Lifting the hood of the computer: program animation with the Teaching Machine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The teaching of computer programming concepts is hampered by the difficulty students have in visualizing the dynamic processes that are controlled by the static texts of computer programs. This is no surprise, as the students have never actually seen these processes. To reveal what is happening "under the hood" of the computer, we have developed a new tool for program animation: the Teaching Machine. It shows an abstraction that captures some of the ways high-level programmers think of machines, by modeling aspects of both the underlying processor and the compiler. As a program executes, the Teaching Machine can show the flow of control through the source code, the evaluation of expressions, and the changing values of data objects in the memory. The Teaching Machine allows considerable flexibility. Views that are not relevant to an example can be hidden. Execution steps can be as large as a complete subroutine call or as small as a single arithmetic operation. Memory can be viewed in any of four different formats, including a box and arrow representation, which allows automatic animation of algorithms on data structures such as linked lists and trees. We have used the Teaching Machine in a number of ways: as an animated blackboard for an instructor to use in the classroom; as an application that students can use to investigate either canned examples or their own programs; as an component in a Web tutorial; and as the centrepiece of a series of tutorial videos. The Teaching Machine has been used in a first course on programming, a second course on programming, and a course on data structures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle