論文の概要: Block-Based Pathfinding: A Minecraft System for Visualizing Graph Algorithms

• arxiv url: http://arxiv.org/abs/2604.13957v1
• Date: Wed, 15 Apr 2026 15:07:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.598743
• Title: Block-Based Pathfinding: A Minecraft System for Visualizing Graph Algorithms
• Title（参考訳）: ブロックベースのパスフィニング:グラフアルゴリズムを視覚化するMinecraftシステム
• Authors: Luca-Stefan Pirvu, Bogdan-Alexandru Maciuca, Andrei-Ciprian Rabu, Adrian-Marius Dumitran,
• Abstract要約: 本稿では,グラフと最短パスのアルゴリズムを可視化するために構築されたMinecraftベースの教育ツールの設計とアーキテクチャについて述べる。 本研究では,(1)地形タイプ(ソウル砂,氷など)がエッジウェイトを表すグリッドトラバースモジュール,(2)有向グラフと無向グラフのインタラクティブな3次元操作を行うスカイグラフモジュール,(3)本を通して利用できるレッスンとクイズ,の3層システムを提案する。
• 参考スコア（独自算出の注目度）: 0.13048920509133807
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Graph theory is a cornerstone of Computer Science education, yet entry-level students often struggle to map abstract node-edge relationships to practical applications. This paper presents the design and architecture of a Minecraft-based educational tool specifically built to visualize graph traversal and shortest-path algorithms. We propose a three-layer system: (1) a Grid Traversal module where terrain types (e.g., soul sand, ice) represent edge weights, allowing for the gamified study of shortest path algorithms; (2) a "Sky Graph" module for interactive 3D manipulation of both directed and undirected graphs; and (3) lessons and quizzes available through books. The system grounds its design in Constructionist learning theory, transitioning students from passive observers to active protagonists who physically manipulate algorithmic behavior. We additionally present a planned empirical evaluation using NASA-TLX and in-game telemetry to validate the system's pedagogical efficacy.
• Abstract（参考訳）: グラフ理論はコンピュータサイエンス教育の基盤であるが、エントリーレベルの学生は、抽象的なノードエッジ関係を実践的な応用にマップするのに苦労することが多い。 本稿では,グラフトラバーサルおよび最短パスアルゴリズムを可視化するために構築されたMinecraftベースの教育ツールの設計とアーキテクチャについて述べる。 本研究では,(1)地形タイプ(例えば,砂,氷)がエッジウェイトを表すグリッドトラバースモジュールを用いて,最短経路アルゴリズムのゲーミフィケーション研究を可能にすること,(2)方向グラフと非方向グラフの両方をインタラクティブに3D操作する"スカイグラフ"モジュール,(3)本を通して利用できるレッスンとクイズ,の3層システムを提案する。 このシステムは、学生を受動的観察者から、アルゴリズムの振る舞いを物理的に操作する活発な主人公に移行させる構成主義的学習理論にその設計を基礎づけている。 また,NASA-TLXとゲーム内テレメトリを用いた実証実験を行い,システムの有効性を検証した。

関連論文リスト

• Skeleton-Guided Learning for Shortest Path Search [31.51778160288742]
  最短経路探索はグラフベースのアプリケーションにおける中核的な操作である。 汎用グラフ上での最短経路探索のための多目的学習に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-04T10:21:52Z)
• Knowledge Probing for Graph Representation Learning [12.960185655357495]
  グラフ表現学習において,グラフ学習手法のファミリーが異なるレベルの知識を符号化したかどうかを調査・解釈するための新しいグラフ探索フレームワーク(GraphProbe)を提案する。 グラフの固有の性質に基づいて,異なる視点からグラフ表現学習過程を体系的に研究する3つのプローブを設計する。 本研究では、ランダムウォークに基づく9つの代表的なグラフ学習手法、基本グラフニューラルネットワーク、自己教師付きグラフ手法を用いて、詳細な評価ベンチマークを構築し、ノード分類、リンク予測、グラフ分類のための6つのベンチマークデータセットでそれらを探索する。
  論文  参考訳（メタデータ） (2024-08-07T16:27:45Z)
• SimTeG: A Frustratingly Simple Approach Improves Textual Graph Learning [131.04781590452308]
  テキストグラフ学習におけるフラストレーションに富んだアプローチであるSimTeGを提案する。 まず、下流タスクで予め訓練されたLM上で、教師付きパラメータ効率の微調整(PEFT)を行う。 次に、微調整されたLMの最後の隠れ状態を用いてノード埋め込みを生成する。
  論文  参考訳（メタデータ） (2023-08-03T07:00:04Z)
• You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
  従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。 より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。 この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
  論文  参考訳（メタデータ） (2023-02-27T22:56:06Z)
• State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
  グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。 グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。 ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
  論文  参考訳（メタデータ） (2023-01-14T09:15:49Z)
• Learning Graph Search Heuristics [48.83557172525969]
  本稿では,新しいニューラルネットワークと学習アルゴリズムであるPHIL(Path Heuristic with Imitation Learning)について述べる。 我々の関数は、ノード距離の推測に有用なグラフ埋め込みを学習し、グラフサイズに依存しない一定時間で実行し、テスト時にA*のようなアルゴリズムに容易に組み込むことができる。 実験の結果、PHILはベンチマークデータセットの最先端の手法と比較して平均58.5%の探索ノード数を削減している。
  論文  参考訳（メタデータ） (2022-12-07T22:28:00Z)
• Geometric Understanding of Sketches [0.0]
  そこで本研究では,システムのスケッチの幾何学的理解を支援する2つの手法について検討する。 最初の研究は、グラフ構造としての2次元線描画の解釈を扱い、また、ロボットによる物理的再構成によってその効果を示す。 2つ目の研究では、3次元幾何学に関する情報に明示的にアクセスすることなく、スケッチベースシステムの3次元幾何学的理解をテストする。
  論文  参考訳（メタデータ） (2022-04-13T23:55:51Z)
• Co-embedding of Nodes and Edges with Graph Neural Networks [13.020745622327894]
  グラフ埋め込みは、高次元および非ユークリッド特徴空間でデータ構造を変換しエンコードする方法である。 CensNetは一般的なグラフ埋め込みフレームワークで、ノードとエッジの両方を潜在機能空間に埋め込む。 提案手法は,4つのグラフ学習課題における最先端のパフォーマンスを達成または一致させる。
  論文  参考訳（メタデータ） (2020-10-25T22:39:31Z)
• Machine Learning on Graphs: A Model and Comprehensive Taxonomy [22.73365477040205]
  グラフニューラルネットワーク、ネットワーク埋め込み、グラフ正規化モデルの間のギャップを埋める。 具体的には、グラフ上の半教師付き学習のための一般的なアルゴリズムを一般化するグラフデコーダモデル( GraphEDM)を提案する。
  論文  参考訳（メタデータ） (2020-05-07T18:00:02Z)

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。