基于源代码嵌入模型编程技能用于情境感知练习推荐
机器学习
2026-02-12 v1
摘要
本文提出了一个情境感知推荐系统，通过对学生在课程期间提交的源代码进行嵌入来建模编程技能。这些嵌入预测学生在多个编程主题上的技能，生成与学生当前能力水平相匹配的个人能力轮廓，以匹配未见作业问题所需的技能。为生成推荐，我们计算学生概要与问题技能向量之间的余弦相似度，根据与每个学生当前能力的匹配度对练习进行排序。我们使用来自我们大学入门编程课程中真实学生和练习数据进行评估。首先，我们评估了源代码嵌入用于预测技能的有效性，比较了基于标记、基于图的代码嵌入。结果显示，Jina 嵌入在大多数技能上优于 TF-IDF、CodeBERT-cpp 和 GraphCodeBERT。此外，我们评估了系统为与课程每周内容相匹配的练习推荐的能力，通过分析在七次课程 offerings 中收集的学生提交内容。我们的做法比基于正确性或解答时间的基线方法 consistently 产生更合适的推荐，表明预测的编程技能为问题推荐提供了更强的信号。
引用
@article{arxiv.2602.10249,
title = {Modeling Programming Skills with Source Code Embeddings for Context-aware Exercise Recommendation},
author = {Carlos Eduardo P. Silva and João Pedro M. Sena and Julio C. S. Reis and André G. Santos and Lucas N. Ferreira},
journal= {arXiv preprint arXiv:2602.10249},
year = {2026}
}
备注
10 pages, 4 figures, to be published in LAK26: 16th International Learning Analytics and Knowledge Conference (LAK 2026)