学习程序嵌入以传播对学生代码的反馈
机器学习
2015-05-25 v1 神经与进化计算
软件工程
摘要
在大规模在线课程中，对开放式作业提供反馈（既包括评估最终作业，也包括向遇到困难的学生给出提示）十分困难，此类课程的学生规模可从数千到数百万不等。我们引入一种神经网络方法，将程序编码为从嵌入前条件空间到嵌入后条件空间的线性映射，并提出一种利用这些线性映射作为特征的大规模反馈算法。我们将该算法应用于 Code.org 的“编程一小时”活动以及斯坦福大学 CS1 课程的测评中，从而将人类对学生作业的评论传播至数量级更多的提交作品上。
引用
@article{arxiv.1505.05969,
title = {Learning Program Embeddings to Propagate Feedback on Student Code},
author = {Chris Piech and Jonathan Huang and Andy Nguyen and Mike Phulsuksombati and Mehran Sahami and Leonidas Guibas},
journal= {arXiv preprint arXiv:1505.05969},
year = {2015}
}
备注
Accepted to International Conference on Machine Learning (ICML 2015)