Effect of algorithms’ multiple representations in the context of programming education
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
Purpose The purpose of this paper is to compare the effect of different representations while teaching basic algorithmic concepts to novice programmers. Design/methodology/approach A learning activity was designed and mediated with two conceptually different learning environments, each one used by a different group. The first group used the learning environment “Visual Flowchart”, which enables the students to construct and examine an algorithm using visual representation based on actual flowchart objects. The second group used the software “Language Interpreter”, which allows the students to express an algorithms using pseudocode. Findings Analysis of results among the two groups showed no statistically significant differences in the students’ performance with respect to the tool they used to solve the activity, the school stream they followed in high school and their gender. Research limitations/implications The lack of difference among the two groups could be attributed to the non‐complicated nature of the given activity. In addition, longitudinal studies of the effect of the different representation in the frame of an introductory first semester academic course in computer science could further validate the results. Practical implications Two alternative learning environments aimed to support learning of basic programming skills. Originality/value Two alternative learning environments were presented and discussed in detail, aimed to support learning of basic programming skills. The conclusions of the present study are in contrast to the research that has taken place in the past which compared usage of flowcharts and pseudocode to educate novice programmers, and wider adoption of “flowcharts” was depicted.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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