論文の概要: Automated Recommendation of Programming Learning Content Using Pattern-based Knowledge Components
- arxiv url: http://arxiv.org/abs/2607.05409v1
- Date: Tue, 09 Jun 2026 17:13:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 07:26:11.084186
- Title: Automated Recommendation of Programming Learning Content Using Pattern-based Knowledge Components
- Title（参考訳）: パターンベース知識コンポーネントを用いた学習内容の自動推薦
- Authors: Muntasir Hoq, Griffin Pitts, Zhangqi Duan, Arun Balajiee Lekshmi Narayanan, Mohammad Hassany, Andrew Lan, Peter Brusilovsky, Bita Akram,
- Abstract要約: 本研究では、パターンベースの知識コンポーネントを用いて、類似概念をターゲットとしたコードベースの学習リソースを自動的に識別する。
意味的に重要なプログラミングパターンのレベルでのアライメントを活用することで、この手法は文脈的に適切で、教育学的に有用なレコメンデーションをサポートする。
- 参考スコア（独自算出の注目度）: 2.3775218792048656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Introductory programming instruction relies on hands-on practice and short learning activities to support mastery of foundational concepts. Although many such learning resources exist, organizing and linking these items in instructionally meaningful ways is challenging without time-intensive expert curation. This study investigates the use of pattern-based Knowledge Components (KCs) to automatically identify code-based learning resources targeting similar concepts. In our approach, pattern-based KCs are extracted from each code sample, and related activities are identified by measuring similarity between the KC sets associated with each activity. By leveraging alignment at the level of semantically important programming patterns, this method supports contextually appropriate and pedagogically useful recommendations. We evaluate our approach on an expert-organized corpus of introductory Python materials in which instructors grouped items into bundles based on conceptual similarity. Results show that our pattern-based KC approach retrieves resources that align with this expert organization, and outperformed representative KC- and embedding-based baselines across standard ranking evaluations. Overall, the framework supports targeted, concept-oriented guidance for programming learners and can help instructors organize, bundle, and recommend instructional content at scale.
- Abstract（参考訳）: 入門プログラミングの指導は、基礎概念の熟達を支援するためにハンズオンの実践と短い学習活動に依存している。
このような学習資源は多く存在するが、これらの項目を教育的に意味のある方法で整理・リンクすることは、時間を要する専門家のキュレーションなしでは困難である。
本研究では、パターンベースの知識コンポーネント(KC)を用いて、類似概念をターゲットとしたコードベースの学習リソースを自動的に識別する。
提案手法では,各コードサンプルからパターンベースのKCを抽出し,各アクティビティに関連付けられたKC集合間の類似度を測定して関連アクティビティを同定する。
意味的に重要なプログラミングパターンのレベルでのアライメントを活用することで、この手法は文脈的に適切で、教育学的に有用なレコメンデーションをサポートする。
我々は,概念的類似性に基づいて,インストラクタがアイテムをバンドルにグループ化する,Python教材のエキスパート組織化コーパスに対するアプローチを評価した。
その結果、パターンベースのKCアプローチは、この専門家組織と整合したリソースを抽出し、標準ランキング評価において、代表的KCベースラインと埋め込みベースラインを上回ります。
全体として、このフレームワークは、プログラミング学習者を対象にした概念指向のガイダンスをサポートし、インストラクターが大規模に指導内容の整理、バンドル、推奨を支援する。
