|
早稲田大学
鷲崎 弘宜
教授
機関別共同研究
Discovery Saga
論文分野別Discovery Saga
研究テーマDiscovery Saga
協賛企業
共同研究先:Japan Science and Technology Agency
Government
共同研究数 1
Conference Paper
2017 1 1
Student placement predictor for programming class using classes attitude, psychological scale, and code metrics
授業態度、心理尺度、コードメトリクスを用いたプログラミング授業の生徒配置予測ツール
Ryosuke Ishizue, Kazunori Sakamoto, Hironori Washizaki, Yoshiaki Fukazawa
【抄録】
It is often necessary to divide a class according to students' skill level and motivation to learn. This process is burdensome for teachers because they must prepare, implement, and evaluation a placement examination. This paper tries to predict the placement results via machine learning from some materials without such an examination. The explanatory variables are 1. Psychological Scale, 2. Programming Task, and 3. Student-answered Questionnaire. The participants are university students enrolled in a Java programming class. The target variable is the placement result based on an examination by a teacher of the class. Our classification model with Decision Tree has an F-measure of 0.937. We found that the set of the following explanatory variables can yield the best F-measure (0.937): (1) Class Fan Out Complexity, (2) Practical utility value, (3) Difficulty Level 4 (AOJ), (4) Difficulty Level 3 (AOJ), (5) Interest value, and (6) Never-Give-Up Attitude. © 2017 Asia-Pacific Society for Computers in Education. All rights reserved.
【抄録日本語訳】
生徒の習熟度や学習意欲に応じてクラス分けをする必要がある場合も多い。その際、クラス分け試験の準備・実施・評価を行う必要があり、教員にとって負担となる。本論文では、このような試験を実施しない教材から、機械学習によりクラス分けの結果を予測することを試みる。説明変数は、1. 説明変数は,1.心理尺度,2.プログラミング課題,3. 生徒が回答したアンケートである.参加者は、Javaプログラミングの授業を受講している大学生である。対象変数は、そのクラスの教師による試験に基づくクラス分けの結果である。決定木を用いた我々の分類モデルは、F値が0.937であった。我々は、以下の説明変数のセットが最も良いFメジャー(0.937)をもたらすことができることを発見した。(1) Class Fan Out Complexity, (2) Practical utility value, (3) Difficulty Level 4 (AOJ), (4) Difficulty Level 3 (AOJ), (5) Interest value, および (6) Never-Give-Up Attitude...である。© 2017 アジア太平洋教育用コンピュータ協会. All rights reserved.