.png){kind=icon}
返回
Using hidden Markov model to detect problem-solving strategies in an interactive programming environment
.png){kind=icon}
PRE
AI
DOI：10.1007/s11423-025-10506-w.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
解决问题策略在编程学习中至关重要。由于其隐蔽性，传统的访谈和问卷调查等方法无法反映编程中解决问题策略的细节和差异。本研究使用隐马尔可夫模型（Hidden Markov Model）来检测和比较不同群体在交互式编程环境中的解决问题策略。结果表明，高绩效学生和低绩效学生在编程中的解决问题策略存在显著差异。视频记录显示，高绩效学生在编程中的空白行为（blank behaviors）多于低绩效学生。低绩效学生在查阅教材上花费的时间多于高绩效学生。在迁移任务中，高绩效学生通过识别问题开始任务，而低绩效学生则直接参与策略实施。此外，高绩效和低绩效学生在从基础任务到迁移任务的过程中均有所进步。这些发现为理解学生编程表现差异的原因以及教师在编程教育中如何、何时提供指导提供了启示。
Keyword:
Hidden Markov model
Problem-solving strategy
Programming learning
Programming performance
期刊
E
IF:
4.2
论文数:
2.2K
被引数:
7.0K
机构
暂无机构信息
引用论文
A TUTORIAL ON HIDDEN MARKOV-MODELS AND SELECTED APPLICATIONS IN SPEECH RECOGNITION关于语音识别中的隐马尔可夫模型和选定应用的教程.png)
PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏Exploring students' computational practice, design and performance of problem-solving through a visual programming environment通过可视化编程环境探索学生的计算实践，设计和解决问题的能力COMPUTERS & EDUCATION
COMPUTERS & EDUCATIONIF10.5
PREAI
分享收藏
Enhancing problem‐solving skills of novice programmers in an introductory programming course提高初级编程课程中初学程序员的解决问题能力
PREAI
分享收藏Impact of a New Teaching and Learning Approach in an Introductory Programming Course一种新的教学和学习方法在编程入门课程中的影响
PREAI
分享收藏
查看更多内容