論文の概要: Logical Modelling in CS Education: Bridging the Natural Language Gap
- arxiv url: http://arxiv.org/abs/2504.21384v1
- Date: Wed, 30 Apr 2025 07:34:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 21:58:30.659198
- Title: Logical Modelling in CS Education: Bridging the Natural Language Gap
- Title（参考訳）: CS教育における論理モデリング : 自然言語ギャップのブリッジ化
- Authors: Tristan Kneisel, Fabian Vehlken, Thomas Zeume,
- Abstract要約: コンピュータサイエンスの学生にとって重要な学習目的は、現実世界のシナリオの記述を形式化する方法を学ぶことである。
本稿では,学生が語彙を選択する教育的課題に対する概念的枠組みを提案する。
我々はイルティス教育システム内で命題語彙と一階語彙を設計するための教育タスクを実装した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An important learning objective for computer science students is to learn how to formalize descriptions of real world scenarios in order to subsequently solve real world challenges using methods and algorithms from formal foundations of computer science. Two key steps when formalizing with logical formalisms are to (a) choose a suitable vocabulary, that is, e.g., which propositional variables or first-order symbols to use, and with which intended meaning, and then to (b) construct actual formal descriptions, i.e. logical formulas over the chosen vocabulary. While (b) is addressed by several educational support systems for formal foundations of computer science, (a) is so far not addressed at all -- likely because it involves specifying the intended meaning of symbols in natural language. We propose a conceptual framework for educational tasks where students choose a vocabulary, including an enriched language for describing solution spaces as well as an NLP-approach for checking student attempts and providing feedback. We implement educational tasks for designing propositional and first-order vocabularies within the Iltis educational system, and report on experiments with data from introductory logic courses for computer science students with > 25.000 data points.
- Abstract（参考訳）: 計算機科学の学生にとって重要な学習目的は、コンピュータ科学の正式な基礎からメソッドとアルゴリズムを用いて現実世界の課題を解決するために、現実世界のシナリオの記述を形式化する方法を学ぶことである。
論理形式主義で形式化する際の2つの重要なステップは
a) 適切な語彙、すなわち、命題変数または使用すべき一階記号、および意図された意味を選択する。
b) 実際に形式的な記述、すなわち選択された語彙に関する論理式を構築すること。
その間
b) コンピュータ科学の形式的基礎のための教育支援システム。
a)は、おそらく自然言語で記号の意図された意味を指定することを含むため、今のところ全く言及されていない。
本稿では,学習者が語彙を選択するための概念的枠組みを提案する。例えば,解空間を記述するための豊富な言語や,学生の試行やフィードバックの提供のためのNLP-approachも提案する。
我々は,Iltis教育システム内で命題と一階語彙を設計するための教育タスクを実装し,25万以上のデータポイントを持つコンピュータサイエンスの学生を対象に,導入論理コースのデータを用いた実験を行った。
関連論文リスト
- From Prompts to Propositions: A Logic-Based Lens on Student-LLM Interactions [9.032718302451501]
Prompt2Constraintsは,学生のプロンプトを論理的制約に翻訳する新しい手法である。
この手法を用いて,203人の生徒による1,872件のプロンプトのデータセットを解析する。
成功し、失敗した試みは、全体として同じ数の制約を使う傾向にあるが、学生が失敗すると、そのプロンプトはより大幅に修正されることが多い。
論文 参考訳（メタデータ） (2025-04-25T20:58:16Z) - LogicLearner: A Tool for the Guided Practice of Propositional Logic Proofs [2.649019945607464]
我々は、ガイド付き論理証明実践のためのWebアプリケーションであるLogicLearnerを開発した。
LogicLearnerは、ステップバイステップで論理証明を試みるインターフェースと、オンザフライでソリューションを生成する自動証明解決器で構成されている。
論文 参考訳（メタデータ） (2025-03-25T02:23:08Z) - LogiDynamics: Unraveling the Dynamics of Logical Inference in Large Language Model Reasoning [49.58786377307728]
本稿では、類似推論のための制御された評価環境を導入することにより、探索的アプローチを採用する。
帰納的,帰納的,帰納的,帰納的な推論パイプラインの比較力学を解析する。
仮説選択や検証,洗練といった高度なパラダイムを考察し,論理的推論のスケールアップの可能性を明らかにする。
論文 参考訳（メタデータ） (2025-02-16T15:54:53Z) - Data2Concept2Text: An Explainable Multilingual Framework for Data Analysis Narration [42.95840730800478]
本稿では,データの集合を解釈し,基礎となる特徴を抽象化し,それを自然言語で記述する,完全な説明可能なシステムを提案する。
このシステムは、2つの重要な段階に依存している: (i)データから出現する特性を識別し、それらを抽象概念に変換する、(ii)これらの概念を自然言語に変換する。
論文 参考訳（メタデータ） (2025-02-13T11:49:48Z) - BoolQuestions: Does Dense Retrieval Understand Boolean Logic in Language? [88.29075896295357]
まず,現在の検索システムが,言語に暗示されるブール論理を理解できるかを検討する。
広範な実験結果から,現在の高密度検索システムはブール論理を十分に理解していないという結論を導いた。
本研究では,研究コミュニティの強力な基盤となるコントラスト的連続学習手法を提案する。
論文 参考訳（メタデータ） (2024-11-19T05:19:53Z) - Exploring Error Types in Formal Languages Among Students of Upper Secondary Education [0.0]
高校生の形式言語における誤りの探索的研究について報告する。
その結果,概念の非機能的理解の事例が示唆された。
これらの発見は、学生がなぜこの話題に苦しむのか、より広い理解の出発点となる。
論文 参考訳（メタデータ） (2024-09-23T14:16:13Z) - Learning Phonotactics from Linguistic Informants [54.086544221761486]
本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。
提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
論文 参考訳（メタデータ） (2024-05-08T00:18:56Z) - Language Models can be Logical Solvers [99.40649402395725]
論理解法の推論過程を直接エミュレートする新しい言語モデルであるLoGiPTを導入する。
LoGiPTは、導出的ソルバの見えない推論過程を明らかにして精錬することから導かれる、新しく構築された命令チューニングデータセットに基づいて微調整される。
論文 参考訳（メタデータ） (2023-11-10T16:23:50Z) - Language Models as Inductive Reasoners [125.99461874008703]
本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。
タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。
我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
論文 参考訳（メタデータ） (2022-12-21T11:12:14Z) - APOLLO: A Simple Approach for Adaptive Pretraining of Language Models
for Logical Reasoning [73.3035118224719]
本稿では,論理的推論能力を改善した適応事前学習型言語モデルAPOLLOを提案する。
APOLLOはReClorで比較可能であり、LogiQAでベースラインを上回ります。
論文 参考訳（メタデータ） (2022-12-19T07:40:02Z) - Logic Tensor Networks [9.004005678155023]
学習と推論をサポートする神経シンボリック形式論と計算モデルであるLogic Networks(LTN)を提示する。
LTNがいくつかのAIタスクの仕様と計算に一様言語を提供することを示す。
論文 参考訳（メタデータ） (2020-12-25T22:30:18Z)
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。