論文の概要: BlockPython: A Process-Aware Agent-Supported Platform for the Transition from Block-Based to Python Programming
- arxiv url: http://arxiv.org/abs/2608.05716v1
- Date: Thu, 06 Aug 2026 07:54:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.848855
- Title: BlockPython: A Process-Aware Agent-Supported Platform for the Transition from Block-Based to Python Programming
- Title（参考訳）: BlockPython: ブロックベースからPythonプログラミングへの移行のためのプロセス対応エージェント対応プラットフォーム
- Abstract要約: BlockPythonプラットフォームは、タスク分解、ブロックベースプラクティス、コードチャレンジ、拡張インタラクションの4つのステージを通じて学習者をガイドする。
学習中、プラットフォームはブロックアーティファクト、コードバージョン、実行結果、サポートの使用、対話などのプロセスエビデンスを継続的に収集する。
ルールベースのシステムは、プログラムの実行、客観的評価、ステージコントロールに責任を持ち、学習アシスタントは、検証された証拠を使用して、説明、プロンプト、ガイダンスを提供する。
- 参考スコア（独自算出の注目度）: 16.243800754710218
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The transition from block-based to text-based programming requires learners to convert visible program structures into abstract textual expressions, which may create a cognitive gap between understanding computational concepts and expressing them in Python syntax. To support this transition, we designed and implemented BlockPython. The platform centers on bidirectional translation between blocks and Python and guides learners through four stages: Task Decomposition, Block-Based Practice, Code Challenge, and Extended Interaction. Across these stages, learners progressively establish connections among program structure, runtime behavior, and textual code. During learning, the platform continuously collects process evidence, including block artifacts, code versions, run outcomes, use of support, and dialogue. Deterministic diagnosis, program visualization, and the learning assistant use this evidence to identify different difficulties in computational understanding and Python expression. The rule-based system is responsible for program execution, objective evaluation, and stage control, while the learning assistant uses verified evidence to provide explanations, prompts, and guiding questions. This report describes the design rationale, learning workflow, and process-aware support mechanisms of BlockPython and provides a system-design reference for supporting the transition from block-based to text-based programming and for analyzing learning processes.
- Abstract（参考訳）: ブロックベースのプログラミングからテキストベースのプログラミングへ移行するためには、可視的なプログラム構造を抽象的なテキスト表現に変換する必要がある。
この移行をサポートするため、BlockPythonを設計、実装しました。
プラットフォームはブロックとPython間の双方向翻訳を中心に、タスク分解、ブロックベースプラクティス、コードチャレンジ、拡張インタラクションの4つのステージを通じて学習者をガイドする。
これらの段階を通じて、学習者はプログラム構造、実行時動作、テキストコード間の接続を徐々に確立する。
学習中、プラットフォームはブロックアーティファクト、コードバージョン、実行結果、サポートの使用、対話などのプロセスエビデンスを継続的に収集する。
決定論的診断、プログラムビジュアライゼーション、学習アシスタントは、この証拠を使用して、計算理解とPython表現の異なる困難を識別する。
ルールベースのシステムは、プログラムの実行、客観的評価、ステージコントロールに責任を持ち、学習アシスタントは、検証された証拠を使用して、説明、プロンプト、ガイダンスを提供する。
本稿では,BlockPythonの設計根拠,学習ワークフロー,プロセス認識支援機構について述べるとともに,ブロックベースからテキストベースプログラミングへの移行と学習プロセスの解析を支援するためのシステム設計リファレンスを提供する。
