論文の概要: Auto-grader Feedback Utilization and Its Impacts: An Observational Study Across Five Community Colleges

• arxiv url: http://arxiv.org/abs/2507.14235v1
• Date: Thu, 17 Jul 2025 10:11:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:31.789729
• Title: Auto-grader Feedback Utilization and Its Impacts: An Observational Study Across Five Community Colleges
• Title（参考訳）: 自動グルーパーフィードバックの活用とその影響:5つのコミュニティカレッジにおける観察的研究
• Authors: Adam Zhang, Heather Burte, Jaromir Savelka, Christopher Bogart, Majd Sakr,
• Abstract要約: 初歩的なPythonプログラミングコースにおいて,学生のオートグレーターとのインタラクションを分析する。 フィードバックを頻繁にチェックする学生は、プログラミングの課題全体からより高いスコアを得る傾向があります。 この結果から, 自動段階フィードバックの有効性の実証, 利用率の向上, 自動化時代における今後の成果の継続が求められた。
• 参考スコア（独自算出の注目度）: 1.1650821883155187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated grading systems, or auto-graders, have become ubiquitous in programming education, and the way they generate feedback has become increasingly automated as well. However, there is insufficient evidence regarding auto-grader feedback's effectiveness in improving student learning outcomes, in a way that differentiates students who utilized the feedback and students who did not. In this study, we fill this critical gap. Specifically, we analyze students' interactions with auto-graders in an introductory Python programming course, offered at five community colleges in the United States. Our results show that students checking the feedback more frequently tend to get higher scores from their programming assignments overall. Our results also show that a submission that follows a student checking the feedback tends to receive a higher score than a submission that follows a student ignoring the feedback. Our results provide evidence on auto-grader feedback's effectiveness, encourage their increased utilization, and call for future work to continue their evaluation in this age of automation
• Abstract（参考訳）: プログラミング教育では、自動階調システム(自動階調システム)がユビキタスになり、フィードバックの生成方法も自動化されている。 しかし、学生の学習成果を改善する上での自己学習者フィードバックの有効性に関する証拠は不十分であり、このフィードバックを利用した学生と、そうでない学生を区別する。 本研究では,この限界を埋める。 具体的には、米国の5つのコミュニティカレッジで提供されているPythonプログラミング入門コースにおいて、学生のオートグレーターとのインタラクションを分析する。 以上の結果から,学生がより頻繁にフィードバックをチェックした場合,プログラムの課題全体から高いスコアを得る傾向が示唆された。 また,本研究の結果から,学生がフィードバックをチェックすると,学生がフィードバックを無視している場合よりも高いスコアが与えられる傾向が示唆された。 以上の結果から, 自動段階フィードバックの有効性の実証, 活用の促進, 自動化時代における今後の課題の継続が求められた。

関連論文リスト

• LazyReview A Dataset for Uncovering Lazy Thinking in NLP Peer Reviews [74.87393214734114]
  この研究は、微粒な遅延思考カテゴリで注釈付けされたピアレビュー文のデータセットであるLazyReviewを紹介している。 大規模言語モデル(LLM)は、ゼロショット設定でこれらのインスタンスを検出するのに苦労する。 命令ベースのデータセットの微調整により、パフォーマンスが10～20ポイント向上する。
  論文  参考訳（メタデータ） (2025-04-15T10:07:33Z)
• "My Grade is Wrong!": A Contestable AI Framework for Interactive Feedback in Evaluating Student Essays [6.810086342993699]
  本稿では,対話型フィードバックを自動生成するContestable AI Empowered LLM FrameworkであるCAELFを紹介する。 CAELFは、マルチエージェントシステムと計算的議論を統合することで、学生がフィードバックをクエリし、挑戦し、明確化することができる。 ユーザスタディを用いた500の批判的思考エッセイのケーススタディでは,CAELFが対話的フィードバックを大幅に改善することが示された。
  論文  参考訳（メタデータ） (2024-09-11T17:59:01Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• Enhancing Students' Learning Process Through Self-Generated Tests [0.0]
  本稿では,学生の自律学習の促進を目的とした教育実験について述べる。 本研究の主目的は,評価試験に学生の質問を含めることによって,評価プロセスに学生を参加させることである。 学生がアップロードした質問は、登録された生徒全員と、関連する教師全員に表示される。
  論文  参考訳（メタデータ） (2024-03-21T09:49:33Z)
• Improving the Validity of Automatically Generated Feedback via Reinforcement Learning [46.667783153759636]
  強化学習(RL)を用いた正当性と整合性の両方を最適化するフィードバック生成フレームワークを提案する。 具体的には、直接選好最適化(DPO)によるトレーニングのための拡張データセットにおいて、GPT-4のアノテーションを使用してフィードバックペアよりも好みを生成する。
  論文  参考訳（メタデータ） (2024-03-02T20:25:50Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• 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)
• Feedback and Engagement on an Introductory Programming Module [0.0]
  自動フィードバックを生成するタスクを含むオンライン学習環境を利用した1年目のプログラミングモジュールにおいて,エンゲージメントと達成度について調査を行った。 エンゲージメントと達成度に関する定量的データを収集し、コホートを6つのグループに分割しました。 その後、モジュールの終了後、学生にインタビューを行い、フィードバックが何であるか、どのくらい有用か、その使用方法、エンゲージメントにどう耐えられるか、といった、質的なデータを生成しました。
  論文  参考訳（メタデータ） (2022-01-04T16:53:09Z)
• 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)
• Effects of Human vs. Automatic Feedback on Students' Understanding of AI Concepts and Programming Style [0.0]
  自動階調ツールの使用は、大規模な学部プログラミングコースにおいてほぼどこでも行われている。 コンピュータによるフィードバックと人間によるフィードバックを受け取った場合、生徒の成果を直接比較するデータは比較的不足している。 本稿では,90名の生徒を2つのフィードバックグループに分割し,2つのコホートのパフォーマンスの違いを分析することで,このギャップを解消する。
  論文  参考訳（メタデータ） (2020-11-20T21:40:32Z)

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。