論文の概要: Systematic Review of Academic Procrastination Interventions in Computing Higher Education

• arxiv url: http://arxiv.org/abs/2604.03248v1
• Date: Tue, 10 Mar 2026 14:54:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.546634
• Title: Systematic Review of Academic Procrastination Interventions in Computing Higher Education
• Title（参考訳）: 高等教育における学術的先進的介入の体系的検討
• Authors: Daniel Cheng, Oscar Heath, Daniyaal Farooqi, Evelyn Chou, Alice Gao, Jonathan Calver,
• Abstract要約: 本稿では,学術的進歩を抑えるための介入を実証的に検討する研究の文献レビューを行う。 本研究は, 時間的構造を明確化するための介入が, 早期の開始と分散作業の促進を一貫して促進していることを示唆している。 本総説では,コンピュータ教育における先進性に対処するために,構造化,支援,パーソナライズされた介入を設計することの重要性を強調した。
• 参考スコア（独自算出の注目度）: 2.3972743781293526
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Academic procrastination is a persistent challenge in computing education, yet evidence on the effectiveness of course-level interventions remains fragmented across diverse designs and contexts. We present a systematic literature review of studies published in the past decade that empirically examine interventions to reduce academic procrastination among post-secondary computing students. Evidence from 19 articles examines interventions that target procrastination through structural, feedback-based, motivational, and self-regulatory mechanisms. Our findings suggest that interventions introducing clear temporal structure consistently promote earlier starts and more distributed work, which act as key mediators of performance gains. The magnitude of these gains depends strongly on task structure, with greater benefits for long-horizon, multi-step assignments than for short, routine tasks. Moreover, supportive designs reliably outperform punitive or restrictive schemes, while uniform interventions yield uneven benefits across students. This review highlights the importance of designing structured, supportive, and personalized interventions to address procrastination in computing education.
• Abstract（参考訳）: アカデミック・プロクラスティネーションは、コンピューティング教育において永続的な課題であるが、コースレベルの介入の有効性に関する証拠は、様々なデザインや文脈で断片化されている。 本稿では,過去10年間に発行された研究の体系的な文献レビューを行い,第2期以降のコンピュータ学生の学力向上のための介入を実証的に検討する。 19の論文からのエビデンスでは、構造的、フィードバックに基づく、モチベーション的、自己規制的なメカニズムを通じて、プロクラッションを標的とする介入について検討している。 以上の結果から,時間的構造を明確化するための介入が早期の開始と分散作業の促進を一貫して促進し,パフォーマンス向上の重要な仲介者として機能することが示唆された。 これらのゲインの大きさはタスク構造に強く依存しており、短いルーチンタスクよりも長い水平な複数ステップの割り当てに対して大きな利点がある。 さらに、支援的デザインは、訓練的または制限的なスキームを確実に上回り、均一な介入は学生間で不均一な利益をもたらす。 本総説では,コンピュータ教育における先進性に対処するために,構造化,支援,パーソナライズされた介入を設計することの重要性を強調した。

関連論文リスト

• The First Issue Matters: Linking Task-Level Characteristics to Long-Term Newcomer Retention in OSS [26.566968795185776]
  オープンソースコミュニティの長期的な健全性には、新規参加の持続が不可欠だ。 予測分析,解釈可能性手法,因果推論を組み合わせることで,課題特性の因果関係が保持結果に与える影響を推定する。
  論文  参考訳（メタデータ） (2026-03-28T04:55:06Z)
• Test-Time Learning of Causal Structure from Interventional Data [50.06913286558919]
  共同因果推論を用いたテスト時間トレーニングを併用する新しい手法であるTICL(Test-Time Interventional Causal Learning)を提案する。 具体的には、テスト時にインスタンス固有のトレーニングデータを生成するための自己拡張戦略を設計し、分散シフトを効果的に回避する。 共同因果推論を統合することで,PCにインスパイアされた2相教師付き学習手法を開発し,理論的識別性を確保しつつ,自己拡張学習データを有効に活用した。
  論文  参考訳（メタデータ） (2026-02-22T11:23:05Z)
• Toward Efficient Agents: Memory, Tool learning, and Planning [96.93533945696156]
  本稿では,レイテンシ,トークン,ステップなどのコストを考慮したメモリ,ツール学習,計画という,エージェントの3つのコアコンポーネントの効率性について検討する。
  論文  参考訳（メタデータ） (2026-01-20T17:51:56Z)
• Stabilising Learner Trajectories: A Doubly Robust Evaluation of AI-Guided Student Support using Activity Theory [1.2234742322758418]
  本研究では,2つの頑健なスコアマッチングを用いて,大大学におけるAI指導学生支援システムの評価を行った。 以上の結果より,この介入が先天的な軌跡を効果的に安定化させたことが示唆された。 しかし, 資格取得速度への影響は, 統計的に有意であったが, 統計的に制限された。
  論文  参考訳（メタデータ） (2025-12-11T22:28:12Z)
• Reducing Procrastination on Programming Assignments via Optional Early Feedback [1.1458853556386799]
  我々は、プログラミングの課題に関する学術的先制と戦うための介入を設計した。 介入は初期期限で構成されていたが、学生が早期に仕事を提出すれば、追加の自動フィードバックが提供された。 実験の結果,初等部は初等部生の成績が向上しなかったが,初等部生は初等部生の成績が向上し,初等部生の成績が向上した。
  論文  参考訳（メタデータ） (2025-10-16T19:22:12Z)
• Do We Need to Verify Step by Step? Rethinking Process Supervision from a Theoretical Perspective [59.61868506896214]
  標準的なデータカバレッジの仮定では、強化学習はプロセスの監督よりも統計的に難しいものではない。 任意のポリシーの利点関数が最適なプロセス報酬モデルとして機能することを証明する。
  論文  参考訳（メタデータ） (2025-02-14T22:21:56Z)
• Learning Planning-based Reasoning by Trajectories Collection and Process Reward Synthesizing [61.98556945939045]
  収集された軌道上でのDPO(Direct Preference Optimization)を通して計画に基づく推論を学習するフレームワークを提案する。 論理的推論ベンチマークの挑戦的な結果から,学習フレームワークの有効性が示された。
  論文  参考訳（メタデータ） (2024-02-01T15:18:33Z)
• Delayed Reinforcement Learning by Imitation [31.932677462399468]
  遅延しない実演から遅延環境での動作方法を学ぶ新しいアルゴリズムを提案する。 各種タスクにおいて,DIDAは顕著なサンプル効率で高い性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-05-11T15:27:33Z)
• Explainable Student Performance Prediction With Personalized Attention for Explaining Why A Student Fails [0.5607676459156788]
  パーソナライズド・アテンション(ESPA)を用いた新しい説明可能な学生パフォーマンス予測手法を提案する。 BiLSTMアーキテクチャは、特定のパターンで経路内の意味情報を抽出する。 ESPAは、学生のパフォーマンス予測のための他の最先端モデルよりも一貫して優れている。
  論文  参考訳（メタデータ） (2021-10-15T08:45:43Z)
• Untangling tradeoffs between recurrence and self-attention in neural networks [81.30894993852813]
  本稿では,再帰的ネットワークにおける自己注意が勾配伝播に与える影響を公式に分析する。 長期的な依存関係を捉えようとするとき、勾配をなくすことの問題を緩和することを証明する。 本稿では,スパース自己アテンションを反復的にスケーラブルに利用するための関連性スクリーニング機構を提案する。
  論文  参考訳（メタデータ） (2020-06-16T19:24:25Z)

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。