論文の概要: WIP: DBWorkout: A Gamified SQL Practice Platform to Support Formative Learning in Database Courses
- arxiv url: http://arxiv.org/abs/2610.01174v1
- Date: Thu, 01 Oct 2026 06:47:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.951286
- Title: WIP: DBWorkout: A Gamified SQL Practice Platform to Support Formative Learning in Database Courses
- Title（参考訳）: WIP: DBWorkout: データベースコースでフォーマティブ学習をサポートするゲーミフィケーションSQL実践プラットフォーム
- Abstract要約: 本研究では、サンドボックス実行、自動結果ベースフィードバック、セッションベースのゲーミフィケーションによるフォーマティヴsql学習をサポートするWebベースのプラットフォームであるDBWorkoutを提案する。
学生は、列値、列構造、順序付けなど、クエリの正確性に関する多次元フィードバックを受けながら、ライブデータベースインスタンス上で反復的に実践する。
授業助手によるパイロット研究と170人の大学生による教室展開は、報告された低圧力とともに、強い認知的学習価値(90%の合意)とエンゲージメント(87%の楽しさ)を示している。
- 参考スコア（独自算出の注目度）: 0.058633603884542605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This research WIP paper presents DBWorkout, a web-based platform that supports formative SQL learning through sandbox-based execution, automated result-based feedback, and session-based gamification. Learning Structured Query Language (SQL) remains challenging for undergraduate students due to limited opportunities for interactive practice and immediate feedback. Students iteratively practice SQL on live database instances while receiving multi-dimensional feedback on query correctness, including row values, column structure, and ordering. To reduce instructor workload, DBWorkout incorporates large language model (LLM)-assisted tools for schema and task generation within a human-in-the-loop workflow. A pilot study with teaching assistants and a classroom deployment involving 170 undergraduate students across two in-class sessions show strong perceived learning value (90% agreement) and engagement (87% enjoyment), alongside low reported pressure (22%). However, only 42% of students found the automated feedback sufficiently actionable, a finding independently corroborated by 40% of open-ended responses raising feedback quality concerns, providing cross-method triangulation of this gap. These findings demonstrate the technical feasibility and early pedagogical potential of DBWorkout while identifying directions for enhancing feedback quality and supporting sustained SQL learning.
- Abstract（参考訳）: このWIP論文では,サンドボックスベースの実行,自動結果ベースフィードバック,セッションベースのゲーミフィケーションによる形式的SQL学習をサポートする,WebベースのプラットフォームであるDBWorkoutについて紹介する。
構造化クエリ言語(SQL)の学習は、対話的な実践や即時フィードバックの機会が限られているため、大学生にとって依然として困難である。
学生は、行値、列構造、順序付けなど、クエリの正確性に関する多次元フィードバックを受けながら、ライブデータベースインスタンス上でSQLを反復的に実践する。
インストラクターの作業量を削減するため、DBWorkoutは大規模な言語モデル(LLM)支援ツールを導入し、ヒューマン・イン・ザ・ループワークフロー内でスキーマとタスク生成を行う。
授業助手によるパイロットスタディと2つの中等教育セッションにまたがる170人の学部生による教室展開は、報告された低圧力(22%)とともに、強い学習価値(90%の合意)とエンゲージメント(87%の楽しさ)を示している。
しかし、学生の42%が、自動化されたフィードバックが十分に動作可能であることに気付き、オープンな回答の40%が独立して、フィードバック品質の懸念を提起し、このギャップを相互に三角測量した。
これらの知見は、DBWorkoutの技術的実現可能性と早期教育の可能性を示し、フィードバック品質の向上と持続的SQL学習のサポートの方向性を特定した。
関連論文リスト
- ReToolSQL: Agentic Reinforcement Learning for Robust Text-to-SQL [3.318897003817309]
