論文の概要: Investigating the Presence and Development of Student Instructor Preferences in a Large-Scale CS1 Course

• arxiv url: http://arxiv.org/abs/2608.06782v1
• Date: Fri, 07 Aug 2026 04:01:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.355763
• Title: Investigating the Presence and Development of Student Instructor Preferences in a Large-Scale CS1 Course
• Title（参考訳）: 大規模CS1コースにおける学生の指導者選好の実態と展開に関する研究
• Abstract要約: 複数のインストラクターが作成した教材コンテンツへのアクセスを学生に提供する新しい学習プラットフォームからのデータを利用する。 初級と最終級の教官の好みを調べると、嗜好は経験によって連続的に形づくられるダイナミックな構成であることが示唆される。
• 参考スコア（独自算出の注目度）: 0.3313576045747071
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior research has established the importance of student instructor preferences and identified various influencing factors. However, the dynamics of how student instructor preferences develop and change are less well understood, due to the limitations of common course structures and reliance on one-time measurements. To bridge this gap, we utilize data from a novel learning platform that provides students with access to instructional content created by multiple instructors. This platform enables the quantification of preference emergence and evolution throughout an entire semester, as students repeatedly select content from different instructors. Examining both initial and final student instructor preferences suggests that preference is a dynamic construct continually shaped by experiences. Furthermore, our analysis of the associations between preferences and student characteristics reveals a nuanced picture: while student attributes did not significantly correlate with initial preferences, substantial differences emerged in final preferences across genders and self-reported prior programming experience. This analysis contributes to the existing body of knowledge by expanding our understanding of student instructor preferences and student-instructor relationships in computer science education. We also provide practical insights that institutions and instructors can draw on when multiple instructors collaborate on a course.
• Abstract（参考訳）: 以前の研究では、学生の指導要領の重要性が確立され、様々な影響要因が特定されている。 しかし,授業構成の制限や1回測定に依存するため,学生の嗜好の発達や変化のダイナミクスはよく理解されていない。 このギャップを埋めるために、学生に複数のインストラクターが作成した教材コンテンツへのアクセスを提供する新しい学習プラットフォームからのデータを利用する。 このプラットフォームは、学生が異なるインストラクターから繰り返しコンテンツを選択することによって、学期を通しての嗜好の出現と進化の定量化を可能にする。 初級と最終級の教官の好みを調べると、嗜好は経験によって連続的に形づくられるダイナミックな構成であることが示唆される。 さらに,嗜好と学生の特徴の関係を分析した結果,学生の属性は初等選好と有意な相関はみられなかったが,男女間の最終選好と自己申告事前プログラミング経験に有意な差がみられた。 この分析は,コンピュータサイエンス教育における教職選好と学生-教官関係の理解を深めることによって,既存の知識体系に寄与する。 また,複数のインストラクターが1つのコースで協力するときに,機関やインストラクターが引き出すことができる実践的な洞察も提供する。

関連論文リスト

• Teaching AI Interactively: A Case Study in Higher Education [0.19383897563685792]
  本稿では,大学レベルのAI授業における授業時間の再設計を検討するための準実験ケーススタディを提案する。 CS Unpluggedアプローチにインスパイアされた私たちは、夏のオファリングを再設計し、組み込まれた、未プラグのシミュレーション、共同プログラミングラボ、構造化されたリフレクションを統合しました。 再設計されたコースの学生は、より高い出席率、評価が理解を測る強い合意、総合的な効果を報告した。
  論文  参考訳（メタデータ） (2026-03-30T16:58:19Z)
• Gamification Preferences in Digital Education: The Role of Individual Differences [2.956729394666618]
  本研究では,デジタル教育におけるゲーミフィケーション要素の嗜好とユーザ特性と学習活動タイプとの関係について検討した。 年齢は最も一貫した嗜好の予測因子として出現し、続いてプレイヤーのタイプや性格の特徴が続いたが、ジェンダーや学習スタイルは比較的弱い関連性を示した。
  論文  参考訳（メタデータ） (2026-02-26T10:19:10Z)
• Disentangling Learning from Judgment: Representation Learning for Open Response Analytics [0.0]
  オープンエンドの回答は学習の中心であるが、自動スコアリングは生徒の書き方と教師の成績を混同することが多い。 本稿では、コンテンツ信号とレーダ傾向を分離し、分析を通じて判断を可視化し、監査可能にする分析ファーストフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-30T02:06:28Z)
• Agile and Student-Centred Teaching of Agile/Scrum Concepts [1.52292571922932]
  ソフトウェアエンジニアリングプロジェクトマネジメントのコースを設計し、教えた経験について論じる。 このコースは、学生中心でフレキシブルな教育アプローチを実現するため、2020年以降、根本的な変更がなされている。 私たちは学んだ教訓を報告し、アジャイル/スクラムの概念を教えるのに役に立つ洞察を学部生や大学院生に提供します。
  論文  参考訳（メタデータ） (2025-06-17T10:09:32Z)
• Representational Alignment Supports Effective Machine Teaching [81.19197059407121]
  GRADEは、教育と表現的アライメントを研究するための新しい制御された実験環境である。 学生との表現的整合性が向上し,生徒の学習成果が向上することがわかった。 しかし、この効果は、教えられているクラスのサイズと表現の多様性によって中和される。
  論文  参考訳（メタデータ） (2024-06-06T17:48:24Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge Distillation [70.92135839545314]
  本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。 DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
  論文  参考訳（メタデータ） (2022-06-13T11:52:13Z)
• Generalized Knowledge Distillation via Relationship Matching [53.69235109551099]
  よく訓練されたディープニューラルネットワーク(いわゆる「教師」)の知識は、同様のタスクを学ぶのに有用である。 知識蒸留は教師から知識を抽出し、対象モデルと統合する。 教師に学生と同じ仕事をさせる代わりに、一般のラベル空間から訓練を受けた教師の知識を借りる。
  論文  参考訳（メタデータ） (2022-05-04T06:49:47Z)
• Learning to Teach with Student Feedback [67.41261090761834]
  対話的知識蒸留 (Interactive Knowledge Distillation, IKD) は、教師が生徒のフィードバックから教えることを学ぶことを可能にする。 IKDは教師モデルを訓練し、特定の学生のトレーニングステップごとに特定のソフトターゲットを生成する。 教師と生徒の協調的な最適化は2つの反復的なステップによって達成される。
  論文  参考訳（メタデータ） (2021-09-10T03:01:01Z)
• Mining Student Responses to Infer Student Satisfaction Predictors [0.966840768820136]
  我々は,学生の満足度を異なるレベルに予測し,コースとインストラクターに関連する影響力のある予測者を推定する。 1) コース内容, 2) クラス参加, 3) コースの初期期待の達成, 4) 専門的開発への関連, 5) コースがそれらと結びつき, 現実の状況を探究するのに役立つ場合, 学生の満足度に関する5つの異なる側面を提示する。
  論文  参考訳（メタデータ） (2020-06-14T10:31:11Z)
• Neural Multi-Task Learning for Teacher Question Detection in Online Classrooms [50.19997675066203]
  教師の音声記録から質問を自動的に検出するエンドツーエンドのニューラルネットワークフレームワークを構築している。 マルチタスク学習手法を取り入れることで,質問の種類によって意味的関係の理解を深めることが可能となる。
  論文  参考訳（メタデータ） (2020-05-16T02:17:04Z)

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。