論文の概要: DiverseClaire: Simulating Students to Improve Introductory Programming Course Materials for All CS1 Learners
- arxiv url: http://arxiv.org/abs/2511.14198v1
- Date: Tue, 18 Nov 2025 07:09:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-19 16:23:52.983514
- Title: DiverseClaire: Simulating Students to Improve Introductory Programming Course Materials for All CS1 Learners
- Title（参考訳）: DiverseClaire:学生がCS1学習者のための入門プログラミング教材を改善するためのシミュレーション
- Authors: Wendy Wong, Yuchao Jiang, Yuekang Li,
- Abstract要約: CSプログラムは、認知負荷を悪化させ、学習者が神経学的状態に陥らないよう、一大のフォーマットを採用する。
このことは、認知の多様性を歓迎する学習環境や教材を作成するために、思いやりのある教育とユニバーサルデザイン・フォー・ラーニング(Universal Design For Learning)を求める。
ブルームの分類学とUDLを活用することで、DiverseClaireはUDLに変換された講義スライドを従来の形式と比較した。
- 参考スコア（独自算出の注目度）: 8.950980737469585
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although CS programs are booming, introductory courses like CS1 still adopt a one-size-fits-all formats that can exacerbate cognitive load and discourage learners with autism, ADHD, dyslexia and other neurological conditions. These call for compassionate pedagogies and Universal Design For Learning (UDL) to create learning environments and materials where cognitive diversity is welcomed. To address this, we introduce DiverseClaire a pilot study, which simulates students including neurodiverse profiles using LLMs and diverse personas. By leveraging Bloom's Taxonomy and UDL, DiverseClaire compared UDL-transformed lecture slides with traditional formats. To evaluate DiverseClaire controlled experiments, we used the evaluation metric the average score. The findings revealed that the simulated neurodiverse students struggled with learning due to lecture slides that were in inaccessible formats. These results highlight the need to provide course materials in multiple formats for diverse learner preferences. Data from our pilot study will be made available to assist future CS1 instructors.
- Abstract（参考訳）: CSプログラムはブームとなっているが、CS1のような入門コースは、認知負荷を悪化させ、学習者に対して自閉症、ADHD、失読症などの神経疾患を予防する一大の形式をまだ採用している。
これらは、認知多様性を歓迎する学習環境や教材を作成するために、思いやりのある教育とユニバーサルデザイン・フォー・ラーニング(UDL)を求めるものである。
そこで本研究では,LLMや多様なペルソナを用いて,神経多様性プロファイルを含む学生をシミュレートするパイロットスタディであるDiverseClaireを紹介した。
ブルームの分類学とUDLを活用することで、DiverseClaireはUDLに変換された講義スライドを従来の形式と比較した。
ディバースクレア制御実験の評価には,評価基準を用いて平均スコアを測定した。
その結果, 模擬神経多様性学生は, アクセシブルな形態の講義スライドにより, 学習に苦慮していたことが明らかとなった。
これらの結果は,多様な学習者の好みに合わせて,複数の形式で教材を提供する必要性を浮き彫りにしている。
パイロット研究のデータは、将来のCS1インストラクターを支援するために提供されます。
関連論文リスト
- A Computational Model of Inclusive Pedagogy: From Understanding to Application [1.2058600649065616]
人間の教育は単なる知識伝達を超越し、共適応力学に依存している。
中心性にもかかわらず、共適応型教師-学生相互作用(T-SI)の計算モデルは未開発のままである。
本稿では,人間教育の文脈的洞察をテスト可能なフレームワークに統合する計算的T-SIモデルを提案する。
論文 参考訳（メタデータ） (2025-05-02T12:26:31Z) - When LLMs Learn to be Students: The SOEI Framework for Modeling and Evaluating Virtual Student Agents in Educational Interaction [12.070907646464537]