ReToolはテキスト・ツー・Teacherのための2段階のトレーニングフレームワークである。
ツール利用トラジェクトリ上で適切に設計されたSFT$to$RFTパイプラインは、堅牢なエンタープライズグレードのテキスト・トゥ・ティーチンガーへの実践的な道であることを示す。
論文 参考訳（メタデータ） (2026-08-28T00:23:31Z) - Evaluating LLMs in Database Scenarios: A Lifecycle Benchmark for Assessing Their Potential in Core Database Tasks [29.600030491146175]
大規模言語モデル(LLM)はデータベースのインタラクションパラダイムを変革し、クエリトランスレータをDBAに進化させています。
我々はDBLifeBenchを紹介します。これは、設計、実装、運用、保守という5つの重要なライフサイクルフェーズでLCMを評価する最初のベンチマークです。
論文 参考訳（メタデータ） (2026-08-04T15:10:09Z) - From SQL Errors to Concept Gaps: An AI-Powered Knowledge Graph Analytics Platform for Personalized Feedback [3.052375295075672]
本稿では,AIを活用した知識グラフプラットフォームについて述べる。
NATURAL JOINの誤用は、JOIN、GROUP BY、Havingの相互の誤解を反映している。
本稿では,教材からコース概念と関係を自動的に抽出し,グラフデータベースを通じて学生の投稿トレースにリンクし,概念レベルでエラーを分類するプラットフォームを提案する。
論文 参考訳（メタデータ） (2026-08-04T04:40:01Z) - ProSPy: A Profiling-Driven SQL-Python Agentic Framework for Enterprise Text-to-SQL [51.98164069124653]
ProSPyは、エンタープライズスケールのテキスト-非依存分析のためのプロファイリング駆動フレームワークである。
ProSPyは推論プロセスを4段階に構成する。
まず、自動プロファイリングにより、きめ細かいデータ証拠を抽出する。
大規模なスキーマをタスク関連コンテキストに抽出する。
論文 参考訳（メタデータ） (2026-06-04T08:13:05Z) - SQL-Trail: Multi-Turn Reinforcement Learning with Interleaved Feedback for Text-to-SQL [20.49395306069103]
テキスト・ツー・ワン・ジェネレーションのためのマルチターン強化学習(RL)エージェント・フレームワークを提案する。
1ショットでクエリを生成するのではなく、SQL-Trailはデータベース環境と対話し、実行フィードバックを使用して予測を反復的に洗練する。
提案手法は, エージェントの相互作用深度を問合せ難易度に合わせるための適応的なターン予算配分機構と, sqlの正しさと効率的な探索を両立させる複合報酬パネルの2つを主眼とする。
論文 参考訳（メタデータ） (2026-01-25T05:16:52Z) - RAISE: Reasoning Agent for Interactive SQL Exploration [47.77323087050061]
本稿では,スキーマリンク,クエリ生成,反復的改善を1つのエンドツーエンドコンポーネントに統一する新しいフレームワークを提案する。
本手法は、不慣れなデータベースを扱う際に、人間がどう答えるかをエミュレートする。
論文 参考訳（メタデータ） (2025-06-02T03:07:08Z) - Leveraging Prior Experience: An Expandable Auxiliary Knowledge Base for Text-to-SQL [0.5735035463793009]
大規模言語モデル(LLM)は多くのタスクにまたがる優れた問題解決スキルを示すが、テキスト・トゥ・コンテクストなど、下流の様々なアプリケーションでは人間に比較すると性能が劣っている。
LPE-Leveragingは,微調整を必要とせずに連続的な学習を可能にし,LLMを増強する新しいフレームワークである。
実験結果から,この連続学習手法が性能向上に寄与することが示唆された。
論文 参考訳（メタデータ） (2024-11-20T12:03:17Z) - Learning from Imperfect Data: Towards Efficient Knowledge Distillation of Autoregressive Language Models for Text-to-SQL [83.99974309930072]
知識蒸留(KD)は、より大規模な教師モデルをより小さな学生モデルに蒸留することを目的とした一般的な手法である。
我々は,不完全なデータ,すなわちKIDを用いてKDを改善することを提案する。
KIDは、すべてのモデルタイプとサイズで一貫した、重要なパフォーマンス向上を達成するだけでなく、トレーニング効率を効果的に向上する。
論文 参考訳（メタデータ） (2024-10-15T07:51:00Z) - YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。
モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。
実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
論文 参考訳（メタデータ） (2024-01-28T14:32:15Z) - SQL-PaLM: Improved Large Language Model Adaptation for Text-to-SQL (extended) [53.95151604061761]
本稿では,大規模言語モデル(LLM)を用いたテキスト・ツー・フィルタリングのフレームワークを提案する。
数発のプロンプトで、実行ベースのエラー解析による一貫性復号化の有効性について検討する。
命令の微調整により、チューニングされたLLMの性能に影響を及ぼす重要なパラダイムの理解を深める。
論文 参考訳（メタデータ） (2023-05-26T21:39:05Z) - 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)
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。