論文の概要: Exploring the Role of Automated Feedback in Programming Education: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2602.00089v1
- Date: Fri, 23 Jan 2026 05:20:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-15 15:01:21.691067
- Title: Exploring the Role of Automated Feedback in Programming Education: A Systematic Literature Review
- Title（参考訳）: プログラミング教育における自動フィードバックの役割を探る: 体系的文献レビュー
- Authors: Yeonji Jung, Yunseo Lee, Jiyeong Bae, DoYong Kim, Heungsoo Choi, Minji Kang, Unggi Lee,
- Abstract要約: この体系的な文献レビューは2024年9月に出版された61の実証研究を合成する。
発見によると、ほとんどのシステムは完全に自動化されており、オンラインプラットフォームに組み込まれている。
上位の学習プロセス、対話的コンポーネント、学習機関をサポートするシステムはほとんどない。
- 参考スコア（独自算出の注目度）: 0.08376229126363229
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated feedback systems have become increasingly integral to programming education, where learners engage in iterative cycles of code construction, testing, and refinement. Despite its wider integration in practices and technical advancements into AI, research in this area remains fragmented, lacking synthesis across technological and instructional dimensions. This systematic literature review synthesizes 61 empirical studies published by September 2024, offering a conceptually grounded analysis of automated feedback systems across five dimensions: system architecture, pedagogical function, interaction mechanism, contextual deployment, and evaluation approach. Findings reveal that most systems are fully automated, embedded within online platforms, and primarily focused on error detection and code correctness. While recent developments incorporate adaptive features and large language models to enable more personalized and interactive feedback, few systems offer support for higher-order learning processes, interactive components, or learner agency. Moreover, evaluation practices tend to emphasize short-term performance gains, with limited attention to long-term outcomes or instructional integration. These findings call for a reimagining of automated feedback not as a technical add-on for error correction, but as a pedagogical scaffold that supports deeper, adaptive, and interactive learning.
- Abstract（参考訳）: 自動フィードバックシステムは、学習者がコード構築、テスト、洗練の反復サイクルに従事しているプログラミング教育にますます不可欠なものになっている。
AIの実践と技術的進歩に広く統合されているにもかかわらず、この分野の研究は断片化され、技術的および教育的な側面の合成が欠如している。
この体系的な文献レビューは、2024年9月に出版された61の実証的研究を合成し、システムアーキテクチャ、教育機能、相互作用機構、コンテキスト展開、評価アプローチの5つの側面にわたる自動フィードバックシステムの概念的基盤分析を提供する。
発見によると、ほとんどのシステムは完全に自動化されており、オンラインプラットフォームに埋め込まれており、主にエラー検出とコードの正確性に焦点を当てている。
最近の開発では、よりパーソナライズされた対話的なフィードバックを可能にするために、適応的な機能や大きな言語モデルが組み込まれているが、高次の学習プロセス、対話的コンポーネント、学習機関をサポートするシステムはほとんどない。
さらに、評価実践は短期的なパフォーマンス向上を強調し、長期的な成果や指導的な統合に限定する傾向がある。
これらの発見は、自動フィードバックを、エラー訂正のための技術的アドオンではなく、より深く適応的でインタラクティブな学習を支援する教育的な足場として再定義することを求めている。
関連論文リスト
- Automated Feedback Generation for Undergraduate Mathematics: Development and Evaluation of an AI Teaching Assistant [0.0]
本稿では,自由形式の自然言語入力を処理し,幅広いエッジケースを処理し,提出された証明の技術的正確性についてコメントする。
評価した指標から、生成したフィードバックの質は、人間の専門家が生成したものに匹敵することを示した。
私たちのツールのバージョンは、帝国数学の宿題プラットフォームLambdaにデプロイされます。
論文 参考訳（メタデータ） (2026-01-06T23:02:22Z) - A Survey on Feedback Types in Automated Programming Assessment Systems [3.9845307287664973]
本研究では,APASの異なるフィードバック機構が学生にどのように認識されるか,課題解決を支援する上でどのような効果があるかを検討する。
結果は、学生が単体テストのフィードバックを最も有用なものとして評価する一方で、AIが生成したフィードバックはパフォーマンスを著しく向上させることを示している。
論文 参考訳（メタデータ） (2025-10-21T09:08:22Z) - AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant [6.874351093155318]
VITA(Virtual Teaching Assistants)は、大規模言語モデル(LLM)を搭載したボット(BotCaptain)を組み込んだ適応型分散学習プラットフォームである。
記事では、チャットログをExperience API(xAPI)ステートメントに変換するエンドツーエンドのデータパイプラインについて説明する。
今後の作業は、プラットフォームの適応的なインテリジェンスを洗練し、さまざまな教育環境に適用性を検討する。
論文 参考訳（メタデータ） (2025-09-17T11:27:45Z) - Enhancing tutoring systems by leveraging tailored promptings and domain knowledge with Large Language Models [2.5362697136900563]
ChatGPTやIntelligent Tutoring Systems(ITS)といったAI駆動のツールは、パーソナライゼーションと柔軟性を通じて、学習エクスペリエンスを向上している。
ITSは、個々の学習ニーズに適応し、生徒のパフォーマンス、認知状態、学習パスに基づいてカスタマイズされたフィードバックを提供する。
我々の研究は,大規模言語モデル(LLM)の迅速な工学化にRAG(Retrieval Augmented Generation)を介して,スキルアラインなフィードバックを組み込むことによって,これらのギャップに対処することを目的としている。
論文 参考訳（メタデータ） (2025-05-02T02:30:39Z) - A Survey on (M)LLM-Based GUI Agents [62.57899977018417]
グラフィカルユーザインタフェース (GUI) エージェントは、人間とコンピュータのインタラクションにおいて、トランスフォーメーションパラダイムとして登場した。
大規模言語モデルとマルチモーダル学習の最近の進歩は、デスクトップ、モバイル、Webプラットフォーム全体でGUI自動化に革命をもたらした。
本調査では, 正確な要素位置決定, 効果的な知識検索, 長期計画, 安全に配慮した実行制御など, 重要な技術的課題を明らかにする。
論文 参考訳（メタデータ） (2025-03-27T17:58:31Z) - LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models [50.259006481656094]
本稿では,大規模視覚言語モデルの内部メカニズムの理解を目的とした対話型アプリケーションを提案する。
このインタフェースは, 画像パッチの解釈可能性を高めるために設計されており, 応答の生成に有効である。
本稿では,一般的な大規模マルチモーダルモデルであるLLaVAにおける障害機構の理解に,アプリケーションがどのように役立つかのケーススタディを示す。
論文 参考訳（メタデータ） (2024-04-03T23:57:34Z) - 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) - Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [40.06500618820166]
本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。
本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
論文 参考訳（メタデータ） (2022-09-07T10:09:12Z) - Applying Machine Learning in Self-Adaptive Systems: A Systematic
Literature Review [15.953995937484176]
現在、自己適応システムにおける機械学習の使用に関する体系的な概要はない。
我々は、従来のモニター・アナライズ・プラン・エクユートフィードバックループ(MAPE)に基づく自己適応システムに焦点を当てる。
研究の質問は、自己適応システムにおける機械学習の使用を動機づける問題、自己適応における学習の重要なエンジニアリング側面、オープンな課題に焦点を当てている。
論文 参考訳（メタデータ） (2021-03-06T13:45:59Z)
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。