DiverseClaire：模拟学生以改进面向所有 CS1 学习者的入门编程课程材料
计算机视觉与模式识别
2026-03-04 v2
摘要
虽然 CS 项目蓬勃发展，但入门课程如 CS1 仍采用一种曲捂一刀切的格式，可能加剧认知负荷并劝阻自闭、ADHD、涌色盲及其他神经发展条件的学习者。这些学习者需要体贴的教学法以及通用设计学习（UDL），以创造欢迎认知多样性的学习环境和材料。为此，我们引入DiverseClaire，这是一项 pilot 研究，通过利用大语言模型和多样化人物画像来模拟包括神经发展多样性在内的学生。通过运用Bloom's Taxonomy和UDL，DiverseClaire比较了 UDL 转换后的讲义幻灯片与传统格式。为评估 DiverseClaire，采用控制实验方法，使用平均得分作为评估指标。研究发现，模拟的神经发展学生因讲义幻灯片采用的不可及格式而在学习上受到挫折。这些结果凸显了为不同学习者偏好提供多种课程材料格式的必要性。我们的 pilot 研究数据将向公众提供，以协助未来的 CS1 指导员。
引用
@article{arxiv.2511.14197,
title = {Online Data Curation for Object Detection via Marginal Contributions to Dataset-level Average Precision},
author = {Zitang Sun and Masakazu Yoshimura and Junji Otsuka and Atsushi Irie and Takeshi Ohashi},
journal= {arXiv preprint arXiv:2511.14197},
year = {2026}
}
备注
preprint version