教室シナリオにおける人格対応型仮想学生エージェント(LVSA)の構築と評価のためのSOEIフレームワークを提案する。
LoRAファインチューニングとエキスパートインフォームドプロンプト設計により,5つのLVSAをBig Five特性に基づいて生成する。
その結果,(1)LLMをベースとした学生エージェントのための教育的,心理的に基盤とした生成パイプライン,(2)行動リアリズムのためのハイブリッドでスケーラブルな評価フレームワーク,(3)LVSAsの教育的有用性に関する実証的な知見が得られた。
論文 参考訳（メタデータ） (2024-10-21T07:18:24Z) - Toward In-Context Teaching: Adapting Examples to Students' Misconceptions [54.82965010592045]
本稿ではAdapTと呼ばれる一連のモデルと評価手法を紹介する。
AToMは、学生の過去の信念を共同で推論し、将来の信念の正しさを最適化する適応教育の新しい確率論的モデルである。
本研究は,適応型学習課題の難しさと,それを解決するための学習適応モデルの可能性を両立させるものである。
論文 参考訳（メタデータ） (2024-05-07T17:05:27Z) - Learning Style Identification Using Semi-Supervised Self-Taught Labeling [0.0]
教育は、パンデミックや戦争、気候変動に関連する自然災害などによる急激な変化や破壊に適応しなければならない。
学習管理システムは教師の生産性と創造性をサポートするが、通常はコース内のすべての学習者に同じコンテンツを提供する。
データマイニング技術を用いて,学生の学習スタイルを検出する半教師付き機械学習手法を提案する。
論文 参考訳（メタデータ） (2024-02-04T11:56:49Z) - When Do Curricula Work in Federated Learning? [56.88941905240137]
カリキュラム学習は非IID性を大幅に軽減する。
クライアント間でデータ配布を多様化すればするほど、学習の恩恵を受けるようになる。
本稿では,クライアントの現実的格差を生かした新しいクライアント選択手法を提案する。
論文 参考訳（メタデータ） (2022-12-24T11:02:35Z) - Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。
まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。
トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
論文 参考訳（メタデータ） (2022-11-24T13:18:27Z) - How trial-to-trial learning shapes mappings in the mental lexicon:
Modelling Lexical Decision with Linear Discriminative Learning [0.4450536872346657]
本研究では,未熟な語彙決定実験において,試行錯誤学習が検出できるかどうかを検討する。
我々は、分布意味論から表現する意味を持つ精神的語彙のモデルである差別的語彙モデル(DLM)を用いた。
我々の研究結果は、語彙的知識が継続的な変化の対象となる可能性を支持する。
論文 参考訳（メタデータ） (2022-07-01T13:49:30Z) - Panoramic Learning with A Standardized Machine Learning Formalism [116.34627789412102]
本稿では,多様なMLアルゴリズムの統一的な理解を提供する学習目的の標準化された方程式を提案する。
また、新しいMLソリューションのメカニック設計のガイダンスも提供し、すべての経験を持つパノラマ学習に向けた有望な手段として機能する。
論文 参考訳（メタデータ） (2021-08-17T17:44:38Z) - Exploring Bayesian Deep Learning for Urgent Instructor Intervention Need
in MOOC Forums [58.221459787471254]
大規模なオープンオンラインコース(MOOC)は、その柔軟性のおかげで、eラーニングの一般的な選択肢となっている。
多くの学習者とその多様な背景から、リアルタイムサポートの提供は課税されている。
MOOCインストラクターの大量の投稿と高い作業負荷により、インストラクターが介入を必要とするすべての学習者を識別できる可能性は低いです。
本稿では,モンテカルロドロップアウトと変分推論という2つの手法を用いて,学習者によるテキスト投稿のベイジアン深層学習を初めて検討する。
論文 参考訳（メタデータ） (2021-04-26T15:12:13Z) - Identifying Learning Rules From Neural Network Observables [26.96375335939315]
学習ルールの異なるクラスは、重み、アクティベーション、即時的な階層的活動変化の集計統計に基づいてのみ分離可能であることを示す。
本研究は, シナプス後活動の電気生理学的記録から得られる活性化パターンが, 学習規則の同定に有効であることを示すものである。
論文 参考訳（メタデータ） (2020-10-22T14:36:54Z) - DiVA: Diverse Visual Feature Aggregation for Deep Metric Learning [83.48587570246231]
視覚的類似性は多くのコンピュータビジョンアプリケーションにおいて重要な役割を果たす。
ディープ・メトリック・ラーニング(DML)は、そのような類似性を学ぶための強力なフレームワークである。
我々は,概念的に異なるデータ関係を対象とする複数の補完学習タスクを提案し,研究する。
我々は、訓練信号を集約する単一モデルを学び、その結果、強力な一般化と最先端のパフォーマンスが得られる。
論文 参考訳（メタデータ） (2020-04-28T12:26:50Z)
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。