論文の概要: Decomposing the Doer Effect in Programming Practice: Code Writing Stands Out Among Active Practice

• arxiv url: http://arxiv.org/abs/2608.02541v1
• Date: Mon, 03 Aug 2026 17:30:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.731122
• Title: Decomposing the Doer Effect in Programming Practice: Code Writing Stands Out Among Active Practice
• Title（参考訳）: プログラミングの実践におけるDoer効果を分解する: コード記述はアクティブな実践に欠かせない
• Abstract要約: 行動効果」は、実践活動が受動的にコンテンツを見ることよりも学習結果と強く結びついていることを示唆している。 本研究は,コンピュータサイエンス教育に効果が及ぼされるかどうかを考察する。 積極的実践活動は受動的活動の3.2倍の学習結果に結びついていることが判明した。
• 参考スコア（独自算出の注目度）: 1.8812098084562174
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The "doer effect" suggests that actively doing practice activities is more strongly associated with learning outcomes than passively viewing content. In the doer effect literature, "doing" refers specifically to active practice. However, this categorization treats different forms of active practice as equivalent, leaving open whether some types of active practice are more effective than others. In this paper, we investigate whether the doer effect extends to computer science instruction and whether some forms of doing stand out compared to other forms. We analyze log data from 334 students across 11 semesters of introductory and intermediate Java who used an interactive practice system with five content types: Code Writing, Code Tracing, Code Completion, Code Visualizations, and Code Explanations. Consistent with prior doer effect work, we find that active practice activities were associated with 3.2 times better learning outcomes than passive activities. Interestingly, among the active practice, code writing was the most strongly associated with improved posttest performance, while no other activity type showed a comparable association. These results highlight the importance of challenging, feedback-supported practice activities, such as code writing problems.
• Abstract（参考訳）: ドーアエフェクト」は、アクティブな実践活動は、受動的にコンテンツを見ることよりも、学習結果と強く結びついていることを示唆している。 ドーアエフェクト文学において「ドーイング」とは、特に活動的な実践を指す。 しかし、この分類は、様々な活動形態を同等として扱い、何らかの活動形態が他のものよりも効果的であるかどうかを問わないままである。 本稿では,ドーア効果がコンピュータ科学の教示にまで及んでいるか,また,他の形態と比較して,いくつかの形態が際立っているかを検討する。 我々は,コードライティング,コードトレース,コード補完,コードビジュアライゼーション,コード説明という5つのタイプのインタラクティブなプラクティスシステムを使用した,11のセメータからなる334人の学生のログデータを解析した。 実践活動が受動的活動の3.2倍の学習結果に結びついていることが判明した。 興味深いことに、アクティブな実践の中では、コード記述はテスト後のパフォーマンス向上と最も強く結びついており、他のアクティビティタイプでは同等の関連性を示しませんでした。 これらの結果は、コード記述問題のような、挑戦的でフィードバックに支えられた実践活動の重要性を強調します。

