論文の概要: Reducing Procrastination on Programming Assignments via Optional Early Feedback
- arxiv url: http://arxiv.org/abs/2510.16052v1
- Date: Thu, 16 Oct 2025 19:22:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:38.809595
- Title: Reducing Procrastination on Programming Assignments via Optional Early Feedback
- Title（参考訳）: 任意早期フィードバックによるプログラミング割り当ての確率の低減
- Authors: Alice Gao, Victoria Sakhnini,
- Abstract要約: 我々は、プログラミングの課題に関する学術的先制と戦うための介入を設計した。
介入は初期期限で構成されていたが、学生が早期に仕事を提出すれば、追加の自動フィードバックが提供された。
実験の結果,初等部は初等部生の成績が向上しなかったが,初等部生は初等部生の成績が向上し,初等部生の成績が向上した。
- 参考スコア（独自算出の注目度）: 1.1458853556386799
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Academic procrastination is prevalent among undergraduate computer science students. Many studies have linked procrastination to poor academic performance and well-being. Procrastination is especially detrimental for advanced students when facing large, complex programming assignments in upper-year courses. We designed an intervention to combat academic procrastination on such programming assignments. The intervention consisted of early deadlines that were not worth marks but provided additional automated feedback if students submitted their work early. We evaluated the intervention by comparing the behaviour and performance of students between a control group and an intervention group. Our results showed that the intervention encouraged significantly more students to start the assignments early. Although there was no significant difference in students' grades between the control and intervention groups, students within the intervention group who used the intervention achieved significantly higher grades than those who did not. Our results implied that starting early alone did not improve students' grades. However, starting early and receiving additional feedback enhanced the students' grades relative to those of the rest of the students. We also conducted semi-structured interviews to gain an understanding of students' perceptions of the intervention. The interviews revealed that students benefited from the intervention in numerous ways, including improved academic performance, mental health, and development of soft skills. Students adopted the intervention to get more feedback, satisfy their curiosity, or use their available time. The main reasons for not adopting the intervention include having other competing deadlines, the intervention not being worth any marks, and feeling confident about their work.
- Abstract（参考訳）: アカデミック・プロクラステネーションは、学部のコンピュータサイエンスの学生の間で一般的である。
多くの研究は、学業成績の低さと幸福感にプロクラステネーションを結び付けている。
プロクラシネーションは、特に高等教育課程で大規模で複雑なプログラミング課題に直面している上級学生にとって有害である。
我々は、このようなプログラムの課題について、学術的先入観と戦うための介入を設計した。
介入は初期期限で構成されていたが、学生が早期に仕事を提出すれば、追加の自動フィードバックが提供された。
指導群と介入群とで,学生の行動とパフォーマンスを比較して介入評価を行った。
以上の結果から,介入は学生の早期導入を促すことが示唆された。
対照群と介入群に有意な差はなかったが,介入群内の介入群は介入群よりも有意に高い成績を示した。
結果から,初等中等教育は学生の成績を上達させなかったことが示唆された。
