論文の概要: Enhancing Engagement and Learning in Computing Education: Automated Moodle-Based Problem-Solving Assessments
- arxiv url: http://arxiv.org/abs/2508.17191v1
- Date: Sun, 24 Aug 2025 02:45:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.394321
- Title: Enhancing Engagement and Learning in Computing Education: Automated Moodle-Based Problem-Solving Assessments
- Title（参考訳）: コンピュータ教育におけるエンゲージメントと学習の促進--Moodleによる問題解決評価の自動化
- Authors: Charith Jayasekara, Carlo Kopp, Vincent Lee, Chetan Arora,
- Abstract要約: 本稿では,自動ムードルベース問題解決評価(PSA)の設計と改善について述べる。
従来の試験の代替として開発されたPSAは、Moodleのクイズエンジンを介して、パラメータ化された現実世界のタスクを通じて問題解決スキルを評価する。
- 参考スコア（独自算出の注目度）: 3.8055817252828947
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the design and refinement of automated Moodle-based Problem-Solving Assessments (PSAs) deployed across large-scale computing units. Developed to replace traditional exams, PSAs assess applied problem-solving skills through parameterised, real-world tasks delivered via Moodle's quiz engine. Integrated with interactive workshops, this approach supports authentic learning, mitigates academic integrity risks, and reduces inconsistencies in marking. Iterative improvements have enhanced scalability, fairness, and alignment with learning outcomes. The model offers a practical and sustainable alternative for modern computing and engineering education.
- Abstract（参考訳）: 本稿では,大規模演算ユニットに分散した自動Moodleベースの問題解決評価(PSA)の設計と改善について述べる。
従来の試験の代替として開発されたPSAは、Moodleのクイズエンジンを介して、パラメータ化された現実世界のタスクを通じて問題解決スキルを評価する。
インタラクティブなワークショップと統合されたこのアプローチは、認証学習をサポートし、学術的整合性リスクを軽減し、マーキングの不整合を低減する。
反復的な改善により、スケーラビリティ、公平性、学習結果との整合性が向上した。
このモデルは、現代のコンピューティングと工学教育に実用的で持続可能な代替手段を提供する。
関連論文リスト
- A Mixed User-Centered Approach to Enable Augmented Intelligence in Intelligent Tutoring Systems: The Case of MathAIde app [1.5547343675151382]
本研究は,コンピュータビジョンとAIを用いた数学演習の修正を行うITSであるMathAIdeの設計,開発,評価に焦点を当てた。
本研究は,すべての設計段階において教師が関与する,教師中心のデザインアプローチを提供することによって,文献に寄与する。
実践的な意味として,ユーザ中心の設計アプローチがAIEDシステムの有用性と導入可能性を高めることを強調する。
論文 参考訳（メタデータ） (2025-07-31T18:56:01Z) - Rethinking Machine Unlearning in Image Generation Models [59.697750585491264]
CatIGMUは、新しい階層的なタスク分類フレームワークである。
EvalIGMUは包括的な評価フレームワークである。
高品質な未学習データセットであるDataIGMを構築した。
論文 参考訳（メタデータ） (2025-06-03T11:25:14Z) - Ratas framework: A comprehensive genai-based approach to rubric-based marking of real-world textual exams [3.4132239125074206]
RATAS(Rubric Automated Tree-based Answer Scoring)は、テキスト応答のルーリックベースのグレーディングに最先端の生成AIモデルを活用する新しいフレームワークである。
RATASは、幅広いグレーディングルーリックをサポートし、主観的評価を可能にし、割り当てられたスコアに対して構造化された説明可能な論理を生成するように設計されている。
論文 参考訳（メタデータ） (2025-05-27T22:17:27Z) - PyEvalAI: AI-assisted evaluation of Jupyter Notebooks for immediate personalized feedback [43.56788158589046]
PyEvalAIは、プライバシを保護するために、ユニットテストとローカルにホストされた言語モデルを組み合わせてJupyterノートをスコアする。
あるケーススタディは、大学レベルの数値科目における演習のフィードバック速度の向上と学習効率の向上に効果を示す。
論文 参考訳（メタデータ） (2025-02-25T18:20:20Z) - Human-Centered Design for AI-based Automatically Generated Assessment Reports: A Systematic Review [4.974197456441281]
本研究は,ユーザ中心・直感的デザインによる教師の認知的要求を減らすことの重要性を強調した。
テキスト、視覚支援、プロットなどの多様な情報提示フォーマットや、ユーザビリティを高めるためのライブやインタラクティブ機能などの高度な機能の可能性を強調します。
このフレームワークは、教師が技術強化された評価結果に取り組み、データ駆動による意思決定を容易にし、教育と学習プロセスを改善するためのパーソナライズされたフィードバックを提供することの課題に対処することを目的としている。
論文 参考訳（メタデータ） (2024-12-30T16:20:07Z) - Self-consistent Validation for Machine Learning Electronic Structure [81.54661501506185]
機械学習と自己整合フィールド法を統合して,検証コストの低減と解釈可能性の両立を実現する。
これにより、積極的学習によるモデルの能力の探索が可能となり、実際の研究への統合への信頼がもたらされる。
論文 参考訳（メタデータ） (2024-02-15T18:41:35Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - Importance Weighted Policy Learning and Adaptation [89.46467771037054]
政治外学習の最近の進歩の上に構築された,概念的にシンプルで,汎用的で,モジュール的な補完的アプローチについて検討する。
このフレームワークは確率論的推論文学のアイデアにインスパイアされ、堅牢な非政治学習と事前の行動を組み合わせる。
提案手法は,メタ強化学習ベースラインと比較して,ホールドアウトタスクにおける競合適応性能を実現し,複雑なスパース・リワードシナリオにスケールすることができる。
論文 参考訳（メタデータ） (2020-09-10T14:16:58Z)
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。