論文の概要: Plan More, Debug Less: Applying Metacognitive Theory to AI-Assisted Programming Education

• arxiv url: http://arxiv.org/abs/2509.03171v1
• Date: Wed, 03 Sep 2025 09:38:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 21:40:46.478612
• Title: Plan More, Debug Less: Applying Metacognitive Theory to AI-Assisted Programming Education
• Title（参考訳）: AI支援プログラミング教育にメタ認知理論を適用する
• Authors: Tung Phung, Heeryung Choi, Mengyan Wu, Adish Singla, Christopher Brooks,
• Abstract要約: 本研究では,メタ認知理論がAI支援プログラミング教育にもたらす可能性について検討する。 ヒントシステムは、計画、監視、評価のメタ認知フェーズを中心に設計されている。 学生はプランニングヒントを最も高く認識し、関与するが、最適化ヒントが要求されることは滅多にない。
• 参考スコア（独自算出の注目度）: 16.757426904379212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing adoption of generative AI in education highlights the need to integrate established pedagogical principles into AI-assisted learning environments. This study investigates the potential of metacognitive theory to inform AI-assisted programming education through a hint system designed around the metacognitive phases of planning, monitoring, and evaluation. Upon request, the system can provide three types of AI-generated hints--planning, debugging, and optimization--to guide students at different stages of problem-solving. Through a study with 102 students in an introductory data science programming course, we find that students perceive and engage with planning hints most highly, whereas optimization hints are rarely requested. We observe a consistent association between requesting planning hints and achieving higher grades across question difficulty and student competency. However, when facing harder tasks, students seek additional debugging but not more planning support. These insights contribute to the growing field of AI-assisted programming education by providing empirical evidence on the importance of pedagogical principles in AI-assisted learning.
• Abstract（参考訳）: 教育における生成AIの採用の増加は、確立された教育原則をAI支援学習環境に統合する必要性を強調している。 本研究では,計画,監視,評価のメタ認知フェーズを中心に設計されたヒントシステムを用いて,AI支援プログラミング教育にメタ認知理論がもたらす可能性について検討する。 要求に応じて、システムは3種類のAI生成ヒント – 計画、デバッグ、最適化 – を提供することができる。 データサイエンスプログラミングの入門コースで102人の学生を対象に行った研究により、学生は最も高い評価を受け、計画ヒントに取り組み、最適化ヒントが要求されることは滅多にないことがわかった。 我々は,要求された計画ヒントと質問難易度と学生能力との一貫性のある関係を観察する。 しかし、難しいタスクに直面している場合、学生は追加のデバッグを求めるが、それ以上の計画サポートは求めない。 これらの洞察は、AI支援学習における教育原則の重要性に関する実証的な証拠を提供することによって、AI支援プログラミング教育の分野の成長に寄与する。

関連論文リスト

• Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
  音の誘惑的推論は、一般知能の必然的に望ましい側面である。 もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。 彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-30T14:37:50Z)
• New Kid in the Classroom: Exploring Student Perceptions of AI Coding Assistants [0.0]
  教育環境におけるAIコーディングアシスタントの登場は、パラダイムシフトを示している。 本研究は,初級プログラミングコースにおける初心者プログラマの経験をいかに形成しているかを考察する。
  論文  参考訳（メタデータ） (2025-06-26T05:59:23Z)
• Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback [1.9841192743072902]
  プログラミング教育のための既存のAIツールは、ソクラティックガイダンスの欠如など、重要な課題に直面している。 本研究では,1170名の登録参加者を対象に,プラットフォームログ,エンゲージメント傾向,問題解決行動を分析し,Sakhm AIの効果を評価する。
  論文  参考訳（メタデータ） (2025-03-16T12:13:29Z)
• Teaching Requirements Engineering for AI: A Goal-Oriented Approach in Software Engineering Courses [4.273966905160028]
  AIベースのシステムに高品質な要件を規定する能力を持つソフトウェアエンジニアを準備することが重要です。 本研究の目的は,Goal-Oriented Requirements Engineering(GORE)の有効性と適用性を評価することである。
  論文  参考訳（メタデータ） (2024-10-26T23:44:01Z)
• AI for non-programmers: Applied AI in the lectures for students without programming skills [0.0]
  この研究は、応用AIのための実践的な計画スクリプトを提示する。 ドキュメント計画スクリプトは、AIアプリケーションパイプラインに基づいて、AIの概念と研究関連トピックをリンクする。 エネルギー管理の修士課程の講義シリーズは、AIを規律固有の講義にシームレスに統合する方法を示している。
  論文  参考訳（メタデータ） (2024-02-06T17:26:24Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [65.17234980710386]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)
• Artificial Intelligence-Enabled Intelligent Assistant for Personalized and Adaptive Learning in Higher Education [0.2812395851874055]
  本稿では,AIIA(Artificial Intelligence-Enabled Intelligent Assistant)という,高等教育におけるパーソナライズおよび適応学習のための新しいフレームワークを提案する。 AIIAシステムは、高度なAIと自然言語処理(NLP)技術を活用して、対話的で魅力的な学習プラットフォームを構築する。
  論文  参考訳（メタデータ） (2023-09-19T19:31:15Z)
• Hierarchical Imitation Learning with Vector Quantized Models [77.67190661002691]
  我々は,専門家の軌跡におけるサブゴールの同定に強化学習を用いることを提案する。 同定されたサブゴールに対するベクトル量子化生成モデルを構築し,サブゴールレベルの計画を行う。 実験では、このアルゴリズムは複雑な長い水平決定問題の解法に優れ、最先端のアルゴリズムよりも優れている。
  論文  参考訳（メタデータ） (2023-01-30T15:04:39Z)
• 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)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。