Adaptive Learning of Programming

Mgr. Tomáš Effenberger

Rigorózní práce

Anotace:

Cílem práce je umožnit efektivnější a zábavnější výuku základů programování skrze techniky pro vylepšovaní adaptabilních výukových systémů. Jednoduché programování je vhodný způsob, jak učit přístupy k řešení problémů jako jsou rozpoznávání vzorů, abstrakce a dekompozice problému. Dnes využívané systémy pro výuku základů programování nejsou personalizované, takže předkládají všem studentům stejnou posloupnost úloh. Některé úlohy jsou pak nutně pro některé studenty moc snadné, zatímco pro jiné studenty zase moc obtížné. Řešením jsou adaptabilní výukové systémy, ale jejich vývoj je značně komplikovanější. Tato práce se zabývá technikami pro iterativní vylepšování adaptabilních systémů pro výuku základů programování. Nezaměřuje se však na vývoj nových technik, ale primárně na vyhodnocení technik existujících. Snaží se o prohloubení pochopení dopadu různých metodických rozhodnutí, zkreslení v datech a zobecnitelnosti předchozích výsledků získaných analýzou jediného programátorského cvičení nebo jen několika úloh podobné obtížnosti.

Abstract:

The goal of this thesis is to make the learning of introductory programming more efficient and engaging by advancing techniques for improving adaptive learning systems. Introductory programming is a suitable approach to teach problem solving, as it fosters key skills like pattern recognition, abstraction, and problem decomposition. Currently used activities to teach introductory programming are not personalized; they offer the same sequence of problems to everybody. Some problems are thus too easy for some students, while too difficult for others. Adaptive learning systems provide a solution, but their development is much more challenging. This thesis deals with techniques for iterative improvement of adaptive learning systems for teaching introductory programming. The focus is not on developing new techniques, but rather on a proper evaluation of the existing ones and deepening our understanding about the impact of various methodological choices, biases in the data collection, and generalizability of the results obtained from a single exercise or limited range of problem difficulties.

Keywords

adaptive learning, intelligent tutoring systems, introductory programming, educational data mining, student performance measures, problem difficulty measures, domain modeling, student modeling

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 20. 2. 2020

Obhajoba závěrečné práce

• Obhajoba proběhla 29. 5. 2020
• Oponent: prof. RNDr. Ivana Černá, CSc., doc. Ing. Marián Šimko, Ph.D.

Masarykova univerzita

Fakulta informatiky

Rigorózní řízení / obor:
Umělá inteligence a zpracování dat / Umělá inteligence a zpracování dat