論文の概要: MazeMate: An LLM-Powered Chatbot to Support Computational Thinking in Gamified Programming Learning

• arxiv url: http://arxiv.org/abs/2511.03727v1
• Date: Wed, 24 Sep 2025 12:25:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.132028
• Title: MazeMate: An LLM-Powered Chatbot to Support Computational Thinking in Gamified Programming Learning
• Title（参考訳）: MazeMate: ゲーミフィケーションプログラミング学習における計算思考を支援するLLMベースのチャットボット
• Authors: Chenyu Hou, Hua Yu, Gaoxia Zhu, John Derek Anas, Jiao Liu, Yew Soon Ong,
• Abstract要約: 計算思考(CT)は基礎的な問題解決技術であり、ゲーミフィケーションプログラミング環境はそれを栽培するための広く採用されているアプローチである。 LLMはオンデマンドのプログラミングサポートを提供するが、現在のアプリケーションはCT開発を促進することは滅多にない。 迷路解法や迷路設計において,CTプロセスに適合した適応的,文脈に敏感な足場を提供するMazeMateを提案する。 学生は,MazeMateを適度に役に立つものと評価し,迷路設計よりも迷路解決に有用と認識された。
• 参考スコア（独自算出の注目度）: 30.339591073778834
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational Thinking (CT) is a foundational problem-solving skill, and gamified programming environments are a widely adopted approach to cultivating it. While large language models (LLMs) provide on-demand programming support, current applications rarely foster CT development. We present MazeMate, an LLM-powered chatbot embedded in a 3D Maze programming game, designed to deliver adaptive, context-sensitive scaffolds aligned with CT processes in maze solving and maze design. We report on the first classroom implementation with 247 undergraduates. Students rated MazeMate as moderately helpful, with higher perceived usefulness for maze solving than for maze design. Thematic analysis confirmed support for CT processes such as decomposition, abstraction, and algorithmic thinking, while also revealing limitations in supporting maze design, including mismatched suggestions and fabricated algorithmic solutions. These findings demonstrate the potential of LLM-based scaffolding to support CT and underscore directions for design refinement to enhance MazeMate usability in authentic classrooms.
• Abstract（参考訳）: 計算思考(CT)は基礎的な問題解決技術であり、ゲーミフィケーションプログラミング環境はそれを栽培するための広く採用されているアプローチである。 大規模言語モデル(LLM)はオンデマンドのプログラミングサポートを提供するが、現在のアプリケーションはCT開発を促進することは滅多にない。 3D Maze プログラミングゲームに組み込まれた LLM ベースのチャットボットである MazeMate について述べる。 本報告では,247人の学部生による最初の授業実践について報告する。 学生は,MazeMateを適度に役に立つものと評価し,迷路設計よりも迷路解決に役立つと認識した。 テーマ分析は、分解、抽象化、アルゴリズム思考などのCTプロセスのサポートを確認し、ミスマッチした提案やアルゴリズムによる解決策を含む迷路設計のサポートの制限を明らかにした。 以上の結果から, 直感的な教室におけるマゼマト使用性を高めるために, CTとアンダースコアの指導を支援するLLMベースの足場の可能性が示唆された。

関連論文リスト

• Knowledge Model Prompting Increases LLM Performance on Planning Tasks [0.0]
  本稿では,タスク・メソッド・知識・フレームワークが大規模言語モデルの推論能力を向上できるかどうかを検討する。 この研究はPlanBenchベンチマークを用いてTMKを評価し、推論と計画能力をテストする。
  論文  参考訳（メタデータ） (2026-02-03T09:47:05Z)
• Enhancing Debugging Skills with AI-Powered Assistance: A Real-Time Tool for Debugging Support [8.607022377771422]
  コードの解析、ブレークポイントの提案、コンテキストヒントの提供によるリアルタイムサポートを提供する。 LLM、プログラムスライシング、税関でRAGを使用すると、LLMコールの最小化と精度の向上によって効率が向上する。
  論文  参考訳（メタデータ） (2026-01-05T19:20:59Z)
• ORIGAMISPACE: Benchmarking Multimodal LLMs in Multi-Step Spatial Reasoning with Mathematical Constraints [42.713620384054146]
  本稿では,多段階空間推論能力の評価を目的とした新しいデータセットとベンチマークであるORIGAMISPACEを紹介する。 パターン予測,多段階空間推論,空間関係予測,終端CPコード生成という4つの評価課題を提案する。
  論文  参考訳（メタデータ） (2025-11-23T13:42:22Z)
• Computational Thinking Reasoning in Large Language Models [69.28428524878885]
  計算思考モデル(CTM)は、計算思考パラダイムを大規模言語モデル(LLM)に組み込んだ新しいフレームワークである。 ライブコード実行は推論プロセスにシームレスに統合され、CTMが計算によって考えることができる。 CTMは、精度、解釈可能性、一般化可能性の観点から、従来の推論モデルとツール拡張ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-03T09:11:15Z)
• The Lazy Student's Dream: ChatGPT Passing an Engineering Course on Its Own [3.2334676138718677]
  本稿では,Large Language Models (LLMs) の制御系コースを成功させる能力について包括的に検討する。 現実的な学生の利用パターンをシミュレートする「最小限の努力」プロトコルの下で,ChatGPTを用いてLCMの性能を評価する。 我々の分析は、制御システム工学における数学的定式化、コーディングの課題、理論的概念を扱う際のAIの強みと限界に関する定量的洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-23T18:47:14Z)
• 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)
• MindStar: Enhancing Math Reasoning in Pre-trained LLMs at Inference Time [51.5039731721706]
  MindStarは、大言語モデルの純粋に推論に基づく探索手法である。 推論タスクを探索問題として定式化し、最適な推論経路を特定するための2つの探索アイデアを提案する。 Llama-2-13BやMistral-7Bのようなオープンソースモデルの推論能力を大幅に向上させ、GPT-3.5やGrok-1に匹敵する性能を実現している。
  論文  参考訳（メタデータ） (2024-05-25T15:07:33Z)
• CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
  大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。 我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。 我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
  論文  参考訳（メタデータ） (2023-05-23T17:51:52Z)
• SatLM: Satisfiability-Aided Language Models Using Declarative Prompting [68.40726892904286]
  本研究では,大規模言語モデル (LLM) の推論能力を向上させるために,新しい満足度支援言語モデリング (SatLM) 手法を提案する。 我々はLLMを用いて命令型プログラムではなく宣言型タスク仕様を生成し、既製の自動定理証明器を利用して最終解を導出する。 我々はSATLMを8つの異なるデータセット上で評価し、命令パラダイムにおいてプログラム支援されたLMよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-16T17:55:51Z)
• OMLT: Optimization & Machine Learning Toolkit [54.58348769621782]
  最適化と機械学習ツールキット(OMLT)は、ニューラルネットワークと勾配ブーストツリーサロゲートモデルを組み込んだオープンソースのソフトウェアパッケージである。 我々は、OMLTを可能とした最適化技術の進歩について論じ、OMLTが代数モデリング言語であるPyomoとシームレスに統合されていることを示す。
  論文  参考訳（メタデータ） (2022-02-04T22:23:45Z)

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。