しかし,早期から追加のフィードバックが得られたことにより,学生の成績は他の生徒と比較して高まった。
また,学生の介入に対する理解を深めるため,半構造化面接を行った。
インタビューの結果、学生は、学業成績の改善、メンタルヘルス、ソフトスキルの発達など、様々な方法による介入の恩恵を受けていることが明らかとなった。
学生はこの介入を採用して、より多くのフィードバックを得たり、好奇心を満足させたり、利用可能な時間を使ったりした。
介入を適用しない主な理由は、他の競合する期限を設けること、介入に価値がないこと、そして彼らの仕事に自信を感じることである。
関連論文リスト
- Improving Engagement and Efficacy of mHealth Micro-Interventions for Stress Coping: an In-The-Wild Study [4.704094564944504]
パーソナライズされたコンテキスト認識介入選択アルゴリズムは、mHealth介入のエンゲージメントと有効性を改善する。
短時間でも1分間の介入は、知覚されるストレスレベルを著しく減少させる。
本研究は,個人化された文脈認識介入選択アルゴリズムを導入することで文献に寄与する。
論文 参考訳（メタデータ） (2024-07-16T11:22:22Z) - Using Assignment Incentives to Reduce Student Procrastination and
Encourage Code Review Interactions [2.1684358357001465]
この研究は、学生に期限の何日も前に課題を完了するよう促すインセンティブシステムを示す。
完成した課題は、正しさとフィードバックを提供するためにスタッフによってコードレビューされ、結果としてより多くの学生と教師の相互作用がもたらされる。
インセンティブによって学生の行動が変化し、45%の割り当てが早期に完了し、期限の4日前まで30%が完了した。
論文 参考訳（メタデータ） (2023-11-25T22:17:40Z) - Does Starting Deep Learning Homework Earlier Improve Grades? [63.20583929886827]
宿題を早く始め、より多くの時間を費やしている学生は、宿題の成績が良くなるはずだ。
既存の文献が宿題に費やした時間の影響は明確ではなく、主にK-12教育から来ている。
我々は,学生の成功に対する影響を原則的に結論付けるために,階層的ベイズモデルを構築した。
論文 参考訳（メタデータ） (2023-09-30T09:34:30Z) - Improving Students With Rubric-Based Self-Assessment and Oral Feedback [2.808134646037882]
ルーブリックと口頭フィードバックは、学生のパフォーマンス向上と学習結果の達成を支援するアプローチである。
本稿では,ルーブリックと口頭フィードバックが学生の学習成績に及ぼす影響について検討する。
論文 参考訳（メタデータ） (2023-07-24T14:48:28Z) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳（メタデータ） (2022-12-13T12:14:09Z) - Plagiarism deterrence for introductory programming [11.612194979331179]
クラス全体の統計的特徴は直感的な新しいp値によって学生と明確に共有することができる。
圧縮に基づく類似度検出アルゴリズムは、代入間の関係をより正確に捉える。
無バイアスのスコアリングシステムは、学生とインストラクターが真の努力の独立を理解するのを助ける。
論文 参考訳（メタデータ） (2022-06-06T18:47:25Z) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳（メタデータ） (2022-03-10T20:23:38Z) - Explainable Student Performance Prediction With Personalized Attention
for Explaining Why A Student Fails [0.5607676459156788]
パーソナライズド・アテンション(ESPA)を用いた新しい説明可能な学生パフォーマンス予測手法を提案する。
BiLSTMアーキテクチャは、特定のパターンで経路内の意味情報を抽出する。
ESPAは、学生のパフォーマンス予測のための他の最先端モデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2021-10-15T08:45:43Z) - The Challenges of Assessing and Evaluating the Students at Distance [77.34726150561087]
新型コロナウイルス(COVID-19)の感染拡大が高等教育機関に強い影響を及ぼし、教室の授業は中止された。
本論文は、ポルトガルの高等教育機関がもたらす課題を探求し、評価モデルにもたらす課題を分析することを目的としている。
論文 参考訳（メタデータ） (2021-01-30T13:13:45Z) - Social Engagement versus Learning Engagement -- An Exploratory Study of
FutureLearn Learners [61.58283466715385]
大規模なオープンオンラインコース (MOOCs) は増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。
この研究は、MOOCにおける研究の進展とともに、学習者がピアとどのように相互作用するかに特に関係している。
この研究は、社会的構成主義的アプローチを採用し、協調学習を促進するFutureLearnプラットフォーム上で行われた。
論文 参考訳（メタデータ） (2020-08-11T16:09:10Z) - Graduate Employment Prediction with Bias [44.38256197478875]
大学生への就職の失敗は、飲酒や自殺などの深刻な社会的結果を引き起こす可能性がある。
偏見を考慮しつつ,学生の就業状況を予測する枠組み,すなわちMAYAを開発する。
論文 参考訳（メタデータ） (2019-12-27T07:30:28Z)
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。