論文の概要: Teaching Software Testing and Debugging with the Serious Game Sojourner under Sabotage

• arxiv url: http://arxiv.org/abs/2504.19291v1
• Date: Sun, 27 Apr 2025 16:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.218516
• Title: Teaching Software Testing and Debugging with the Serious Game Sojourner under Sabotage
• Title（参考訳）: サボタージュ下のSerious Game Sojournerでソフトウェアテストとデバッグを教える
• Authors: Philipp Straubinger, Tim Greller, Gordon Fraser,
• Abstract要約: ブラウザベースの真剣なゲームは、対話的で物語駆動の課題を通じて学習を強化する。 Sabotageの下でSojournerは、実世界のテストフレームワークであるJUnitでハンズオン体験を提供する。
• 参考スコア（独自算出の注目度）: 9.856068089918555
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Software testing and debugging are often seen as tedious, making them challenging to teach effectively. We present Sojourner under Sabotage, a browser-based serious game that enhances learning through interactive, narrative-driven challenges. Players act as spaceship crew members, using unit tests and debugging techniques to fix sabotaged components. Sojourner under Sabotage provides hands-on experience with the real-world testing framework JUnit, improving student engagement, test coverage, and debugging skills.
• Abstract（参考訳）: ソフトウェアテストとデバッギングは、しばしば退屈なものと見なされ、効果的に教えることが難しい。 Sabotageは対話的で物語駆動の課題を通じて学習を促進するブラウザベースの真剣なゲームだ。 プレイヤーは宇宙船の乗組員として働き、ユニットテストとデバッグ技術を使って妨害された部品を修理する。 Sabotageの下でのSojournerは、実世界のテストフレームワークであるJUnitでハンズオン体験を提供し、学生のエンゲージメント、テストカバレッジ、デバッグスキルを改善している。

関連論文リスト

• Sojourner under Sabotage: A Serious Testing and Debugging Game [9.856068089918555]
  Sojourner under Sabotageはブラウザベースの真剣なゲームで、教育と没入的なストーリーラインを融合させる。 79人の学生による研究は、ゲームがモチベーション、エンゲージメント、スキル開発を促進する強力なツールであることを実証している。
  論文  参考訳（メタデータ） (2025-04-27T16:05:10Z)
• Engaging Developers in Exploratory Unit Testing through Gamification [11.077232808482128]
  我々は、Gamekinsシステムによって生成される課題とクエストを示し、テストをより魅力的でシームレスに、通常のコーディングタスクとブレンドできるようにします。 60分間の実験では、Gamekinsがテストスイートの品質とバグ検出に与える影響を評価した。 その結果、参加者は積極的にツールと対話し、90%近いラインカバレッジを達成し、14のバグのうち11が検出された。
  論文  参考訳（メタデータ） (2024-08-09T08:00:41Z)
• PlayTest: A Gamified Test Generator for Games [11.077232808482128]
  Playtestは、タイリングテストプロセスを目的のある競争ゲームに変換する。 プレイテストフェーズでは,プレイテストの段階において,プレイヤーがツールを介して各ゲームにアクセスできるようにすることで,ゲームテストのタスクをクラウドソーシングするために,Playtestを使用することを想定する。
  論文  参考訳（メタデータ） (2023-10-30T10:14:27Z)
• Unit Testing Challenges with Automated Marking [4.56877715768796]
  我々は,EdStemプラットフォームによる学習ツールとして,自動マーキングによるオンライン単体テストの課題を紹介した。 92名の参加者から,我々の単体テストの課題は,学生の参加とモチベーションを高めていることが示された。 これらの結果から,自動マーキングによるオンライン単体テストの課題が学生の学習体験全体を改善することが示唆された。
  論文  参考訳（メタデータ） (2023-10-10T04:52:44Z)
• Technical Challenges of Deploying Reinforcement Learning Agents for Game Testing in AAA Games [58.720142291102135]
  本稿では,既存の自動ゲームテストソリューションに,スクリプト型ボットをベースとして,実験的な強化学習システムを追加する取り組みについて述べる。 ゲーム制作において強化学習を活用するためのユースケースを示し、ゲームのために同じ旅をしたいと思う人なら誰でも遭遇する最大の時間をカバーしています。 我々は、機械学習、特にゲーム生産において効果的なツールである強化学習を作るのに価値があり、必要であると考えるいくつかの研究指針を提案する。
  論文  参考訳（メタデータ） (2023-07-19T18:19:23Z)
• DIAMBRA Arena: a New Reinforcement Learning Platform for Research and Experimentation [91.3755431537592]
  本研究は、強化学習研究と実験のための新しいプラットフォームであるDIAMBRA Arenaを提示する。 高品質な環境のコレクションが,OpenAI Gym標準に完全に準拠したPython APIを公開している。 これらは、離散的なアクションと観測を生のピクセルと追加の数値で構成したエピソディックなタスクである。
  論文  参考訳（メタデータ） (2022-10-19T14:39:10Z)
• Towards Informed Design and Validation Assistance in Computer Games Using Imitation Learning [65.12226891589592]
  本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。 本手法は,データ駆動型模倣学習技術を活用し,時間と労力をほとんど必要とせず,機械学習やプログラミングの知識も必要としない。
  論文  参考訳（メタデータ） (2022-08-15T11:08:44Z)
• Perceiving the World: Question-guided Reinforcement Learning for Text-based Games [64.11746320061965]
  本稿では,環境に関する質問に答えることで,タスクやプーンアクションを自動的に分解する世界認識モジュールを提案する。 次に、強化学習から言語学習を分離する2段階学習フレームワークを提案し、サンプル効率をさらに向上させる。
  論文  参考訳（メタデータ） (2022-03-20T04:23:57Z)
• SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video Games Using Risk Based Testing and Machine Learning [62.997667081978825]
  従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。 自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。 この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
  論文  参考訳（メタデータ） (2022-03-10T00:47:46Z)
• Augmenting Automated Game Testing with Deep Reinforcement Learning [0.4129225533930966]
  一般的なゲームテストは、人間プレイテスターの使用、テストスクリプティングのプレイ、関連するテストデータを生成するための関心領域の事前知識に依存している。 深層強化学習(DRL)を用いたゲームテストフレームワークに自己学習メカニズムを導入する。 DRLは、テストカバレッジの向上、エクスプロイトの発見、マップの難しさ、ファーストパーソンシューティングゲーム(FPS)のテストで発生する一般的な問題の検出に使用できる。
  論文  参考訳（メタデータ） (2021-03-29T11:55:15Z)
• Combining Self-Training and Self-Supervised Learning for Unsupervised Disfluency Detection [80.68446022994492]
  本研究では,未ラベルテキストコーパスを扱える教師なし学習パラダイムについて検討する。 我々のモデルは、自己学習の考え方を拡張する半教師あり学習アプローチである、雑音学習(Noisy Student Training)に関する最近の研究に基づいている。
  論文  参考訳（メタデータ） (2020-10-29T05:29:26Z)

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。