.png){kind=icon}
返回
A Machine Learning-Based Automated Scoring Approach for Operator Code Assignments
.png){kind=icon}
PRE
AI
DOI：10.1142/S021812662550029X.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自动化智能代码评估系统用于操作员培训，能够使操作员获得及时反馈并提升其技能。最近，用于操作员培训的最广泛使用的自动化智能评估系统是基于动态测试方法。然而，该方法的不足之处在于无法评估操作员的编程逻辑或提供对其编程能力的洞察。为解决此问题，我们提出了一种基于机器学习的自动代码作业评分方法，该方法从操作员的代码中提取语法、语义和控制流图（CFG）信息，然后使用分类器进行自动评分。此外，我们开发了一种自动化标记方法，利用操作员表现与预期之间的距离来应对人工评分的偏差。这使得系统的评分更加客观合理，为操作员提供更有效的积极反馈。我们构建了一个包含48,530个C/C++源代码的数据集，实验结果表明，我们的方法在偏差（Bias）、平均绝对误差（MAE）和皮尔逊相关系数（r）方面分别达到了0.04、0.20和0.95的优异结果。此外，在与当前最先进的基线方法进行比较时，我们发现该方法能显著优于它们。
Keyword:
Automated intelligent code assessment
operator training
machine learning-based scoring method
automatic tagging method
performance evaluation metrics
期刊
IF:
1
论文数:
387
被引数:
2.3K
机构
引用论文
A review of machine learning techniques using decision tree and support vector machine基于决策树和支持向量机的机器学习技术综述
PREAI
分享收藏分享收藏Spoken English Grading.png)
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏分享收藏
分享收藏
查看更多内容