論文の概要: Educational Insights from Code: Mapping Learning Challenges in Object-Oriented Programming through Code-Based Evidence

• arxiv url: http://arxiv.org/abs/2507.17743v1
• Date: Wed, 23 Jul 2025 17:56:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:15.11981
• Title: Educational Insights from Code: Mapping Learning Challenges in Object-Oriented Programming through Code-Based Evidence
• Title（参考訳）: コードからの教育的洞察: コードに基づくエビデンスによるオブジェクト指向プログラミングにおける学習課題のマッピング
• Authors: Andre Menolli, Bruno Strik,
• Abstract要約: オブジェクト指向プログラミングにおいて,コードに関連する問題と特定の学習課題を関連付ける概念マップを開発する。 モデルは、学生コードの分析に応用した専門家によって評価され、教育的文脈におけるその妥当性と適用性を評価する。
• 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: Object-Oriented programming is frequently challenging for undergraduate Computer Science students, particularly in understanding abstract concepts such as encapsulation, inheritance, and polymorphism. Although the literature outlines various methods to identify potential design and coding issues in object-oriented programming through source code analysis, such as code smells and SOLID principles, few studies explore how these code-level issues relate to learning difficulties in Object-Oriented Programming. In this study, we explore the relationship of the code issue indicators with common challenges encountered during the learning of object-oriented programming. Using qualitative analysis, we identified the main categories of learning difficulties and, through a literature review, established connections between these difficulties, code smells, and violations of the SOLID principles. As a result, we developed a conceptual map that links code-related issues to specific learning challenges in Object-Oriented Programming. The model was then evaluated by an expert who applied it in the analysis of the student code to assess its relevance and applicability in educational contexts.
• Abstract（参考訳）: オブジェクト指向プログラミングは、特にカプセル化、継承、多型といった抽象概念を理解する上で、学部生のコンピュータサイエンス学生にとってしばしば困難である。 コード臭いやSOLIDの原則など、ソースコード分析を通じてオブジェクト指向プログラミングにおける潜在的な設計やコーディングの問題を特定するための様々な方法を概説するが、これらのコードレベルの問題はオブジェクト指向プログラミングにおける学習の難しさにどのように関係するかを調査する研究はほとんどない。 本研究では,オブジェクト指向プログラミングの学習において遭遇する共通課題とコードイシュー指標の関係について検討する。 質的分析を用いて,学習難易度の主要なカテゴリを特定し,これらの難易度,コードの臭い,SOLID原則違反の関連性を確立した。 その結果、オブジェクト指向プログラミングにおいて、コードに関連する問題と特定の学習課題を結びつける概念マップを開発した。 モデルは、学生コードの分析に応用した専門家によって評価され、教育的文脈におけるその妥当性と適用性を評価した。

関連論文リスト

• A Survey of Deep Learning for Geometry Problem Solving [72.22844763179786]
  本稿では,幾何学的問題解決におけるディープラーニングの応用について調査する。 i)幾何学的問題解決における関連する課題の包括的概要、(ii)関連するディープラーニング手法の徹底的なレビュー、(iii)評価指標と手法の詳細な分析を含む。 我々の目標は、この分野のさらなる発展を促進するために、幾何学的問題解決のためのディープラーニングの包括的で実践的な参照を提供することである。
  論文  参考訳（メタデータ） (2025-07-16T06:03:08Z)
• Reassessing Code Authorship Attribution in the Era of Language Models [12.590406993068523]
  本研究の目的は,コードサンプルの作成者を特定するためのコーディングスタイルの分析である。 コードオーサシップ・アトリビューション(CAA)は、サイバーセキュリティとソフトウェアにおいて、盗作行為に対処し、検出し、刑事訴追をサポートするために不可欠である。
  論文  参考訳（メタデータ） (2025-06-20T16:19:30Z)
• 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)
• Code to Think, Think to Code: A Survey on Code-Enhanced Reasoning and Reasoning-Driven Code Intelligence in LLMs [53.00384299879513]
  大規模言語モデル(LLM)では、コードと推論が互いに強化される。 コードは検証可能な実行パスを提供し、論理的な分解を強制し、実行時の検証を可能にする。 我々は,このシナジーを強化するために,重要な課題を特定し,今後の研究方向性を提案する。
  論文  参考訳（メタデータ） (2025-02-26T18:55:42Z)
• Teaching Well-Structured Code: A Literature Review of Instructional Approaches [2.389598109913754]
  この体系的な文献レビューは、既存の教育的アプローチ、その目的、およびそれらの効果を測定するために使用される戦略を識別する。 これらの研究は,(1)自動化ツールの開発・評価に焦点をあてた研究,(2)他の教材について議論する研究,(3)コード品質を支援するためのコース設計の全体的アプローチを通じて,カリキュラムにコード構造を統合する方法について議論する研究の3つのカテゴリに分類した。
  論文  参考訳（メタデータ） (2025-02-16T18:51:22Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Knowledge-Aware Code Generation with Large Language Models [34.806454393643236]
  大規模言語モデル(LLM)は、基本的なプログラミング問題においてよく機能する。 しかし、多様なアルゴリズムとデータ構造スキルの使用を含む複雑なタスクを扱う場合、課題に直面する。 我々はPythonプログラミングのコンテスト問題に適した知識ライブラリを開発し,知識認識コード生成の概念を紹介した。
  論文  参考訳（メタデータ） (2024-01-29T08:01:22Z)
• Knowledge Crosswords: Geometric Knowledge Reasoning with Large Language Models [49.23348672822087]
  構造化された事実制約に縛られた不完全な知識ネットワークからなるベンチマークである知識クロスワードを提案する。 幾何学的知識推論の新しい設定は、既存の原子/線形マルチホップQAを超える新しいLM能力を必要とする。 我々は,既存のLLMと知識クロスワードのアプローチを評価するために,広範囲な実験を行っている。
  論文  参考訳（メタデータ） (2023-10-02T15:43:53Z)
• When Do Program-of-Thoughts Work for Reasoning? [51.2699797837818]
  本稿では,コードと推論能力の相関性を測定するために,複雑性に富んだ推論スコア(CIRS)を提案する。 具体的には、抽象構文木を用いて構造情報をエンコードし、論理的複雑性を計算する。 コードはhttps://github.com/zjunlp/EasyInstructのEasyInstructフレームワークに統合される。
  論文  参考訳（メタデータ） (2023-08-29T17:22:39Z)
• Heterogeneous Representation Learning: A Review [66.12816399765296]
  不均一表現学習(HRL)には、いくつかの独特な課題がある。 異種入力を用いて既存の学習環境をモデル化可能な統合学習フレームワークを提案する。 HRLでは触れられていない課題と今後の研究方向性を強調します。
  論文  参考訳（メタデータ） (2020-04-28T05:12:31Z)
• A Review on Intelligent Object Perception Methods Combining Knowledge-based Reasoning and Machine Learning [60.335974351919816]
  物体知覚はコンピュータビジョンの基本的なサブフィールドである。 最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
  論文  参考訳（メタデータ） (2019-12-26T13:26:49Z)

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。