MétaCan
Menu
Retour à la cohorte
Enregistrement W4404910526 · doi:10.1145/3649409.3691078

UML Mentor: A Tool for Interactive and Collaborative Software Design Education

2024· article· en· W4404910526 sur OpenAlexaff
Rutwa Engineer, Volodymyr Yaremchuk, Eren Suner, Omar Khamis, Alex Apostolu, Alvina Ng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueModel-Driven Software Engineering Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésComputer scienceUnified Modeling LanguageSoftware engineeringSoftwareProgramming language

Résumé

récupéré en direct d'OpenAlex

This lightning talk describes a homegrown digital educational tool, Unified Modeling Language Mentor (UML Mentor), that allows students to participate in software design challenges and create UML diagrams. Introducing design patterns in an undergraduate object-oriented software design course offers a unique opportunity to embed good design techniques, which can be transferred to real-world scenarios. UML Mentor encourages students to evaluate software design challenges from diverse perspectives by experimenting and reflecting through UML diagram creation. The software design challenges consist of a description, use cases, and expected functionality. Each challenge describes a program for which the students are expected to create a UML class diagram. Once students have completed creating the UML diagram for a challenge, they can post it for others to review. We recognize that providing feedback on UML diagrams can be time-consuming for CS educators, especially because there can be multiple valid design patterns acceptable for a challenge. As a result, in UML Mentor, students can collaborate and provide formative peer feedback through comments. To encourage community building and mentoring in the classroom, the original creator of a UML diagram can mark some peer comments as 'helpful' to show gratitude towards the commentator. Our tool helps students build confidence in creating UML diagrams according to diverse design patterns and facilitates peer feedback. During the talk, we will do a walk-through of an example software design challenge, showcase implemented features, and gather participant input and critique on UML Mentor to improve and inform future releases.

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)0,008
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,056
Score d'incertitude au seuil0,188

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,021
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0040,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0560,019

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 Opus0,011
Tête enseignante GPT0,280
Écart entre enseignants0,269 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetModel-Driven Software Engineering TechniquesTravaux en français237 207