関連論文リスト
- Stitch: Step-by-step LLM Guided Tutoring for Scratch [1.8206350996077172]
そこで我々は,Stitchを紹介した。Stitchは対話型学習システムで,"答えの描画"をステップバイステップの足場に置き換える。
我々は、Scratchのための最新の自動フィードバック生成ツールと比較し、Stitchを実証的研究で評価した。
論文 参考訳（メタデータ） (2025-10-30T16:03:56Z) - PythonPal: Enhancing Online Programming Education through Chatbot-Driven Personalized Feedback [0.0]
PythonPalの設計は、会話、チュートリアル、エクササイズのためのモジュールを特徴とするもので、学生のインタラクションとフィードバックを通じて評価された。
鍵となる発見は、PythonPalの構文エラー認識とユーザクエリ理解の習熟度を示している。
学生のフィードバックは、クエリの理解とフィードバックの精度が良好であることを示し、応答の高速化と対話品質の向上も指摘した。
論文 参考訳（メタデータ） (2025-03-09T07:28:42Z) - Towards Identifying Code Proficiency through the Analysis of Python Textbooks [7.381102801726683]
目的は、開発者がソースコードの一部を理解する必要がある熟練度を測定することである。
専門家の意見や開発者調査に大きく依存した以前の試みは、かなりの相違を招いた。
本稿では,Python プログラミング教科書の体系的解析を通じて,Python の能力レベルを同定する手法を提案する。
論文 参考訳（メタデータ） (2024-08-05T06:37:10Z) - The Calysto Scheme Project [0.0]
Calysto SchemeはScheme in Continuation-Passing Styleで書かれている。
一連の正当性保存プログラム変換を通じてPythonに変換される。
コール/ccを含む標準のScheme機能をサポートしている。
論文 参考訳（メタデータ） (2023-10-16T23:41:21Z) - Natural Language Embedded Programs for Hybrid Language Symbolic Reasoning [84.12154024070024]
本研究では,数学・記号的推論,自然言語理解,後続の課題に対処するための統合フレームワークとして,自然言語組み込みプログラム(NLEP)を提案する。
我々のアプローチは,構造化知識の自然言語表現を含むデータ構造上の関数を定義する完全なPythonプログラムを生成するよう,言語モデルに促す。
Pythonインタープリタが生成されたコードを実行し、出力をプリントする。
論文 参考訳（メタデータ） (2023-09-19T17:54:21Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - InterCode: Standardizing and Benchmarking Interactive Coding with
Execution Feedback [50.725076393314964]
標準的な強化学習環境として,インタラクティブコーディングの軽量でフレキシブルで使いやすいフレームワークであるInterCodeを紹介した。
私たちのフレームワークは、言語とプラットフォームに依存しない、自己完結型のDocker環境を使用して、安全で再現可能な実行を提供します。
我々は、異なるプロンプト戦略で構成された複数の最先端LLMを評価することにより、InterCodeの生存性をテストベッドとして示す。
論文 参考訳（メタデータ） (2023-06-26T17:59:50Z) - What and How of Machine Learning Transparency: Building Bespoke
Explainability Tools with Interoperable Algorithmic Components [77.87794937143511]
本稿では,データ駆動予測モデルを説明するためのハンズオントレーニング教材について紹介する。
これらのリソースは、解釈可能な表現合成、データサンプリング、説明生成の3つのコアビルディングブロックをカバーする。
論文 参考訳（メタデータ） (2022-09-08T13:33:25Z) - Unified Pre-training for Program Understanding and Generation [46.89905110678675]
PLBARTは、プログラムおよび言語理解および生成タスクの幅広い範囲を実行できるシーケンス・ツー・シーケンスモデルである。
PLBARTは、JavaとPythonの関数と関連するNLテキストの広範なコレクションに、自動エンコーディングを通知することで事前トレーニングされている。
論文 参考訳（メタデータ） (2021-03-10T20:32:59Z) - Procedural Generation of STEM Quizzes [0.0]
手続き型質問生成は、STEMクイズのための多様で形式的で最新の適応型質問バンクを作成する作業を大幅に促進する、と我々は主張する。
我々は,スクリプトベースの質問生成のための概念実証Python APIを提示し,評価する。
私たちのシステムの副次的な利点は、質問銀行がPythonコードに実際に埋め込まれており、コラボレーション、バージョン管理、メンテナンスタスクが非常に簡単であることです。
論文 参考訳（メタデータ） (2020-09-08T17:15:16Z) - Plato Dialogue System: A Flexible Conversational AI Research Platform [64.82999992143448]
PlatoはPythonで書かれた柔軟な会話型AIプラットフォームで、あらゆる種類の対話型エージェントアーキテクチャをサポートする。
Platoは理解しやすく、デバッグしやすいように設計されており、各コンポーネントをトレーニングする基盤となる学習フレームワークに依存しない。
論文 参考訳（メタデータ） (2020-01-17T18:27:29Z)
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。