Do Computer Science Students Understand Their Programming Task?—A Case Study of Solving the Josephus Variant Problem
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 ability of students to problem solve begins with interpreting the problem. When they interpret the problem inaccurately, they will likely use ineffective strategies or fail to solve the problem. Studies reported students are often incapable of identifying and articulating the problem goal, requirements/constraints, and expected output. In other words, students lack self-regulation skills, especially related to task understanding. In this study, two male and two female senior computer science students from Utah State University, USA, were recruited as research participants to learn more about their task understanding skills while engage in programming tasks. The participants were asked to answer five programming problems while thinking aloud, and their responses were video- and audio-recorded. This report focuses on one of the problems, which was a variant of the Josephus problem. Three research questions were used to guide the analysis: (a) what were the participants’ initial task understanding; (b) how did it change during the problem-solving endeavor; and (c) why did it change. All participants identified the problem goal inaccurately and as a result, selected ineffective problem-solving strategies. The analysis suggested their inaccurate task interpretations were caused by their confidence bias (i.e., a systematic cognitive error), in which they drew knowledge and strategies from irrelevant experience. Out of four participants, only one was able to defeat the confidence bias and acquired an accurate task understanding; the influencing factors and possible interventions to overcome confidence bias are discussed.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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