Interpretable Clustering of Students’ Solutions in Introductory Programming

• 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
• 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