オンラインジャッジシステムにおける解答履歴を利用した問題の関係性調査

• Item type: Journal(1)
• 公開日: 2022-03-15
• タイトル: オンラインジャッジシステムにおける解答履歴を利用した問題の関係性調査
• タイトル / 言語: en
• タイトル: Problem Characteristics in Online Judge System by Using History of Submitted Source Code
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [特集:若手研究者] プログラミング学習，自学自習支援，オンラインジャッジシステム，機械学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• ID登録: 10.20729/00217469
• ID登録 / ID登録タイプ: JaLC
• 著者所属: 同志社大学理工学部
• 著者所属: 同志社大学理工学研究科
• 著者所属: 同志社大学理工学部
• 著者所属: 同志社大学理工学研究科
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Engineering, Doshisha University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Doshisha University
• 著者所属(英): en
• 著者所属(英): Faculty of Science and Engineering, Doshisha University
• 著者所属(英): en
• 著者所属(英): Graduate School of Science and Engineering, Doshisha University
• 著者名: 槇原, 絵里奈; 池田, 太郎; 小野, 景子; 新濱, 遼大
• 著者名(英): Erina, Makihara; Taro, Ikeda; Keiko, Ono; Ryota, Shinhama
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: オンラインジャッジシステムには多くの問題が収録されており，これらをプログラミング学習におけるアルゴリズムの自学自習支援として活用することで，教員の問題作成コストをへらすことができる．一方，学生が主体的に自身のプログラミング能力に適した問題を選択することは困難であり，最適な問題自動選択手法が望まれている．本論文では，オンラインジャッジシステムにおけるユーザの解答履歴に着目し，解答履歴，解答の正誤を深層学習モデルあるLong Short Term Memory（LSTM）により学習し，問題間の関係に基づいた問題推薦が可能な手法を提案する．オンラインジャッジシステムであるCodeforcesの実データを対象に提案法の性能を検証し，ユーザの解答履歴の高い推定性能を確認した．また，遷移の可視化により，難易度の高い問題へ遷移するための最短な問題経路や，様々な種類の問題へ着手できる核となる問題を明らかにした．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The online judge system contains a large number of problems. The problems can help educators to reduce the cost of creating problems as a student's homework in programming education. However, it is difficult for a student to select the problem which suitable for improving her/his programming skill. Therefore, the automatic recommendation method of the optimum problem for improving a user's programming skill is required. In this paper, we focused on the logs of submitted history by users in the online judge system. By learning the submitted history and corresponding result using Long Short Term Memory (LSTM) which is one of the deep learning model, we propose the method of automatic problem recommendation based on the relationship on problem characteristics. We experimented by using users' submitted history data of Codeforces, a famous online judge system. Out proposed method demonstrated the high performance of the estimation regarding a user's submitted history. Furthermore, visualizing the transition of submitted history revealed the shortest path to transit more difficult problems, as well as the core problem to transit various types of problems.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 63, 号 3, p. 742-751, 発行日 2022-03-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764