論文の概要: Denoising Programming Knowledge Tracing with a Code Graph-based Tuning Adaptor

• arxiv url: http://arxiv.org/abs/2506.11107v1
• Date: Sat, 07 Jun 2025 08:15:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.466754
• Title: Denoising Programming Knowledge Tracing with a Code Graph-based Tuning Adaptor
• Title（参考訳）: コードグラフベースのチューニングアダプタによるプログラミング知識の追跡
• Authors: Weibo Gao, Qi Liu, Rui Li, Yuze Zhao, Hao Wang, Linan Yre, Fangzhou Yao, Zheng Zhang,
• Abstract要約: プログラミング知識追跡は、学習者のコーディング活動に基づいたプログラミング知識の習得レベルを動的に診断することを目的としている。 ノイズの影響を識別・緩和し,既存のPKTモデルを強化するためのコードグラフベースのチューニングアダプタであるCodaを提案する。
• 参考スコア（独自算出の注目度）: 13.092625746776948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Programming Knowledge Tracking (PKT) aims to dynamically diagnose learners' mastery levels of programming knowledge based on their coding activities, facilitating more effective and personalized programming education. However, current PKT studies primarily focus on the implicit relationship between code content and knowledge assessment, often overlooking two types of noise signals in long-term programming activities: unwanted signals from unrelated submissions and weak signals from minor modifications. This practical challenge significantly limits model performance and application. To address this issue, we propose Coda, a Code graph-based tuning adaptor designed to enhance existing PKT models by identifying and mitigating the impact of noise. Specifically, Coda first transforms the loose code sequences submitted by each learner into a compact code graph. By leveraging this code graph, unwanted signals can be identified from a semantic similarity perspective. We then apply a cluster-aware GCN to the code graph, which improves the discrimination of weak signals and enables their clustering for identification. Finally, a lightweight yet effective adaptor is incorporated into the PKT task through optimization with two noise feature-based constraints and a navigational regularization term, to correct knowledge states affected by noise. It is worth mentioning that the Coda framework is model-agnostic and can be adapted to most existing PKT solutions. Extensive experimental results on four real-world datasets demonstrate that Coda effectively performs the PKT task in the presence of noisy programming records, outperforming typical baselines.
• Abstract（参考訳）: プログラミング知識追跡(Programming Knowledge Tracking, PKT)は、学習者のプログラミング活動に基づいたプログラミング知識の習得レベルを動的に診断し、より効果的でパーソナライズされたプログラミング教育を促進することを目的としている。 しかし、最近のPKT研究は主にコード内容と知識評価の暗黙の関係に焦点を当てており、しばしば長期プログラミング活動における2種類のノイズ信号を見落としている。 この実践的な課題は、モデルの性能と応用を著しく制限します。 この問題に対処するために,コーダ (Coda) を提案する。コーダ (Coda) は,ノイズの影響を識別・緩和し,既存のPKTモデルを強化するために設計されたコードグラフベースのチューニング適応器である。 具体的には、Codaはまず各学習者が提出したゆるいコードシーケンスをコンパクトなコードグラフに変換する。 このコードグラフを活用することで、意味的な類似性の観点から不要な信号を識別することができる。 次に、クラスタ対応GCNをコードグラフに適用し、弱い信号の識別を改善し、識別のためのクラスタリングを可能にする。 最後に、2つのノイズ特徴量に基づく制約とナビゲーション正規化項を最適化することにより、PKTタスクに軽量で効果的な適応器を組み込んで、ノイズに影響を受ける知識状態を補正する。 Codaフレームワークはモデルに依存しず、既存のほとんどのPKTソリューションに適応できる点に注意が必要だ。 実世界の4つのデータセットに対する大規模な実験結果から、Codaはノイズの多いプログラミング記録の存在下でPKTタスクを効果的に実行し、典型的なベースラインよりも優れていることが示された。

関連論文リスト

• Turbo-Annihilation of Hook Errors in Stabilizer Measurement Circuits [2.6999000177990924]
  安定化器測定回路における相関フック誤りを補正するためのスケーラブルな復号化フレームワークを提案する。 従来の回路レベルの復号法は、拡張タナーグラフを構築することによって断層の正確な位置を推定しようとする。 提案手法では,フック故障によるデータエラーをメモリチャネルとしてモデル化する。
  論文  参考訳（メタデータ） (2025-04-29T22:09:11Z)
• CGP-Tuning: Structure-Aware Soft Prompt Tuning for Code Vulnerability Detection [15.013699967804987]
  本稿では、CGP-Tuningと呼ばれる脆弱性検出のための新しいコードグラフ付き構造対応ソフトプロンプトチューニング手法を提案する。 コードグラフ内のリッチなセマンティック情報をキャプチャするために、革新的な型認識の埋め込みと、新しく効率的なクロスモーダルアライメントモジュールを採用している。 実験の結果, CGP-Tuningは, 平均3.5ポイントの精度で, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2025-01-08T13:56:17Z)
• ERASE: Error-Resilient Representation Learning on Graphs for Label Noise Tolerance [53.73316938815873]
  本稿では, ERASE (Error-Resilient representation learning on graphs for lAbel noiSe tolerancE) という手法を提案する。 ERASEは、プロトタイプの擬似ラベルとプロパゲーションされた識別ラベルを組み合わせて、表現をエラーレジリエンスで更新する。 提案手法は, 広い雑音レベルにおいて, 複数のベースラインをクリアマージンで上回り, 高いスケーラビリティを享受できる。
  論文  参考訳（メタデータ） (2023-12-13T17:59:07Z)
• Check-Agnosia based Post-Processor for Message-Passing Decoding of Quantum LDPC Codes [3.4602940992970908]
  ハードウェアフレンドリーな方向性を持つ新しい後処理アルゴリズムを導入し、最先端技術と競合する誤り訂正性能を提供する。 FPGA基板上では,1マイクロ秒に近いレイテンシ値が得られることを示すとともに,ASIC実装においてより低いレイテンシ値が得られることを示す。
  論文  参考訳（メタデータ） (2023-10-23T14:51:22Z)
• PREM: A Simple Yet Effective Approach for Node-Level Graph Anomaly Detection [65.24854366973794]
  ノードレベルのグラフ異常検出(GAD)は、医学、ソーシャルネットワーク、eコマースなどの分野におけるグラフ構造化データから異常ノードを特定する上で重要な役割を果たす。 本稿では,GADの効率を向上させるために,PREM (preprocessing and Matching) という簡単な手法を提案する。 我々のアプローチは、強力な異常検出機能を維持しながら、GADを合理化し、時間とメモリ消費を削減します。
  論文  参考訳（メタデータ） (2023-10-18T02:59:57Z)
• Feedback Coding for Active Learning [15.239252118069762]
  アクティブなサンプル選択タスクに最適なトランスポートベースのフィードバックコーディングスキームを開発しています。 各種データセット上でAPMを評価し,既存のアクティブラーニング手法に匹敵する学習性能を示す。
  論文  参考訳（メタデータ） (2021-02-28T23:00:34Z)
• A Self-Refinement Strategy for Noise Reduction in Grammatical Error Correction [54.569707226277735]
  既存の文法的誤り訂正(GEC)のアプローチは、手動で作成したGECデータセットによる教師あり学習に依存している。 誤りが不適切に編集されたり、修正されなかったりする「ノイズ」は無視できないほどある。 本稿では,既存のモデルの予測整合性を利用して,これらのデータセットをデノマイズする自己補充手法を提案する。
  論文  参考訳（メタデータ） (2020-10-07T04:45:09Z)

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。