論文の概要: SocraticRepair: Planning-Guided Socratic Tutoring for Program Debugging and Misconception Repair

• arxiv url: http://arxiv.org/abs/2610.15204v1
• Date: Sat, 10 Oct 2026 22:28:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.174175
• Title: SocraticRepair: Planning-Guided Socratic Tutoring for Program Debugging and Misconception Repair
• Title（参考訳）: SocraticRepair: プログラムデバッグとミスコンセプション修復のためのプランニングガイドによるソクラティックチューニング
• Abstract要約: 本稿では,プログラムデバッグと誤認識修復のための計画指導フレームワークであるSocraticRepairを紹介する。 フレームワークはPythonプログラミング領域でQwen2.5-Coder-7B-Instructを微調整することでインスタンス化される。 実験の結果,SocraticRepairはステップワイドな足場と質問品質で高いスコアを得ると同時に,未熟な解開示を大幅に削減することがわかった。
• 参考スコア（独自算出の注目度）: 1.1213359816349568
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models are increasingly used in computer science education. However, the teaching abilities of even the most powerful LLMs are limited: they tend to reveal the solution prematurely and may lose focus on the learner's current debugging objective. To address this, we introduce SocraticRepair, a planning-guided Socratic tutoring framework for program debugging and miscon- ception repair that adapts prior planning-guided tutoring work (Li et al., 2026b). The framework is instantiated in the Python programming domain by fine-tuning Qwen2.5-Coder-7B-Instruct on synthetic multi-turn tutoring dialogues constructed from four preprocessed programming datasets. The system is evaluated using a predefined set of independent metrics and benchmarked against a general-purpose LLM. The experiments show that SocraticRepair achieves higher scores on stepwise scaffolding and question quality while also substantially reducing premature solution disclosure. The results also identify reliable pedagogical plan generation as an important remaining challenge.
• Abstract（参考訳）: 大規模言語モデルは、コンピュータサイエンス教育でますます使われている。 しかし、最も強力なLLMの教育能力は限定的であり、彼らは解を早期に明らかにし、学習者の現在のデバッグ目標に焦点を絞る傾向がある。 そこで我々は,計画誘導型指導作業(Li et al , 2026b)に適応するプログラムデバッグと誤コンセプション修復のための,計画誘導型指導フレームワークであるSocraticRepairを紹介する。 フレームワークはPythonプログラミング領域で、Qwen2.5-Coder-7B-Instructing Qwen2.5-Coder-7B-Instructing Multi-turn Tutoringダイアログを4つの事前処理されたプログラミングデータセットから構築することでインスタンス化される。 システムは、事前に定義された独立したメトリクスのセットを用いて評価され、汎用LLMに対してベンチマークされる。 実験の結果,SocraticRepairはステップワイドな足場と質問品質で高いスコアを得ると同時に,未熟な解開示を大幅に低減することがわかった。 結果は、信頼できる教育計画生成が重要な課題であることも確認した。

関連論文リスト

• Beyond the Traceback: Using LLMs for Adaptive Explanations of Programming Errors [52.619793817715326]
  本稿では,LLM生成したPythonエラーメッセージを,多段階のクラウドソースで評価する。 LLMで書き直されたメッセージは主観評価を著しく向上させたが、これらの評価結果は客観的デバッグ性能の統計的に有意な改善には至らなかった。 これは重要なヒューマンとAIの相補性ギャップを浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-08-21T09:14:28Z)
• Evaluating LLMs for Answering Student Questions in Introductory Programming Courses [0.0]
  本研究では,CS1プログラミングコースにおける学生の質問に答える上で,大規模言語モデルの安全かつ効果的に支援する能力について検討する。 従来のテキストマッチングメトリクスは、オープンエンドの教育応答を評価するには不十分であるため、独自のLCM-as-a-Judgeメトリックを開発し、検証した。 以上の結果から,ジェミニ3フラッシュなどのモデルが典型的な教育者応答の品質基準を超越し,専門家の教育基準と高い整合性が得られることが示唆された。
  論文  参考訳（メタデータ） (2026-03-30T11:22:58Z)
• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• ToolCoder: A Systematic Code-Empowered Tool Learning Framework for Large Language Models [81.12673534903979]
  ツール学習は、大規模な言語モデル(LLM)にとって、外部ツールとのインタラクションを通じて、複雑な現実世界のタスクを解決する重要な機能として登場した。 本稿では,ツール学習をコード生成タスクとして再編成する新しいフレームワークであるToolCoderを提案する。
  論文  参考訳（メタデータ） (2025-02-17T03:42:28Z)
• Retrieved In-Context Principles from Previous Mistakes [55.109234526031884]
  In-context Learning (ICL) は、入力出力の正しい例を用いて、下流のタスクにLarge Language Models (LLM) を適用するのに役立っている。 近年の進歩は、ミスから派生した原則により、モデルパフォーマンスの改善を試みている。 本稿では,新しい教師学習フレームワークであるRetrieved In-Context Principles (RICP)を提案する。
  論文  参考訳（メタデータ） (2024-07-08T07:32:26Z)
• Instruct, Not Assist: LLM-based Multi-Turn Planning and Hierarchical Questioning for Socratic Code Debugging [27.70379206820154]
  ソクラテス質問は効果的な教育戦略であり、批判的思考と問題解決を奨励する。 TreeInstructは、学生が個別にエラーを特定し、解決するのを助けるために、探索的な質問をする。 学生の概念的・統語的知識を推定し、その反応と現在の知識状態に基づいて質問ツリーを動的に構築する。
  論文  参考訳（メタデータ） (2024-06-17T16:28:21Z)
• Peer-aided Repairer: Empowering Large Language Models to Repair Advanced Student Assignments [26.236420215606238]
  我々は,大規模言語モデルを利用したPaRというフレームワークを開発した。 PaRは、ピアソリューション選択、マルチソースプロンプト生成、プログラム修復の3段階で動作する。 Defects4DSと他のよく検証されたTHEPデータセットの評価は、PaRが新しい最先端のパフォーマンスを達成することを明らかにしている。
  論文  参考訳（メタデータ） (2024-04-02T09:12:21Z)

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。