論文の概要: A Lightweight Scrum Sprint Simulation to Help Learners Traverse the Empirical Process Control Threshold Concept
- arxiv url: http://arxiv.org/abs/2605.01600v1
- Date: Sat, 02 May 2026 20:23:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.845918
- Title: A Lightweight Scrum Sprint Simulation to Help Learners Traverse the Empirical Process Control Threshold Concept
- Title（参考訳）: ライトウェイトなスクラムスプリントシミュレーションは、学習者が経験的プロセス制御の閾値概念を横切るのを助ける
- Authors: Eduardo Miranda, Torgeir Dingsøyr, Pritam Chita,
- Abstract要約: 経験的プロセス制御は、以前のアクティビティの成功や不運を観察して作業を管理する方法であり、スクラムでは重要なプロセスです。
学生にスクラムプロジェクトを経験的にコントロールする方法を教えるために設計された、軽量でスケーラブルで、無償で、カスタマイズ可能なスプリントシミュレーションアクティビティを紹介します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Empirical process control, a way of managing work based on the observation of the successes or misfortunes of earlier activities, is a key process in Scrum and other agile development frameworks. In this experience report, we present a lightweight, scalable, free and customizable sprint simulation activity designed to teach students how to empirically control a Scrum project by engaging in the presentation and interpretation of work status information, task selection and resource allocations in a single teaching session. We reflect on our experience using the simulation as an active learning complement to direct instruction in two master level courses at two different universities and in the training of teaching assistants at a third institution, and abductively establish its effectiveness by mapping student comments to the teaching practices in the threshold concepts framework.
- Abstract（参考訳）: 経験的プロセス制御は、以前のアクティビティの成功や不運を観察して作業を管理する方法であり、スクラムや他のアジャイル開発フレームワークにおいて重要なプロセスである。
本経験報告では,学生に,作業状況情報,タスク選択,リソース割り当ての提示と解釈を1回の授業セッションで行うことで,スクラムプロジェクトを経験的に制御する方法を教えるための,軽量でスケーラブルで,かつ,カスタマイズ可能なスプリントシミュレーションアクティビティを提示する。
我々は,2つの異なる大学における2つの修士課程の直接指導と,第3の機関における教員養成の指導に,シミュレーションをアクティブな学習補完として利用した経験を反映し,学生のコメントをしきい値概念の枠組みで指導実践にマッピングすることで,その効果を誘導的に確立する。
関連論文リスト
- Personalized Exercise Recommendation with Semantically-Grounded Knowledge Tracing [54.44838681588145]
ExRecは、セマンティックグラウンドの知識トレースを備えたパーソナライズされたエクササイズレコメンデーションのためのフレームワークである。
ExRecは、新しい、目に見えない質問に頑健に一般化し、解釈可能な学習軌跡を生成することを示す。
論文 参考訳（メタデータ） (2025-07-15T07:54:04Z) - A Unified Understanding and Evaluation of Steering Methods [17.420727709895736]
ステアリング法は、中間活性化にステアリングベクトルを適用することにより、大きな言語モデルを制御するための実践的なアプローチを提供する。
その重要性は増しているが、この分野には、タスクやデータセット間で統一された理解と一貫した評価が欠けている。
本稿では, ステアリング手法を解析・評価し, 基本原理を定式化し, 有効性に関する理論的知見を提供する統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-02-04T20:55:24Z) - REVEAL-IT: REinforcement learning with Visibility of Evolving Agent poLicy for InTerpretability [23.81322529587759]
REVEAL-ITは複雑な環境下でのエージェントの学習過程を説明するための新しいフレームワークである。
各種学習課題における政策構造とエージェントの学習過程を可視化する。
GNNベースの説明者は、ポリシーの最も重要な部分を強調することを学び、エージェントの学習プロセスについてより明確で堅牢な説明を提供する。
論文 参考訳（メタデータ） (2024-06-20T11:29:26Z) - Rethinking Teacher-Student Curriculum Learning through the Cooperative Mechanics of Experience [15.00590722099547]
Teacher-Student Curriculum Learning (TSCL)は、人間の文化的伝達と学習からインスピレーションを得るカリキュラム学習フレームワークである。
TSCLにおける教師と学生の相互作用の基盤となるメカニズムを解析するために,データ中心の視点を提案する。
論文 参考訳（メタデータ） (2024-04-03T21:55:17Z) - Iterative Forward Tuning Boosts In-Context Learning in Language Models [88.25013390669845]
本研究では,大規模言語モデル(LLM)における文脈内学習を促進する新しい2段階フレームワークを提案する。
具体的には、当社のフレームワークでは、ICLプロセスをDeep-ThinkingとTest Stageの2つの別々のステージに分類しています。
ディープシンキング段階にはユニークな注意機構、すなわち反復的な注意強化機構が組み込まれており、複数の情報の蓄積を可能にしている。
論文 参考訳（メタデータ） (2023-05-22T13:18:17Z) - ICL-D3IE: In-Context Learning with Diverse Demonstrations Updating for
Document Information Extraction [56.790794611002106]
大規模言語モデル(LLM)は、様々な自然言語処理(NLP)タスクにおいて、文脈内学習による顕著な結果を示している。
ICL-D3IEと呼ばれるシンプルだが効果的なテキスト内学習フレームワークを提案する。
具体的には、ハードトレーニング文書から最も困難で独特なセグメントをハードデモとして抽出する。
論文 参考訳（メタデータ） (2023-03-09T06:24:50Z) - Reinforcement Learning with Prototypical Representations [114.35801511501639]
Proto-RLは、プロトタイプ表現を通じて表現学習と探索を結び付ける自己監督型フレームワークである。
これらのプロトタイプは、エージェントの探索経験の要約と同時に、観察を表す基盤としても機能する。
これにより、困難な連続制御タスクのセットで最新の下流ポリシー学習が可能になります。
論文 参考訳（メタデータ） (2021-02-22T18:56:34Z)
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。