関連論文リスト
- Personalized Worked Example Generation from Student Code Submissions Using Pattern-based Knowledge Components [8.40619529758373]
本稿では,学生のコードから抽出したパターンベースのKCを用いたナレッジ・コンピネント・ガイド付きコンテンツ生成手法を提案する。
問題文と学生の提出状況から,本パイプラインは,ASTに基づく解析により,学生のコードから構造的KCパターンを抽出し,生成モデルを決定する。
その結果、KC条件付き生成は、生徒の論理的誤りに対する話題の焦点と関連性を改善することが示唆された。
論文 参考訳（メタデータ） (2026-04-27T17:56:56Z) - Knowledge Markers: An AI-Agnostic Concept for the Design of Programming Courses [0.0]
本稿では、AIに依存しないコースレベルのコース設計のための軽量な知識マーカーとして、知識マーカーを提供する。
オープンティーチングアーティファクトにラベルをきめ細かい粒度で埋め込む方法を示す。
導入プログラミングコースを分析し,再設計し,記述的に評価することで,そのアプローチを実証する。
論文 参考訳（メタデータ） (2026-04-07T18:13:40Z) - Inferring Prerequisite Knowledge Concepts in Educational Knowledge Graphs: A Multi-criteria Approach [1.4081145216286748]
ラベル付きデータに頼らずに概念PRを自動的に推測する教師なし手法を提案する。
文書ベース、ハイパーリンクベース、テキストベース機能に基づいて10の基準を定義し、投票アルゴリズムを用いて教育コンテンツ中のPRを頑健にキャプチャする。
論文 参考訳（メタデータ） (2025-09-05T10:37:58Z) - GraphRAG-Induced Dual Knowledge Structure Graphs for Personalized Learning Path Recommendation [56.37740554448673]
本稿では知識概念構造グラフ生成モジュールEDU-GraphRAGを紹介する。
次に、ブロックされた学習経路の問題を緩和する識別学習駆動強化学習(DLRL)モジュールを提案する。
我々は3つのベンチマークデータセットに対して広範な実験を行い、その手法が最先端の性能を達成することを示す。
論文 参考訳（メタデータ） (2025-06-27T15:15:42Z) - Introduction to Reinforcement Learning [2.52299400625445]
強化学習(Reinforcement Learning, RL)は、累積報酬を最大化するために環境と対話して意思決定を行う訓練エージェントに焦点を当てる。
本稿ではRLの概要を述べるとともに,その中核となる概念,方法論,さらに学ぶためのリソースについて述べる。
論文 参考訳（メタデータ） (2024-08-13T23:08:06Z) - Relation-aware Ensemble Learning for Knowledge Graph Embedding [68.94900786314666]
我々は,既存の手法を関係性に配慮した方法で活用し,アンサンブルを学習することを提案する。
関係認識アンサンブルを用いてこれらのセマンティクスを探索すると、一般的なアンサンブル法よりもはるかに大きな検索空間が得られる。
本稿では,リレーショナルなアンサンブル重みを独立に検索する分割探索合成アルゴリズムRelEns-DSCを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:40:12Z) - Set-to-Sequence Ranking-based Concept-aware Learning Path Recommendation [49.85548436111153]
SRC(Set-to-Sequence Ranking-based Concept-Aware Learning Path Recommendation)という新しいフレームワークを提案する。
SRCは、セット・ツー・シーケンス・パラダイムの下でレコメンデーション・タスクを定式化する。
実世界の2つの公開データセットと1つの産業データセットについて広範な実験を行う。
論文 参考訳（メタデータ） (2023-06-07T08:24:44Z) - Learning Rational Subgoals from Demonstrations and Instructions [71.86713748450363]
本稿では,新しい目標を達成するための効率的な長期計画を支援する有用なサブゴール学習フレームワークを提案する。
我々のフレームワークの中核は合理的なサブゴール(RSG)の集合であり、基本的には環境状態上の二項分類器である。
目標記述が与えられた場合、学習したサブゴールと派生した依存関係は、A*やRTといった既成の計画アルゴリズムを促進する。
論文 参考訳（メタデータ） (2023-03-09T18:39:22Z) - KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
KnowledgeCheckRに統合された推奨アプローチの概要を提供します。
その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
論文 参考訳（メタデータ） (2021-02-15T20:06:28Z) - Curriculum Learning: A Survey [65.31516318260759]
カリキュラム学習戦略は、機械学習のあらゆる分野で成功している。
我々は,様々な分類基準を考慮して,カリキュラム学習アプローチの分類を手作業で構築する。
集約型クラスタリングアルゴリズムを用いて,カリキュラム学習手法の階層木を構築する。
論文 参考訳（メタデータ） (2021-01-25T20:08:32Z)
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。