文献

J-GLOBAL ID：202102213018229967   整理番号：21A2644959

評価データと概念マップを用いた認知学習解析:プログラミングコースの持続可能性のためのフレームワークベースアプローチ【JST・京大機械翻訳】

Cognitive Learning Analytics Using Assessment Data and Concept Map: A Framework-Based Approach for Sustainability of Programming Courses

著者 (4件)： Omer Uzma (Department of Computer Science, University of Management and Technology, Johar Town, Lahore 54782, Pakistan) ,  Omer Uzma (Department of Information Sciences, University of Education, Lahore, 54770, Pakistan) ,  Farooq Muhammad Shoaib (Department of Computer Science, University of Management and Technology, Johar Town, Lahore 54782, Pakistan) ,  Abid Adnan (Department of Computer Science, University of Management and Technology, Johar Town, Lahore 54782, Pakistan)
資料名： Sustainability (Web)  (Sustainability (Web))
巻： 12  号： 17  ページ： 6990  発行年： 2020年 
JST資料番号： U7281A  ISSN： 2071-1050  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 初期レベルプログラミングコースの学生は,プログラミング概念を学習しながら,一般的に困難に直面している。これらの課程における学習解析研究は,特定の概念の様々な認知レベルで学習を評価するためには,ほとんど注意が払われない限り,評価の側面に関して,ほとんど外ドット的である。さらに,既存の研究は,コースの次の段階に対する学習者の認知性能の効果を調べる際の欠陥を反映している。このギャップは,コンピュータ科学および関連分野でのプログラミングコースを効果的に維持するために,認知解析のより粒状で方法論的なアプローチを導入することによって取り組む必要がある。本論文では,初期レベルプログラミングコースにおける概念教示に関する認知学習解析のためのフレームワークベースアプローチを提案した。フレームワークは,概念マッピングの技術を用いて概念データに構造を提供するプラットフォームとして機能し,評価データを用いて関連概念に関する学習者認識伝播を調べる。学習者の認知マップから確立されたメトリックを通して,比較的高レベルプログラミング概念について,フレームワークの関連する層を展開して取得した学習者性能予測を調べた。得られた全体最大予測精度範囲は64.81%から90.86%であり,これは関連研究の大部分で提示された予測精度より良好であった。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *計算機科学
準シソーラス用語： *持続可能性 ,  学習者 , 【Automatic Indexing@JST】

著者キーワード (5件)： 学習解析 ,  持続可能性 ,  認知 ,  プログラミング ,  性能予測

分類 (2件)： 技術教育  (JA01050T) ,  CAI  (JE09000G)

引用文献 (46件)：

• Mangaroska, K.; Giannakos, M. Learning analytics for learning design: A systematic literature review of analytics-driven design to enhance learning. IEEE Trans. Learn. Technol. 2018, 12, 516-534.
• Watson, C.; Li, F.W. Failure rates in introductory programming revisited. In Proceedings of the 2014 Conference on Innovation and Technology in Computer Science Education, Uppsala, Sweden, 23-25 June 2014; ACM: New York, NY, USA, 2014.
• Luxton-Reilly, A.; Albluwi, I.; Becker, B.A.; Giannakos, M.; Kumar, A.N.; Ott, L.; Paterson, J.; Scott, M.J.; Sheard, J.; Szabo, C.; et al. Introductory programming: A systematic literature review. In Proceedings of the 23rd Annual ACM Conference on Innovation and Technology in Computer Science Education, Larnaca, Cyprus, 2-4 July 2018; Association for Computing Machinery: New York, NY, USA, 2018.
• Liao, S.N.; Zingaro, D.; Thai, K.; Alvarado, C.; Griswold, W.G.; Porter, L. A robust machine learning technique to predict low-performing students. ACM Trans. Comput. Educ. (TOCE) 2019, 19, 1-19.
• Koong, C.S.; Tsai, H.Y.; Hsu, Y.Y.; Chen, Y.C. The Learning Effectiveness Analysis of JAVA Programming with Automatic Grading System. In Proceedings of the 2018 IEEE 42nd Annual Computer Software and Applications Conference (COMPSAC), Tokyo, Japan, 23-27 July 2018; IEEE: Piscataway, NJ, USA, 2018. Available online: https://ieeexplore.ieee.org/document/8377837 (accessed on 6 July 2019).

タイトルに関連する用語 (6件)： 評価 ,  概念マップ ,  認知 ,  学習解析 ,  プログラミング ,  持続可能性