.png){kind=icon}
返回
Automated Formative Feedback for Algorithm and Data Structure Self-Assessment
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14051034.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自我评价能够使学生独立进步，并根据自身独特情况调整学习进度。自我评估和个性化学习的关键在于为学习者提供形成性反馈。这种在学生对自我评估问题作出回应后提供的反馈，构成了形成性评估系统的关键组成部分。我们假设，可以通过不同的技术，根据所考虑的自我评估问题的类型，生成有用的形成性反馈解释。本研究关注西班牙一所远程教育大学计算机科学课程中的一门学科。具体而言，它深入探讨了高级数据结构和算法框架，这些框架作为解决复杂问题的基本原则。这些解释性资源的生成取决于问题的具体性质，无论是理论性、实践性、与计算成本相关，还是专注于选择最优算法方法。我们的工作包括对每种问题类型的全面分析，并为每种情况提供定制化解决方案。为了尽可能自动化这一过程，我们利用自然语言处理技术，并融入了先进的语义相似性方法。对一组理论性问题生成的反馈评估结果表明，所提出的方法是有效的，使我们能够无缝地将该反馈整合到自我评估系统中。根据一项调查，学生认为由此产生的工具非常有用。
Keyword:
online learning
formative feedback
natural language processing
semantic similarity
large language models
期刊
IF:
2.6
论文数:
1.0W
被引数:
4.7W
机构
U
引用论文
Deep-Learning Approach to Educational Text Mining and Application to the Analysis of Topics' Difficulty.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容