kth.sePublikationer KTH
Driftstörningar
Det förekommer återkommande driftstörningar på några av sök-portalerna på grund av hög belastning. Vi arbetar på att lösa problemet, ni kan tillfälligt mötas av ett felmeddelande.
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Contextual Feedback in Automated Exercises for Novice Programmers: A Pilot Study
KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap.
KTH, Skolan för elektroteknik och datavetenskap (EECS), Datavetenskap.
2022 (Engelska)Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)Alternativ titel
Kontextuell återkoppling i automatiserade uppgifter för nybörjarprogrammerare : en pilotstudie (Svenska)
Abstract [en]

Introductory programming courses lay the very foundation that programmers build upon to learn how to create and improve digital systems that our modern world depends on. In these courses, students are frequently instructed to solve programming exercises for practice - something that many studies encourage. Although repeated practice is indeed a dominant aspect of mastering a skill, it is widely acknowledged that feedback on one’s work is another major influence on learning and achievement. Unfortunately, composing feedback for each exercise attempt is time-consuming for teachers when the course is attended by a great number of students. It is also time-consuming to create exercises for students to solve. Therefore, numerous researchers have studied and developed automated question generators. However, not as much research have been conducted on automated feedback generators. Ideally, teachers would use a generator that could generate programming exercises with incorporated effective feedback. In this pilot study, a concept of generating effective and contextual feedback together with programming exercises is presented and evaluated. It was evaluated by first year Computer Science students who solved exercises by being provided with either contextual feedback or normal compiler error messages. The results suggest that contextual feedback is a good learning tool for novice programmers, but further research is required in order to present more solid conclusions.

Abstract [sv]

Introduktionskurser i programmering lägger grunden som programmerare bygger vidare på för att lära sig hur man skapar och förbättrar de digitala system vårt moderna samhälle är beroende av. I dessa kurser blir studenter instruerade att lösa programmeringsuppgifter som övning - något som många studier uppmuntrar. Trots att upprepad övning är en dominant aspekt för att bemästra en färdighet, är det vedertaget att även återkoppling på ens arbete bidrar mycket till inlärning. Tyvärr är det tidskrävande för lärare att ge återkoppling på varje uppgift när ett stort antal studenter deltar i kursen. Det är även tidskrävande att skapa uppgifter för studenterna att lösa. Av denna anledning har många forskare studerat och utvecklat automatiska uppgiftsgeneratorer. Dock så har det inte forskats lika mycket kring automatiskt genererad återkoppling. Idealiskt vore att lärare kunde använda generatorer vilka genererar programmeringsuppgifter tillsammans med effektiv återkoppling. I denna pilot studie presenteras och evalueras ett koncept för att generera effektiv och kontextuell återkoppling tillsammans med programmeringsuppgifter. Evalueringen utfördes av förstaårsstudenter inom Datateknik som löste uppgifter med hjälp av både kontextuell återkoppling och felmeddelande från en kompilator. Resultatet antyder att kontextuell återkoppling är ett bra lärandeverktyg för nybörjare i programmering, men vidare forskning krävs för att presentera mer gedigna slutsatser.

Ort, förlag, år, upplaga, sidor
2022. , s. 36
Serie
TRITA-EECS-EX ; 2022:508
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:kth:diva-320036OAI: oai:DiVA.org:kth-320036DiVA, id: diva2:1703324
Ämne / kurs
Datalogi
Utbildningsprogram
Civilingenjörsexamen - Datateknik
Handledare
Examinatorer
Tillgänglig från: 2022-10-14 Skapad: 2022-10-13 Senast uppdaterad: 2022-10-14Bibliografiskt granskad

Open Access i DiVA

fulltext(2739 kB)312 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2739 kBChecksumma SHA-512
acb61dcdc621f19fcf31e04d70df672b6ce7fb1ce8ddb186d582f03993dd0044523973982a37db8971703921c4f5c5d01eb551912817fa08b8295dc953e741fb
Typ fulltextMimetyp application/pdf

Av organisationen
Datavetenskap
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 313 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 384 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf