論文の概要: Designing for Self-Regulation in Informal Programming Learning: Insights from a Storytelling-Centric Approach
- arxiv url: http://arxiv.org/abs/2507.22671v1
- Date: Wed, 30 Jul 2025 13:30:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-31 16:14:18.23263
- Title: Designing for Self-Regulation in Informal Programming Learning: Insights from a Storytelling-Centric Approach
- Title(参考訳): インフォーマルプログラミング学習における自己統制のための設計:ストーリーテリング中心的アプローチからの考察
- Authors: Sami Saeed Alghamdi, Christopher Bull, Ahmed Kharrufa,
- Abstract要約: 我々は,Webプラットフォームとブラウザエクステンションで構成されるシステムを開発し,自己統制をオンラインでサポートする。
このデザインは、AIが生成したフィードバックで学習ストーリーに翻訳することで、学習者が定義した構造を非構造化体験に追加することを目的としている。
本研究では,3つの定量的尺度と定性的調査を用いて,システムの自己規制支援に対するユーザの特徴と認識について検討する。
- 参考スコア(独自算出の注目度): 7.71141191415569
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many people learn programming independently from online resources and often report struggles in achieving their personal learning goals. Learners frequently describe their experiences as isolating and frustrating, challenged by abundant uncertainties, information overload, and distraction, compounded by limited guidance. At the same time, social media serves as a personal space where many engage in diverse self-regulation practices, including help-seeking, using external memory aids (e.g., self-notes), self-reflection, emotion regulation, and self-motivation. For instance, learners often mark achievements and set milestones through their posts. In response, we developed a system consisting of a web platform and browser extensions to support self-regulation online. The design aims to add learner-defined structure to otherwise unstructured experiences and bring meaning to curation and reflection activities by translating them into learning stories with AI-generated feedback. We position storytelling as an integrative approach to design that connects resource curation, reflective and sensemaking practice, and narrative practices learners already use across social platforms. We recruited 15 informal programming learners who are regular social media users to engage with the system in a self-paced manner; participation concluded upon submitting a learning story and survey. We used three quantitative scales and a qualitative survey to examine users' characteristics and perceptions of the system's support for their self-regulation. User feedback suggests the system's viability as a self-regulation aid. Learners particularly valued in-situ reflection, automated story feedback, and video annotation, while other features received mixed views. We highlight perceived benefits, friction points, and design opportunities for future AI-augmented self-regulation tools.
- Abstract(参考訳): 多くの人がオンラインリソースから独立してプログラミングを学び、個人的な学習目標を達成するのに苦労していることを報告します。
学習者は自身の経験を、不確実性、情報過負荷、気晴らしに悩まされ、限定的な指導によって複雑化されている、孤立的でフラストレーションである、としばしば説明する。
同時に、ソーシャルメディアは、多くの人がヘルプ検索、外部記憶補助(例えば、自己注記)の使用、自己回帰、感情制御、自己動機付けなど、多様な自己規制の実践を行うパーソナルスペースとして機能する。
例えば、学習者は達成点をマークし、投稿を通じてマイルストーンを設定することが多い。
そこで我々は,Webプラットフォームとブラウザエクステンションで構成されるシステムを開発し,自己統制をオンラインでサポートした。
このデザインは、非構造化体験に学習者が定義した構造を加え、AIが生成したフィードバックで学習ストーリーに翻訳することで、キュレーションとリフレクションのアクティビティに意味を持たせることを目的としている。
我々は、ストーリーテリングを、資源のキュレーション、リフレクティブ、センスメイキングの実践、そして学習者がすでにソーシャルプラットフォームで使用している物語の実践を結びつける、デザインへの統合的なアプローチとして位置付けている。
我々は,一般のソーシャルメディア利用者である15人の非公式なプログラミング学習者を,自給自足方式で採用し,学習談話やアンケートを提出して参加者を締めくくった。
筆者らは3つの定量的尺度と定性的調査を用いて,自己統制支援に対するユーザの特性と認識を調査した。
ユーザからのフィードバックは、自己規制支援としてシステムの生存可能性を示唆している。
学習者は特にin-situリフレクション、自動ストーリーフィードバック、ビデオアノテーションを重要視し、他の機能は様々なビューを受け取りました。
私たちは、将来のAIによる自己規制ツールに対する、認識されたメリット、摩擦点、そして設計の機会を強調します。
関連論文リスト
- Personalised Feedback Framework for Online Education Programmes Using Generative AI [0.0]
本稿では,埋め込みを組み込むことでChatGPTの機能を拡張したフィードバックフレームワークを提案する。
本研究の一環として,オープンエンドおよび複数選択質問に対する有効率90%と100%を達成できる概念解の証明を提案し,開発した。
論文 参考訳(メタデータ) (2024-10-14T22:35:40Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳(メタデータ) (2023-09-15T02:42:03Z) - Self-directed Machine Learning [86.3709575146414]
教育科学において、自己指導型学習は受動的教師指導型学習よりも効果的であることが示されている。
本稿では,自己指向機械学習(SDML)の基本概念を紹介し,SDMLのためのフレームワークを提案する。
提案したSDMLプロセスは,自己タスク選択,自己データ選択,自己モデル選択,自己最適化戦略選択,自己評価基準選択の恩恵を受ける。
論文 参考訳(メタデータ) (2022-01-04T18:32:06Z) - AI Explainability 360: Impact and Design [120.95633114160688]
2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。
本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。
また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
論文 参考訳(メタデータ) (2021-09-24T19:17:09Z) - SalienTrack: providing salient information for semi-automated
self-tracking feedback with model explanations [31.87742708229638]
我々は、いつフィードバックを提供するか、どのように提示するかを定義するセルフトラックフィードバック・サプライアンシ・フレームワークを提案する。
私たちは、ユーザーが追跡された各イベントから学習するかどうかを予測するために、機械学習モデルをトレーニングします。
自己追跡における学習可能性の意義とモデル説明可能性の追加がフィードバック体験を改善するための機会をいかに拡張するかを論じる。
論文 参考訳(メタデータ) (2021-09-21T14:53:47Z) - Deep Discourse Analysis for Generating Personalized Feedback in
Intelligent Tutor Systems [4.716555240531893]
ITS(Intelligent Tutoring System)で、自動化されたパーソナライズされたフィードバックの作成を検討します。
我々のゴールは、学生のより優れた学習目標を達成するために、学生の回答の正しい概念と間違った概念を見極めることである。
論文 参考訳(メタデータ) (2021-03-13T20:33:10Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳(メタデータ) (2021-01-19T12:23:32Z) - Self-PU: Self Boosted and Calibrated Positive-Unlabeled Training [118.10946662410639]
本稿では,PU学習と自己学習をシームレスに統合する,新しい自己学習フレームワークを提案する。
Self-PUは3つの"自己"指向のビルディングブロックを強調している。
本稿では,アルツハイマー病の脳画像の分類という,PU学習の現実的応用について検討する。
論文 参考訳(メタデータ) (2020-06-22T17:53:59Z) - Self-supervised Learning: Generative or Contrastive [16.326494162366973]
自己指導型学習は近年,表現型学習の性能向上に寄与している。
我々は、コンピュータビジョン、自然言語処理、グラフ学習における表現のための新しい自己教師付き学習手法について検討する。
論文 参考訳(メタデータ) (2020-06-15T08:40:03Z) - Active-Learning in the Online Environment [2.0303656145222857]
学生は、インストラクターと学習者で構成されるコミュニティから孤立または切り離されたと感じることに悩まされることがある。
そこで本稿では,ペアやコースのインストラクターが都合よく対話できるように,テレインストラクション(Tele-instruction)というカスタマイズデザインを提案する。
論文 参考訳(メタデータ) (2020-04-02T07:09:19Z)
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。