从解题合成到学生作答合成：面向块式可视化编程任务

块式可视化编程环境正日益用于向初学者介绍计算概念。鉴于编程任务具有开放性与概念性，新手学生在这些环境中学习时常常遇到困难。AI 驱动的编程导师在自动辅助困难学生方面大有前景，并实现此潜力需要若干组件。我们研究学生建模这一关键组件，特别是自动推断学生错误概念以预测（合成）其行为的能力。我们引入一个新基准 StudentSyn，其核心挑战如下：给定一名学生，在观察其于固定参考任务上的作答后，合成该学生在新目标任务上的作答。该挑战类似于程序合成；然而，此处目标不是合成“解”（即专家会编写的程序），而是合成“学生作答”（即给定学生会编写的程序）。我们首先表明人类专家（TutorSS）可在该基准上取得高性能，而简单基线表现糟糕。随后，我们开发了两种神经/符号技术（NeurSS 和 SymSS），以期缩小与 TutorSS 的差距。