MétaCan
Menu
Retour à la cohorte
Enregistrement W2113608839 · doi:10.1109/fie.2005.1612204

Memview: A Pedagogically-Motivated Visual Debugger

2006· article· en· W2113608839 sur OpenAlexaff
Paul Gries, Volodymyr Mnih, James Taylor, Greg Wilson, Lee Zamparo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensYork UniversityUniversity of Toronto
Organismes subventionnairesRice University
Mots-clésHeap (data structure)Computer scienceDebuggerPointer (user interface)Programming languageCall stackTheoretical computer scienceStack (abstract data type)Artificial intelligenceDebugging

Résumé

récupéré en direct d'OpenAlex

Novice programmers often have difficulty understanding the interactions between the objects in their programs. Many studies have shown that visual representations of computer memory can aid students' comprehension. One such representation, developed by Gries and Gries, divides computer memory into three areas: one for the call stack, one for static objects allocated on the heap ("static space"), and one for normal heap objects ("object space"). Memview, an extension to the DrJava IDE developed at Rice University, is a dynamic, interactive display of computer memory based on this model. Its simple three-pane representation shows novices the life cycle of objects, and helps them understand three key concepts: the notion of an "address" in memory, how storing an address creates a reference from one object to another, and the differences between the heap, the stack, and static space. User tests conducted during the summer of 2004 demonstrated that Memview facilitated faster completion of common introductory programming problems. Since then, Memview has been used in an introductory programming course to illustrate basic data structures such as linked lists. We are presently refining the tool based on further feedback from students and instructors

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,261
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTeaching and Learning ProgrammingTravaux en français237 207