Interpretable Clustering of Students’ Solutions in Introductory Programming

Varování

Publikace nespadá pod Filozofickou fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	EFFENBERGER Tomáš PELÁNEK Radek
Rok publikování	2021
Druh	Článek ve sborníku
Konference	Artificial Intelligence in Education. AIED 2021. Lecture Notes in Computer Science, vol 12748
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	https://doi.org/10.1007/978-3-030-78292-4_9
Doi	http://dx.doi.org/10.1007/978-3-030-78292-4_9
Klíčová slova	interpretable clustering; pattern mining; introductory programming; problem solving
Popis	In introductory programming and other problem-solving activities, students can create many variants of a solution. For teachers, content developers, or applications in student modeling, it is useful to find structure in the set of all submitted solutions. We propose a generic, modular algorithm for the construction of interpretable clustering of students’ solutions in problem-solving activities. We describe a specific realization of the algorithm for introductory Python programming and report results of the evaluation on a diverse set of problems.
Související projekty:	Aplikovaný výzkum: vyhledávání, analýza a vizualizace rozsáhlých dat, zpracování přirozeného jazyka, umělá inteligence pro analýzu biomedicínských obrazů. Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity 21