Customizing Feedback for Introductory Programming Courses Using Semantic Clusters
Customizing Feedback for Introductory Programming Courses Using Semantic Clusters
复制标题
使用语义集群定制入门编程课程的反馈
DOI：
10.1007/978-3-030-80421-3_30
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Rivero, Carlos R.
中科院分区：
文献类型：
--
作者：
Marin, Victor J.;Hosseini, Hadi;Rivero, Carlos R.
在世界范围内，入门编程学习者的数量正在增加。向这些学习者提供反馈对于支持他们的进步非常重要;然而，提供反馈的传统方法无法扩展到数千个程序。我们确定了几个机会，以改善最近的数据驱动的技术来分析个人的程序语句。这些语句根据它们的语义意图进行分组，并且通常在它们的实际实现和语法上有所不同。现有的技术组的语句是语义接近，并认为离群值的语句，减少集群的凝聚力。不幸的是，这种方法导致许多语句被认为是离群值。我们建议通过一种新的聚类算法，处理顶点的密度的基础上，以减少离群值的数量。我们的实验超过六个真实世界的介绍性编程任务表明，我们能够减少离群值的数量，因此，增加正在评估的程序的总覆盖率。
The number of introductory programming learners is increasing worldwide. Delivering feedback to these learners is important to support their progress; however, traditional methods to deliver feedback do not scale to thousands of programs. We identify several opportunities to improve a recent data-driven technique to analyze individual program statements. These statements are grouped based on their semantic intent and usually differ on their actual implementation and syntax. The existing technique groups statements that are semantically close, and considers outliers those statements that reduce the cohesiveness of the clusters. Unfortunately, this approach leads to many statements to be considered outliers. We propose to reduce the number of outliers through a new clustering algorithm that processes vertices based on density. Our experiments over six real-world introductory programming assignments show that we are able to reduce the number of outliers and, therefore, increase the total coverage of the programs that are under evaluation.
登录
查看更多内容
入学人数激增：调查数据
DOI：
10.1145/2839509.2844663
发表时间：
2016
期刊：
Proceedings of the 47th ACM Technical Symposium on Computing Science Education
影响因子：
--
作者：
T. Camp;S. Zweben;D. Buell;Jane Stout
通讯作者：
Jane Stout
当我们给课程评分时我们在想什么？
DOI：
10.1145/2445196.2445339
发表时间：
2013
期刊：
Proceedings of the 47th ACM Technical Symposium on Computing Science Education
影响因子：
--
作者：
Sue Fitzgerald;Brian F. Hanks;R. Lister;R. McCauley;Laurie Murphy
通讯作者：
Laurie Murphy
学习识别入门编程作业中语义相似的程序语句
DOI：
10.1145/3408877.3439599
发表时间：
2021
期刊：
The 52nd ACM Technical Symposium on Computer Science Education
影响因子：
--
作者：
Jawalkar, Mayur Sunil;Hosseini, Hadi;Rivero, Carlos R.
通讯作者：
Rivero, Carlos R.
机器学习 MOOC 中百万个代码提交的语法和功能变异性
DOI：
--
发表时间：
2013
期刊：
International Conference on Artificial Intelligence in Education
影响因子：
--
作者：
Jonathan Huang;C. Piech;A. Nguyen;L. Guibas
通讯作者：
L. Guibas