論文の概要: SnapClass: An AI-Enhanced Classroom Management System for Block-Based Programming

• arxiv url: http://arxiv.org/abs/2512.15825v1
• Date: Wed, 17 Dec 2025 16:25:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.751914
• Title: SnapClass: An AI-Enhanced Classroom Management System for Block-Based Programming
• Title（参考訳）: SnapClass: ブロックベースのプログラミングのためのAI強化クラスルーム管理システム
• Authors: Bahare Riahi, Xiaoyi Tian, Ally Limke, Viktoriia Storozhevykh, Veronica Catete, Tiffany Barnes, Nicholas Lytle, Khushbu Singh,
• Abstract要約: SnapClassは、Snap!プログラミング環境に統合された教室管理システムである。 教育者は、生徒のスキルレベルに基づいて、ブロックベースのコーディング課題を作成し、カスタマイズすることができる。 また、学生のエンゲージメントやアイドルタイムのモニタリングもサポートしており、支援ダッシュボードには利き手機能があり、リアルタイムで生徒を支援することができる。
• 参考スコア（独自算出の注目度）: 5.830990309033496
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Block-Based Programming (BBP) platforms, such as Snap!, have become increasingly prominent in K-12 computer science education due to their ability to simplify programming concepts and foster computational thinking from an early age. While these platforms engage students through visual and gamified interfaces, teachers often face challenges in using them effectively and finding all the necessary features for classroom management. To address these challenges, we introduce SnapClass, a classroom management system integrated within the Snap! programming environment. SnapClass was iteratively developed drawing on established research about the pedagogical and logistical challenges teachers encounter in computing classrooms. Specifically, SnapClass allows educators to create and customize block-based coding assignments based on student skill levels, implement rubric-based auto-grading, and access student code history and recovery features. It also supports monitoring student engagement and idle time, and includes a help dashboard with a raise hand feature to assist students in real time. This paper describes the design and key features of SnapClass those are developed and those are under progress.
• Abstract（参考訳）: Snap!のようなブロックベースプログラミング(BBP)プラットフォームは、プログラミングの概念を単純化し、幼少時から計算思考を育む能力によって、K-12コンピュータサイエンス教育においてますます顕著になっている。 これらのプラットフォームは、視覚的でゲーミフィケーションされたインターフェースを通じて学生を巻き込むが、教師は、効果的に利用し、教室管理に必要なすべての機能を見つけることの難しさに直面することが多い。 これらの課題に対処するために,Snap!プログラミング環境に組み込まれた教室管理システムであるSnapClassを紹介した。 SnapClassは、教師がコンピュータ教室で遭遇する教育的および論理的課題に関する確立した研究に基づいて、反復的に開発された。 具体的には、SnapClassは、生徒のスキルレベルに基づいたブロックベースのコーディング課題の作成とカスタマイズ、ルーブリックベースのオートグレーディングの実装、学生のコード履歴とリカバリ機能へのアクセスを可能にする。 また、学生のエンゲージメントやアイドルタイムのモニタリングもサポートしており、支援ダッシュボードには利き手機能があり、リアルタイムで生徒を支援することができる。 本稿では,SnapClassの設計と重要な特徴について述べる。

関連論文リスト

• An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education [4.976713294177978]
  本稿では、RockStartITイニシアチブ内のデジタルプログラミングおよび計算思考コース用に開発されたAIアシスタントであるRockStartIT Tutorの設計とパイロット評価について述べる。 GPT-4をOpenAIのAssistant API経由で提供するこのチューターは、新しいプロンプト戦略と、コンテキスト認識、パーソナライズ、カリキュラムに制約されたサポートを中学生に提供するために、モジュール化されたセマンティックタグ付きナレッジベースを採用している。
  論文  参考訳（メタデータ） (2025-12-08T12:54:37Z)
• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• Multimodal Programming in Computer Science with Interactive Assistance Powered by Large Language Model [0.0]
  DeepSeek R1をベースとした対話型宿題支援システムを開発した。 生徒の仕事はパーソナライズされたプロンプトで包み、すぐに答えを出すことなく教育目的を前進させる。
  論文  参考訳（メタデータ） (2025-03-09T10:48:47Z)
• An Innovative Solution: AI-Based Digital Screen-Integrated Tables for Educational Settings [0.0]
  デジタル画面統合テーブルは、特に教育的な設定のために設計されている。 中央処理ユニット(CPU)で制御される統合デジタルスクリーンを備えたテーブル 本発明は、教室活動及び評価中の学生成績データの収集を容易にする。
  論文  参考訳（メタデータ） (2024-10-08T08:00:17Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• Automated Distractor and Feedback Generation for Math Multiple-choice Questions via In-context Learning [43.83422798569986]
  マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。 これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。 本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-08-07T01:03:04Z)
• Predicting Stress in Remote Learning via Advanced Deep Learning Technologies [0.0]
  新型コロナウイルス(COVID-19)は、ZoomやGoogle Meetといったオンラインミーティングソフトウェアを通じて、ほとんどの学校をリモート学習に駆り立ててきた。 本研究は、リアルタイムの学生精神状態モニタリングと分類を提供する機械学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-22T23:24:37Z)
• Point Adversarial Self Mining: A Simple Method for Facial Expression Recognition [79.75964372862279]
  本稿では,表情認識における認識精度を向上させるために,PASM(Point Adversarial Self Mining)を提案する。 PASMは、目標タスクに関連する最も情報性の高い位置を見つけるために、ポイント敵攻撃法と訓練された教師ネットワークを使用する。 適応学習教材の生成と教師/学生の更新を複数回行うことができ、ネットワーク能力が反復的に向上する。
  論文  参考訳（メタデータ） (2020-08-26T06:39:24Z)
• Siamese Neural Networks for Class Activity Detection [49.320548570516124]
  授業記録から教師や生徒の発話を自動的に識別する,Siameseニューラルフレームワークを構築した。 提案モデルは実世界の教育データセットに基づいて評価される。
  論文  参考訳（メタデータ） (2020-05-15T14:03:35Z)

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。