論文の概要: Revisiting the Replication Study Design Used in Computing Education Research

• arxiv url: http://arxiv.org/abs/2603.27461v1
• Date: Sun, 29 Mar 2026 00:52:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.971897
• Title: Revisiting the Replication Study Design Used in Computing Education Research
• Title（参考訳）: コンピュータ教育研究におけるレプリケーション学習設計の再考
• Authors: Rita Garcia, Ellie Lovellette, Xi Wu, Angela Zavaleta Bernuy,
• Abstract要約: 本研究は,コンピュータ教育研究における複製研究の展望が,2019年からどのように発展してきたかを検討することを目的とする。 SLRは2,516件の論文のうち63件の複製研究を同定した。 オープンサイエンスと研究の厳密さに関する議論が高まりつつあるにもかかわらず、CERにおける複製研究の採用はそれほど大きくはなっていない。
• 参考スコア（独自算出の注目度）: 3.0513214438320078
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Replication studies play an important role in Computing Education Research (CER) by supporting the development of consistent and reliable scientific knowledge. However, prior research indicates that the CER community tends to prioritise novel contributions over replication. A 2019 SLR identified only 54 replication studies among 2,269 papers published between 2009 and 2018 across five major CER venues. This study aims to examine how the landscape of replication research in CER has evolved since 2019. Specifically, we investigate whether the prevalence of replication studies has increased and explore current perceptions and experiences of CER researchers regarding replication. We replicated two prior studies. First, we conducted an updated SLR to identify replication studies published between 2019 and 2025 in the same five CER venues. Second, we replicated a survey of Computing Education researchers to better understand their perceptions, experiences, and challenges related to conducting and publishing replication studies. Our SLR identified 63 replication studies among 2,516 published papers. While the proportion of replication studies has increased slightly, overall growth remains limited. We observed a shift toward more published replication studies in journals and an increase in authors replicating their own prior work. Survey results indicate that although many researchers engage in replication within their teaching and research practice, they encounter significant challenges when attempting to publish replication studies. Despite increased discourse around open science and research rigour, the adoption of replication studies in CER has not substantially grown. Our findings offer opportunities for future research to promote replication and to explore how the CER community can encourage researchers to publish replication studies.
• Abstract（参考訳）: レプリケーション研究は、一貫した信頼性のある科学知識の開発を支援することによって、コンピュータ教育研究(CER)において重要な役割を担っている。 しかし、先行研究はCERコミュニティが複製よりも新しい貢献を優先する傾向にあることを示している。 2019年のSLRでは、2009年から2018年にかけて発行された2,269件の論文のうち54件の複製研究しか確認できなかった。 本研究は,CERにおける複製研究の状況が,2019年からどのように発展してきたかを検討することを目的とする。 具体的には、複製研究の頻度が増大しているかどうかを考察し、複製に関するCER研究者の現在の認識と経験を探求する。 私たちは2つの先行研究を再現した。 まず、2019年から2025年にかけて、同じ5つのCER会場で公開された複製研究を特定するために、SLRの更新を行った。 第2に,コンピュータ教育研究者を対象に,複製研究の実施と公開に関する認識,経験,課題をより深く理解するための調査を行った。 SLRは2,516件の論文のうち63件の複製研究を同定した。 複製研究の割合はわずかに増加したが、全体的な成長は限られている。 本稿では,学術誌における複写研究へのシフトと,それ以前の著作を複製する著者の増加を観察した。 調査の結果、多くの研究者が教育や研究の実践において複製に従事しているが、複製研究を公表しようとすると重大な課題に直面していることがわかった。 オープンサイエンスと研究の厳密さに関する議論が高まりつつあるにもかかわらず、CERにおける複製研究の採用はそれほど大きくはなっていない。 我々の研究成果は、将来の研究が複製を促進する機会を提供し、CERコミュニティが複製研究の出版をいかに促すかを探る機会を提供する。

関連論文リスト

• Hypothesis Hunting with Evolving Networks of Autonomous Scientific Agents [52.50038914857797]
  この過程を仮説探索と呼び、膨大な複雑な仮説空間を横断する持続的な探索を通して洞察を累積的に探索する。 本稿では、エージェント、ネットワーク、評価規範の相互作用としてフレームワークモデリングディスカバリであるAScienceを紹介し、ASCollabとして実装する。 実験により、このような社会的ダイナミクスは、多様性-品質-ノーベルティフロンティアに沿った専門家評価結果の蓄積を可能にすることが示された。
  論文  参考訳（メタデータ） (2025-10-08T08:47:07Z)
• 100 Days After DeepSeek-R1: A Survey on Replication Studies and More Directions for Reasoning Language Models [58.98176123850354]
  最近のDeepSeek-R1のリリースは、広く社会的影響をもたらし、言語モデルの明確な推論パラダイムを探求する研究コミュニティに熱意を喚起した。 リリースされたモデルの実装詳細は、DeepSeek-R1-Zero、DeepSeek-R1、蒸留された小型モデルなど、DeepSeekによって完全にオープンソース化されていない。 多くのレプリケーション研究は、DeepSeek-R1が達成した強力なパフォーマンスを再現することを目的として、同様のトレーニング手順と完全なオープンソースデータリソースを通じて、同等のパフォーマンスに到達している。
  論文  参考訳（メタデータ） (2025-05-01T14:28:35Z)
• ResearchBench: Benchmarking LLMs in Scientific Discovery via Inspiration-Based Task Decomposition [67.26124739345332]
  大規模言語モデル(LLM)は科学的研究を支援する可能性を示しているが、高品質な研究仮説を発見する能力はいまだ検討されていない。 我々は,LLMを科学的発見のサブタスクのほぼ十分セットで評価するための,最初の大規模ベンチマークを紹介する。 学術論文から重要コンポーネント(研究質問、背景調査、インスピレーション、仮説)を抽出する自動フレームワークを開発する。
  論文  参考訳（メタデータ） (2025-03-27T08:09:15Z)
• LLM4SR: A Survey on Large Language Models for Scientific Research [15.533076347375207]
  大きな言語モデル(LLM)は、研究サイクルの様々な段階にわたって前例のないサポートを提供する。 本稿では,LLMが科学的研究プロセスにどのように革命をもたらすのかを探求する,最初の体系的な調査について述べる。
  論文  参考訳（メタデータ） (2025-01-08T06:44:02Z)
• Automatically Finding and Categorizing Replication Studies [0.0]
  多くの実験科学分野において、複製に失敗した論文は、複製研究の発見可能性の低さから引用され続けている。 論文の複製研究を自動的に行うシステムを構築する第一歩として、334の複製研究と344の複製研究が集められた。
  論文  参考訳（メタデータ） (2023-11-25T15:27:10Z)

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。