返回
Personalized Learning Analytics Through Static Code Analysis in Computer Science Education
DOI:10.18267/j.aip.283.png)
摘要
En 中文
背景:编程学习对初学者来说往往很困难,主要是因为大规模教育环境中难以提供及时和个性化的反馈。尽管自动化评估系统提高了评分和反馈的效率,但它们通常关注正确性,且在代码质量、可读性和可维护性方面的个性化指导往往不足。目的:本研究旨在探讨将静态代码分析集成到自动化评估系统中以提供个性化反馈,能否有效提升学生代码质量、学习过程以及编程课程的参与度。方法:我们设计了一个集成静态分析工具(Cppcheck和Clang-format)的个性化反馈系统,并将其部署在现有自动化评估平台上,供本科生编程学生使用。该系统在涉及60名学生的对照实验中进行评估,学生被随机分为对照组和处理组。个性化反馈的有效性通过定量指标(风格违规、潜在错误和设计问题)、定性调查以及多次作业的提交行为进行衡量。结果:结果表明,接受个性化反馈的学生提高了代码质量,与对照相比,风格违规减少了76%,潜在错误减少了52%,结构问题减少了32%。学生还表达了更高的满意度、更强的动机,以及更愿意根据个性化反馈迭代改进代码。结论:将静态代码分析用于个性化反馈不仅提升了代码质量,还有助于学生更深入地理解良好的编程实践。未来研究应关注使反馈系统更具适应性,融入智能辅导技术,并探索对编程习惯和技能保持的长期影响。
Keyword:
Personalized feedback
Static code analysis
Student engagement
Code quality improvement
Learning analytics
Student-centered feedback
Clean code principles
Code quality metrics
Interactive feedback
期刊
A
IF:
1.1
论文数:
15
被引数:
0
机构
引用论文
Impact of Virtual Assistant on Programming Novices’ Performance, Behavior and Motivation虚拟助手对编程新手绩效、行为和动机的影响
Automated Grading and Feedback Tools for Programming Education: A Systematic Review编程教育的自动评分和反馈工具: 系统综述

