STELA_학습분석 기법 및 딥러닝 모델을 적용한 소프트웨어 교육 교수 지원 시스템 개발.pdf
STELA_학습분석 기법 및 딥러닝 모델을 적용한 소프트웨어 교육 교수 지원 시스템 개발.pdf
질의응답
- 방법론 차원에서 GPT-2를 선택한 이유
- 엔트리와 같은 프로그램의 경우에는 위에서 아래로 예측
- 입력 프롬프트 다음에 나오는 단어를 순차적으로 예측하도록 훈련하기에는 GPT-2가 적합하다고 판단함
- 텍스트 생성 모델에서는 GPT-2를 사용
- 학위논문 이후에는 GPT-3, BERT를 비교
- 연구 결과에서 1번, 17번은 성능이 내려간 이유
- 한개의 코드는 잘 사용되지 않음
- 서로 유사한 score를 구하기 어려웠음
- 서버
- classification을 쓰지 않은 이유?
- 학생이 블럭을 사용하다보면 여러개의 블럭을 사용할 것이라고 생각함
- 시퀀스이기 때문에
- 시계열 데이터
- 힌트 제공하는 시점을 10초로 설정한 이유?
- 학생들을 관찰했을 때, 학생들이 어려워하는 것을 교사가 느낄 수 있을 때
- 5초는 너무 자주나오게 되고, 10초로 구현
- 조정을 할 수 있음
- 코드 유사도
- 2017년에 reven → code BERT와 같은 딥러닝 알고리즘이 등장함
- 학생들에게 실제로 수업에 활용할 때, 마우스 클릭 등의 지시어에 대해서 어떻게 생각하는지?
- 프로그래밍은 자유도가 높음
- 교사가 중심, 교사가 학생을 지도할 때 더 효과적인 부분에 대해서 집중하면서
- 수업을 할 때는 엔트리의 기본적인 기능은 미리 알려줌
- 학생의 문제 해결력 등에서 성취도 등이 향상이 있긴하였음
- 실제로 학생들이 만들면서 내가 만들고 있는 코드와 교사의 코드를 비교할 수 있었음
- 학생들이 블록이 어디에 있는지 잘 모른다고 생각되어서 힌트를 추천하는 것을 만들게 되었음
- 코딩교육에서의 피드백
- 이유
- 학생들이 소프트웨어 교육을 받게 되면, 결과적으로 학생들이 내가 만들고자하는 정답코드와 가깝도록 해야할 것인가? 학생들이 정답은 아니더라도 자유롭게 해도 되는지에 대한 고민이 있음
- 이상적인 것은 후자이지만, 교사가 지도하는 입장에서는 어려워짐
- 절충하는 방법
[email protected]