文献

J-GLOBAL ID：202102217408897468   整理番号：21A0028856

コンピュータプログラミングクラスにおける研究性能を決定するための主成分クラスタ化因子【JST・京大機械翻訳】

Principal Component Clustered Factors for Determining Study Performance in Computer Programming Class

著者 (4件)： Ninrutsirikun Unhawa (Data Science and Engineering Laboratory (D-Lab), School of Information Technology, King Mongkut’s University of Technology Thonburi, Bangkok, Thailand) ,  Imai Hideyuki (Graduate School of Information Science and Technology, Hokkaido University, Sapporo, Hokkaido, Japan) ,  Watanapa Bunthit (Data Science and Engineering Laboratory (D-Lab), School of Information Technology, King Mongkut’s University of Technology Thonburi, Bangkok, Thailand) ,  Arpnikanondt Chonlameth (Data Science and Engineering Laboratory (D-Lab), School of Information Technology, King Mongkut’s University of Technology Thonburi, Bangkok, Thailand)
資料名： Wireless Personal Communications  (Wireless Personal Communications)
巻： 115  号： 4  ページ： 2897-2916  発行年： 2020年 
JST資料番号： W2022A  ISSN： 0929-6212  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： コンピュータプログラミングの研究は,理論および概念の理解だけでなく,パグマタミズムの符号化を必要とする。このようなコースの研究または実施の成功は,明らかに挑戦である。本論文では,学生の属性(認知的および非認知的能力を含む)と,一連の主成分(PC)への学術的背景の伝統的な遅れ測度を含むモデルを提案した。伝統的手法とは対照的に,提案モデルは直交PCを最適に抽出して,宣言的知識と手続き習熟度(またはスキル)に関して学生の研究性能を決定する基礎を形成する。得られた関係モデルは,学生のクラスタの形で,学生のクラスタの形式において,2つの属性値(即ち,学生のクラスタの形で,各PCにおける学生の元の属性の完全に保存された解釈可能性)を与える。コンピュータプログラミングコースへの導入を登録されたIT主要学生の115の完全データセットを用いて実験を行った。最良の部分集合選択とLASSOアルゴリズムを,特徴の最適集合を見つけるために展開した。モデルの有効性を多重線形回帰によって検証し,それぞれ76.52%と70.44%の精度で知識とスキルに関する性能を予測した。学生クラスタの解釈可能性への洞察を与えた。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  測度 ,  特徴抽出 ,  *クラスタ化 ,  *クラスタ ,  有効性 ,  直交性 ,  *改変
準シソーラス用語： 多重線形回帰 ,  部分集合選択 , 【Automatic Indexing@JST】

著者キーワード (6件)： コンピュータプログラミングにおける達成 ,  最良のサブセット選択 ,  特徴抽出 ,  最適特徴 ,  主成分 ,  LASSO

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

タイトルに関連する用語 (5件)： コンピュータプログラミング ,  クラス ,  研究 ,  クラスタ化 ,  因子