて,これらのツールの統合の可能性を評価し,提案した評価モデルの認知度を評価する学生調査の結果を報告する。 結果は、学生がアプローチを十分に受け入れていることを示し、励まされている。

関連論文リスト

• Foundations and Recent Trends in Multimodal Mobile Agents: A Survey [57.677161006710065]
  モバイルエージェントは、複雑で動的なモバイル環境におけるタスクの自動化に不可欠である。 近年の進歩により、リアルタイム適応性とマルチモーダルインタラクションが向上している。 これらの進歩は、プロンプトベースの方法とトレーニングベースの方法の2つの主要なアプローチに分類する。
  論文  参考訳（メタデータ） (2024-11-04T11:50:58Z)
• AutoGLM: Autonomous Foundation Agents for GUIs [51.276965515952]
  我々は、グラフィカルユーザインタフェース(GUI)を介してデジタルデバイスを自律的に制御するための基礎エージェントとして設計された、ChatGLMファミリーの新しいシリーズであるAutoGLMを紹介する。 実世界のGUIインタラクションのための実践的基礎エージェントシステムとしてAutoGLMを開発した。 評価では、AutoGLMが複数のドメインにまたがって有効であることを示す。
  論文  参考訳（メタデータ） (2024-10-28T17:05:10Z)
• Hierarchical and Decoupled BEV Perception Learning Framework for Autonomous Driving [52.808273563372126]
  本稿では,基本認識モジュールとユーザフレンドリなグラフィカルインタフェースのライブラリの提供を目的とした,新しい階層的BEV知覚パラダイムを提案する。 我々は,大規模公開データセットと合理化開発プロセスを効果的に活用するために,Pretrain-Finetune戦略を実行している。 また、マルチモジュールラーニング(MML)アプローチを提案し、複数のモデルの相乗的かつ反復的な訓練により性能を向上させる。
  論文  参考訳（メタデータ） (2024-07-17T11:17:20Z)
• MobileExperts: A Dynamic Tool-Enabled Agent Team in Mobile Devices [17.702068044185086]
  本稿では,ツールの定式化とマルチエージェントコラボレーションを初めて導入するMobileExpertsを紹介する。 我々は,専門家同士の協調関係を確立するための二重層計画機構を開発する。 実験の結果,MobileExpertsはすべてのインテリジェンスレベルにおいて優れた性能を示し,推論コストの22%削減を実現している。
  論文  参考訳（メタデータ） (2024-07-04T13:12:19Z)
• WIP: A Unit Testing Framework for Self-Guided Personalized Online Robotics Learning [3.613641107321095]
  本稿では,授業ワークフローに統合しながら,単体テストのためのシステムを構築することに焦点を当てる。 フレームワークのパーソナライズされた学生中心のアプローチに合わせて、この方法は学生がプログラミング作業を簡単に修正し、デバッグできるようにする。 単体テストを含むコースワークフローは、学習環境を強化し、学生が自己指導型でロボットをプログラムする方法を学習できるように、よりインタラクティブにする。
  論文  参考訳（メタデータ） (2024-05-18T00:56:46Z)
• An Interactive Human-Machine Learning Interface for Collecting and Learning from Complex Annotations [45.23526921041318]
  我々は,従来のラベルの制約にヒトのアノテータが適応するという期待を緩和するために,監視情報が収集される形で,さらなる柔軟性を実現することを目的としている。 そこで本研究では,データセットのアノテーションとして標準バイナリラベルを補完するために,ヒューマンアノテータによる実例の活用を可能にする,バイナリ分類タスクのためのヒューマンマシン学習インタフェースを提案する。
  論文  参考訳（メタデータ） (2024-03-28T11:57:06Z)
• De-fine: Decomposing and Refining Visual Programs with Auto-Feedback [75.62712247421146]
  De-fineは、複雑なタスクを単純なサブタスクに分解し、オートフィードバックを通じてプログラムを洗練する、トレーニング不要のフレームワークである。 様々な視覚的タスクに対する我々の実験は、De-fineがより堅牢なプログラムを生成することを示している。
  論文  参考訳（メタデータ） (2023-11-21T06:24:09Z)
• A Design and Development of Rubrics System for Android Applications [0.0]
  本アプリケーションは,学生のパフォーマンスを視聴するためのユーザフレンドリーなインターフェースを提供することを目的としている。 我々のアプリケーションは、グレーティングシステムを容易にし、時間とリソースの面での有効性を高めることを約束します。
  論文  参考訳（メタデータ） (2023-09-23T16:14:27Z)
• An Analysis of Programming Course Evaluations Before and After the Introduction of an Autograder [1.329950749508442]
  本稿では,最近自己評価を導入した基礎的コンピュータ科学コースの標準化された大学評価アンケートに対する回答について検討する。 我々は,教師と生徒の交流の改善,コースの質の向上,学習の成功の向上,時間の短縮,難易度の向上など,データに大きな変化をもたらした可能性について仮説を立てた。 オートグレーダ技術は、プログラミングコースにおける生徒の満足度を向上させるための教育方法として検証することができる。
  論文  参考訳（メタデータ） (2021-10-28T14:09:44Z)
• 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)
• Model-Based Visual Planning with Self-Supervised Functional Distances [104.83979811803466]
  モデルに基づく視覚的目標達成のための自己監視手法を提案する。 私たちのアプローチは、オフラインでラベルなしのデータを使って完全に学習します。 このアプローチは,モデルフリーとモデルベース先行手法の両方で大幅に性能が向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T23:59:09Z)

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。