論文の概要: "Why SuaCode?": Understanding African Students' Motivations for Taking a Smartphone-Based Online Coding Course

• arxiv url: http://arxiv.org/abs/2607.22940v1
• Date: Fri, 24 Jul 2026 22:49:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.943821
• Title: "Why SuaCode?": Understanding African Students' Motivations for Taking a Smartphone-Based Online Coding Course
• Title（参考訳）: なぜSuaCodeか? : スマートフォンによるオンラインコーディング講座を受講するアフリカ人学生の動機を理解する
• Abstract要約: MOOCは、中等教育後アフリカの学生にとって有益であり、1%未満の生徒が基本的なコーディングスキルを持って中等教育を退学している。 アフリカの学生にとって効果を高めるための一つの戦略は、学生が入学する動機を理解することである。 基礎理論を用いた450件(3000件中)のランダムサンプルを解析した。 アフリカ系学生の多くは、自己向上、同志の個人との学習、社会問題に対処するスキルの獲得など、本質的な理由からSuaCodeに参加した。
• 参考スコア（独自算出の注目度）: 0.1957338076370071
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computer programming MOOCs are instrumental in providing students with high-quality instruction in areas where there is limited access. They are especially beneficial to post-secondary African students as less than 1% of them leave secondary school with fundamental coding skills. One strategy for increasing their efficacy for African students is to understand students' motivation for enrolling. These insights can inform the design of MOOC content and assessments to align with students' interests. We administered an open-ended response survey to (self-identified) Africans enrolled in a smartphone-based online coding course (SuaCode). We analyzed a random sample of 450 (of 3000) responses using a grounded theory approach. We found that most African students (68.7%) participated in SuaCode for intrinsic reasons such as improving themselves, learning with like-minded individuals, and gaining skills to help address societal issues. We discuss the implications of these findings in the design of programming MOOCs targeted at African students.
• Abstract（参考訳）: コンピュータプログラミングMOOCは、アクセスが限られている地域で生徒に高品質な教育を提供するのに役立っている。 特に中等教育後アフリカ人学生にとって有益であり、1%未満の生徒は基本的なコーディングスキルを持って中等教育を退学している。 アフリカの学生にとって効果を高めるための一つの戦略は、学生が入学する動機を理解することである。 これらの知見はMOOCコンテンツの設計や評価を学生の関心に合わせるために伝えることができる。 スマートフォンベースのオンラインコーディングコース(SuaCode)に登録されたアフリカ人(自己識別)を対象に,オープンエンドの回答調査を実施した。 基礎理論を用いた450件(3000件中)のランダムサンプルを解析した。 アフリカ系学生の68.7%が、自己向上、同志の個人との学習、社会問題に対処するスキルの獲得など、本質的な理由からSuaCodeに参加した。 アフリカ人学生を対象としたプログラミングMOOCの設計において,これらの発見がもたらす意味について論じる。

関連論文リスト

• Adesua: Development and Feasibility Study of an AI WhatsApp Bot for Science Learning in West Africa [0.17590081165362778]
  Adesua(アデスア)は、WhatsAppに本拠を置く科学教育のためのAIインストラクションアシスタントである。 システムは、カリキュラムされた教科書と33年間の全国試験の質問を生成AIと統合する。 学生は科学の質問をしたり、トピックや試験年度ごとにタイムドや未タイムの多重選択テストを受けたり、即時評価を受けることができる。
  論文  参考訳（メタデータ） (2026-05-14T20:04:39Z)
• MakOne: Behavioural Data of University Students' Smart Devices in Uganda [1.0260880679794957]
  本稿では,カンボジアのMakerere大学の72人の学生から6週間にわたって収集された,新しいマルチモーダルデータセットMakOneを紹介する。 このデータセットは、受動的スマートフォンセンサーのデータ(位置、身体活動、スクリーン使用量を含む)と、学生の気分や日常のルーチンをキャプチャする生態的瞬間評価(EMA)を統合している。
  論文  参考訳（メタデータ） (2025-09-26T13:28:52Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• Leveraging AI to Advance Science and Computing Education across Africa: Challenges, Progress and Opportunities [1.2691047660244332]
  アフリカにおける科学・コンピューティング教育のための教育ツールにおけるAIの開発と展開について述べる。 SuaCodeは、アフリカ人がスマートフォンを使ってプログラミングを学ぶことができるAIベースのアプリだ。 AutoGradは、グラフィカルおよびインタラクティブなコーディング割り当てのための自動グレーディングおよびフィードバックツールである。 Kwame for Science(クウェーム・フォー・サイエンス、英語: Kwame for Science)は、学生の科学問題に対する即時回答を提供する、WebベースのAI教育アシスタントである。
  論文  参考訳（メタデータ） (2024-02-12T04:10:09Z)
• AfroBench: How Good are Large Language Models on African Languages? [55.35674466745322]
  AfroBenchは、64のアフリカ言語にわたるLLMのパフォーマンスを評価するためのベンチマークである。 AfroBenchは9つの自然言語理解データセット、6つのテキスト生成データセット、6つの知識と質問応答タスク、1つの数学的推論タスクで構成される。
  論文  参考訳（メタデータ） (2023-11-14T08:10:14Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• MasakhaNER 2.0: Africa-centric Transfer Learning for Named Entity Recognition [55.95128479289923]
  アフリカ系言語は10億人を超える人々によって話されているが、NLPの研究や開発ではあまり語られていない。 我々は、20のアフリカ言語で最大の人間アノテーション付きNERデータセットを作成します。 最適な転送言語を選択すると、ゼロショットF1スコアが平均14ポイント向上することを示す。
  論文  参考訳（メタデータ） (2022-10-22T08:53:14Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Kwame: A Bilingual AI Teaching Assistant for Online SuaCode Courses [2.4366811507669124]
  我々は、英語とフランス語のSuaCodeコースから学生のコーディング質問に対する回答を提供するバイリンガル人工知能(AI)指導アシスタント(TA)を開発した。 KwameはSBERT(Sentence-BERT)をベースとしたQAシステムで,過去のコホートにおいて,教科のクイズ,授業ノート,学生の質問から作成された質問応答ペアを用いて,オフラインで学習し,評価した。 その結果,コースデータの微調整と上位3と5の回答の返却により精度が向上した。
  論文  参考訳（メタデータ） (2020-10-22T02:26:12Z)
• Attentional Graph Convolutional Networks for Knowledge Concept Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
  大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。 学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。 そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-23T18:28:08Z)

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。