論文の概要: PasteTrace: A Single Source Plagiarism Detection Tool For Introductory Programming Courses

• arxiv url: http://arxiv.org/abs/2506.17355v1
• Date: Fri, 20 Jun 2025 04:21:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.377088
• Title: PasteTrace: A Single Source Plagiarism Detection Tool For Introductory Programming Courses
• Title（参考訳）: PasteTrace: 入門プログラミングコースのための単一ソースプラジャリズム検出ツール
• Authors: Jesse McDonald, Scott Robertson, Anthony Peruma,
• Abstract要約: PasteTraceは、導入プログラミングコースに特化して設計された、オープンソースのプラジャリズム検出ツールである。 従来の方法とは異なり、PasteTraceは統合開発環境内で運用されており、学生のコーディング活動をリアルタイムで追跡し、盗作の証拠を提供する。
• 参考スコア（独自算出の注目度）: 4.385741575933952
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Introductory Computer Science classes are important for laying the foundation for advanced programming courses. However, students without prior programming experience may find these courses challenging, leading to difficulties in understanding concepts and engaging in academic dishonesty such as plagiarism. While there exists plagiarism detection techniques and tools, not all of them are suitable for academic settings, especially in introductory programming courses. This paper introduces PasteTrace, a novel open-source plagiarism detection tool designed specifically for introductory programming courses. Unlike traditional methods, PasteTrace operates within an Integrated Development Environment that tracks the student's coding activities in real-time for evidence of plagiarism. Our evaluation of PasteTrace in two introductory programming courses demonstrates the tool's ability to provide insights into student behavior and detect various forms of plagiarism, outperforming an existing well-established tool. A video demonstration of PasteTrace and its source code, and case study data are made available at https://doi.org/10.6084/m9.figshare.27115852
• Abstract（参考訳）: 先進的なプログラミングコースの基盤を構築するためには,コンピュータサイエンスの入門授業が重要である。 しかし、事前のプログラミング経験を持たない学生は、これらのコースが困難であることに気付き、概念の理解が困難になり、盗作のような学業上の不便さに陥る。 盗作検出技術や道具は存在するが、これら全てが学術的設定、特に入門プログラミングコースに適しているわけではない。 本稿では,導入プログラミングコースに特化して設計されたオープンソースのプラジャリズム検出ツールであるPasteTraceを紹介する。 従来の方法とは異なり、PasteTraceは統合開発環境内で運用されており、学生のコーディング活動をリアルタイムで追跡し、盗作の証拠を提供する。 2つの入門プログラミングコースにおけるPasteTraceの評価は、生徒の行動に対する洞察を提供し、様々な形態の盗作を検知し、既存の確立されたツールよりも優れていることを示す。 PasteTraceとそのソースコードのビデオデモとケーススタディデータはhttps://doi.org/10.6084/m9.figshare.27115852で公開されている。

関連論文リスト

• The Failure of Plagiarism Detection in Competitive Programming [0.0]
  プログラミングコースにおけるプラジャリズムは依然として永続的な課題である。 本稿では,従来のコードプラジャリズム検出手法が競合プログラミングの文脈で頻繁に失敗する理由について考察する。 広く使われている自動類似性チェッカーは、単純なコード変換や、新しいAI生成コードによって妨げられる。
  論文  参考訳（メタデータ） (2025-05-13T05:43:49Z)
• Discovering and exploring cases of educational source code plagiarism with Dolos [0.0]
  Dolosは、教育ソースコードの盗作行為を検出し予防するためのツールのエコシステムである。 教育者は、ブラウザで新しいWebアプリから、プラジャリズムパイプライン全体を実行できる。 新しいダッシュボードは、ソースファイルのコレクションが盗作の疑いのあるケースを含んでいるかどうかを即座に評価する。
  論文  参考訳（メタデータ） (2024-02-16T17:47:11Z)
• CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
  セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。 汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。 特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T20:39:08Z)
• A systematic literature review of capstone courses in software engineering [0.3536605202672354]
  キャップストーンプロジェクトは、学生にハンズオン体験を提供し、ソフトスキルを教える一般的な方法である。 本稿では,本論文で紹介されるソフトウェア工学のカプストーンコースの特徴について考察する。
  論文  参考訳（メタデータ） (2023-01-09T18:04:35Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• Neural Language Models are Effective Plagiarists [38.85940137464184]
  我々は, GPT-J を用いた学生が MOSS からの疑念を起こさずに,導入レベルのプログラミング課題を完遂できることを見出した。 GPT-Jは問題に関するトレーニングを受けておらず、その例は提供されていない。 我々は、GPT-Jで書かれたコードは構造的に多様であり、将来の盗作検出技術がアルゴリズムによって生成されたコードを特定するために使われる可能性があることを特に示していないと結論付けた。
  論文  参考訳（メタデータ） (2022-01-19T04:00:46Z)
• Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
  この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。 コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
  論文  参考訳（メタデータ） (2021-09-07T21:24:36Z)
• 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)
• Crop-Transform-Paste: Self-Supervised Learning for Visual Tracking [137.26381337333552]
  本研究では,十分なトレーニングデータを合成できるCrop-Transform-Paste演算を開発した。 オブジェクトの状態はすべての合成データで知られているので、既存のディープトラッカーは人間のアノテーションなしで日常的に訓練することができる。
  論文  参考訳（メタデータ） (2021-06-21T07:40:34Z)
• Improving Compositionality of Neural Networks by Decoding Representations to Inputs [83.97012077202882]
  我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。 本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
  論文  参考訳（メタデータ） (2021-06-01T20:07:16Z)

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。