Interpretable Clustering of Students’ Solutions in Introductory
Programming

D 2021

Interpretable Clustering of Students’ Solutions in Introductory Programming

EFFENBERGER, Tomáš a Radek PELÁNEK

Základní údaje

Originální název

Interpretable Clustering of Students’ Solutions in Introductory Programming

Autoři

EFFENBERGER, Tomáš (203 Česká republika, garant, domácí) a Radek PELÁNEK (203 Česká republika, domácí)

Vydání

Cham, Artificial Intelligence in Education. AIED 2021. Lecture Notes in Computer Science, vol 12748, od s. 101-112, 12 s. 2021

Nakladatel

Springer

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Odkazy

URL

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/21:00121982

Organizační jednotka

Fakulta informatiky

ISBN

978-3-030-78291-7

ISSN

DOI

http://dx.doi.org/10.1007/978-3-030-78292-4_9

UT WoS

000885021300009

Klíčová slova anglicky

interpretable clustering; pattern mining; introductory programming; problem solving

Štítky

core_A, firank_A

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 16. 8. 2023 13:20, RNDr. Pavel Šmerk, Ph.D.

Anotace

V originále

In introductory programming and other problem-solving activities, students can create many variants of a solution. For teachers, content developers, or applications in student modeling, it is useful to find structure in the set of all submitted solutions. We propose a generic, modular algorithm for the construction of interpretable clustering of students’ solutions in problem-solving activities. We describe a specific realization of the algorithm for introductory Python programming and report results of the evaluation on a diverse set of problems.

Návaznosti

MUNI/A/1549/2020, interní kód MU

Název: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 21 (Akronym: SKOMU)

Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 21

MUNI/A/1573/2020, interní kód MU

Název: Aplikovaný výzkum: vyhledávání, analýza a vizualizace rozsáhlých dat, zpracování přirozeného jazyka, umělá inteligence pro analýzu biomedicínských obrazů.

Investor: Masarykova univerzita, Aplikovaný výzkum: vyhledávání, analýza a vizualizace rozsáhlých dat, zpracování přirozeného jazyka, umělá inteligence pro analýzu biomedicínských obrazů.

Citovat

EFFENBERGER, Tomáš a Radek PELÁNEK. Interpretable Clustering of Students’ Solutions in Introductory Programming. Online. In Roll I., McNamara D., Sosnovsky S., Luckin R., Dimitrova V. Artificial Intelligence in Education. AIED 2021. Lecture Notes in Computer Science, vol 12748. Cham: Springer, 2021, s. 101-112. ISBN 978-3-030-78291-7. Dostupné z: https://dx.doi.org/10.1007/978-3-030-78292-4_9.

@inproceedings{1783837,
   author = {Effenberger, Tomáš and Pelánek, Radek},
   address = {Cham},
   booktitle = {Artificial Intelligence in Education. AIED 2021. Lecture Notes in Computer Science, vol 12748},
   doi = {http://dx.doi.org/10.1007/978-3-030-78292-4_9},
   editor = {Roll I., McNamara D., Sosnovsky S., Luckin R., Dimitrova V.},
   keywords = {interpretable clustering; pattern mining; introductory programming; problem solving},
   howpublished = {elektronická verze "online"},
   language = {eng},
   location = {Cham},
   isbn = {978-3-030-78291-7},
   pages = {101-112},
   publisher = {Springer},
   title = {Interpretable Clustering of Students’ Solutions in Introductory Programming},
   url = {https://doi.org/10.1007/978-3-030-78292-4_9},
   year = {2021}
}

TY  - JOUR
ID  - 1783837
AU  - Effenberger, Tomáš - Pelánek, Radek
PY  - 2021
TI  - Interpretable Clustering of Students’ Solutions in Introductory Programming
PB  - Springer
CY  - Cham
SN  - 9783030782917
KW  - interpretable clustering
KW  - pattern mining
KW  - introductory programming
KW  - problem solving
UR  - https://doi.org/10.1007/978-3-030-78292-4_9
N2  - In introductory programming and other problem-solving activities, students can create many variants of a solution. For teachers, content developers, or applications in student modeling, it is useful to find structure in the set of all submitted solutions. We propose a generic, modular algorithm for the construction of interpretable clustering of students’ solutions in problem-solving activities. We describe a specific realization of the algorithm for introductory Python programming and report results of the evaluation on a diverse set of problems.
ER  -

EFFENBERGER, Tomáš a Radek PELÁNEK. Interpretable Clustering of Students’ Solutions in Introductory Programming. Online. In Roll I., McNamara D., Sosnovsky S., Luckin R., Dimitrova V. \textit{Artificial Intelligence in Education. AIED 2021. Lecture Notes in Computer Science, vol 12748}. Cham: Springer, 2021, s.~101-112. ISBN~978-3-030-78291-7. Dostupné z: https://dx.doi.org/10.1007/978-3-030-78292-4\_{}9.

Podrobný výpis o publikaci