関連論文リスト

• Readability-Robust Code Summarization via Meta Curriculum Learning [53.44612630063336]
  現実の世界では、コードが貧弱な構造や難読化され、モデルのパフォーマンスが著しく低下することが多い。 本稿では,可読性の低いコードに対するコード要約の堅牢性を向上する,新しい微調整手法であるRoFTCodeSumを提案する。
  論文  参考訳（メタデータ） (2026-01-09T02:38:24Z)
• The Right Kind of Help: Evaluating the Effectiveness of Intervention Methods in Elementary-Level Visual Programming [19.887538703101168]
  本稿では,小学校プログラミングにおける多種多様な介入手法の有効性を比較検討する。 具体的には、コード編集レコメンデーション(Code-Rec)、コード編集に基づくクイズ(Code-Quiz)、メタ認知戦略に基づくクイズ(Plan-Quiz)の3つの介入手法を比較した。 介入手法はすべて,学習後段階における生徒の問題解決能力を維持しながら,コントロールグループに対する学習性能を有意に向上させた。
  論文  参考訳（メタデータ） (2025-12-12T17:22:06Z)
• Query by Activity Video in the Wild [52.42177539947216]
  現在のクェリ・バイ・アクティビティ・ビデオの文献では、埋め込みを学ぶ際に、すべてのアクティビティが十分なラベル付き例を持っているという仮定が一般的である。 本稿では,アクティビティ検索における不均衡なシナリオを明示的に扱う視覚意味埋め込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-11-23T10:26:36Z)
• Code Representation Pre-training with Complements from Program Executions [29.148208436656216]
  テストケースで明らかになったプログラムの動的情報を調べ,それを補体としてコードの特徴表現に埋め込むために,FuzzPretrainを提案する。 FuzzyPretrainは、ソースコードやASTのみをトレーニングしたコード検索に対して、6%/9%のmAP改善を実現した。
  論文  参考訳（メタデータ） (2023-09-04T01:57:22Z)
• Active Code Learning: Benchmarking Sample-Efficient Training of Code Models [35.54965391159943]
  ソフトウェアエンジニアリング(ML4Code)では、人的労力の少ないコードのモデルを効率的にトレーニングすることが、緊急の問題となっている。 アクティブな学習は、開発者が望ましいパフォーマンスでモデルを生成しながら、少ないデータでモデルをトレーニングすることを可能にするようなテクニックです。 本稿は、この重要な問題であるアクティブコード学習を研究するための最初のベンチマークを構築します。
  論文  参考訳（メタデータ） (2023-06-02T03:26:11Z)
• A Matter of Annotation: An Empirical Study on In Situ and Self-Recall Activity Annotations from Wearable Sensors [56.554277096170246]
  In-the-wildデータ収集に焦点をあてたユーザスタディにおいて,一般的な4つのアノテーション手法の評価と対比を行う実験的検討を行った。 実際の記録プロセス中に参加者がアノテートするユーザ主導のin situアノテーションと、各日の終わりに参加者が振り返ってアノテートするリコールメソッドの両方に対して、参加者は自身のアクティビティクラスと対応するラベルを選択できる柔軟性を持っていた。
  論文  参考訳（メタデータ） (2023-05-15T16:02:56Z)
• Soft-Labeled Contrastive Pre-training for Function-level Code Representation [127.71430696347174]
  textbfSoft-labeled contrastive pre-training framework with two positive sample construction method。 大規模コードコーパスにおけるコード間の関連性を考慮すると、ソフトラベル付きコントラスト付き事前学習は、きめ細かいソフトラベルを得ることができる。 SCodeRは、7つのデータセットで4つのコード関連タスクに対して、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T05:17:37Z)
• Mind Your Outliers! Investigating the Negative Impact of Outliers on Active Learning for Visual Question Answering [71.15403434929915]
  視覚的質問応答のタスクにおいて、5つのモデルと4つのデータセットにまたがって、多種多様な能動的学習アプローチがランダム選択を上回りません。 アクティブな学習手法が好まれるが、モデルは学習に失敗する例の集まりである。 本研究では,アクティブ学習プールにおける集団外乱の減少に伴い,アクティブ学習サンプル効率が著しく向上することを示す。
  論文  参考訳（メタデータ） (2021-07-06T00:52:11Z)
• "What Are You Trying to Do?" Semantic Typing of Event Processes [94.3499255880101]
  本稿では,認知に動機づけられたセマンティックタイピングタスク,多軸イベントプロセスタイピングについて検討する。 我々は60k以上のイベントプロセスを含む大規模なデータセットを開発し、アクションとオブジェクトタイプの軸の両方に極細粒度のタイピングを特徴とする。 本稿では,Glosses1からの間接的監視によるタイピング問題に対処するハイブリッド学習フレームワークP2GTと,共同学習からランクへのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-13T22:37:29Z)

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。