| 講演名 | 2022-03-08 オンラインジャッジシステムにおける問題推薦に向けた複数の特徴量分析 千歩 野亜(同志社大), 槇原 絵里奈(同志社大), 新濱 遼大(同志社大), 小野 景子(同志社大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | オンラインジャッジシステム（OJS）には多種多様な問題が収録されており，ユーザが自身の理解度に適した問題を選択することは難しい．そこでユーザのOJSにおける解答履歴に注目し，学習者の学習段階に応じた問題を推薦し，自学自習の支援を目指す．我々は現在までに問題遷移モデルを作成し，解答履歴と正誤情報が有効な特徴量であることを示した．しかし解答履歴と正誤情報だけではOJSに新しく追加された問題を推薦することができないという問題がある．そこで本研究では，新しい特徴量として問題の難易度，タグが問題推薦に有効であるか検証する．時系列データである解答履歴を使用してモデルを構築するため，Long Short-Term Memory（LSTM）を使用し，評価を行った．また，分類および回帰の問題推薦モデルを構築し，それぞれの有効性を検証した．結果として，分類モデルが問題推薦モデルに有効であり，問題の難易度，タグが問題推薦において有効な特徴量になる可能性があると考える． |
| 抄録(英) | The Online Judge System (OJS) contains a wide variety of problems, and it is difficult for users to select an optimum problem for their own level of programming understanding. Therefore, we aim to support self-study by focusing on users' submitted histories in OJS and recommending problems that match learners' learning stages. In our previous study, we have developed a problem transition model by learning the submitted history and corresponding result using Long Short-Term Memory (LSTM) which is one of the deep learning model. However, it is not possible to recommend problems which is newly added to OJS. In this study, we examine the effectiveness of problem difficulty and tags as new features for problem recommendation. We used LSTM to develop the model using submitted history, which is time-series data, and evaluated it. We developed problem recommendation models in the classification and regression models, and confirmed the effectiveness of the classification and regression models. The result indicates that the classification model is effective for the problem recommendation model, and the problem difficulty and the problem tags are considered to be effective for problem recommendation model. |
| キーワード(和) | プログラミング / オンラインジャッジシステム / 自学自習 / Long Short-Term Memory |
| キーワード(英) | Programming / Online Judge System / Self study / Long Short-Term Memory |
| 資料番号 | SS2021-64 |
| 発行日 | 2022-02-28 (SS) |
| 研究会情報 | |
| 研究会 | SS |
|---|---|
| 開催期間 | 2022/3/7(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | ソフトウェアサイエンスおよび一般 |
| テーマ（英） | Software Science etc. |
| 委員長氏名（和） | 小林 隆志(東工大) |
| 委員長氏名（英） | Takashi Kobayashi(Tokyo Inst. of Tech.) |
| 副委員長氏名（和） | 岡野 浩三(信州大) |
| 副委員長氏名（英） | Kozo Okano(Shinshu Univ.) |
| 幹事氏名（和） | 島 和之(広島市大) / 林 晋平(東工大) |
| 幹事氏名（英） | Kazuyuki Shima(Hiroshima City Univ.) / Shinpei Hayashi(Tokyo Inst. of Tech.) |
| 幹事補佐氏名（和） | 小形 真平(信州大) |
| 幹事補佐氏名（英） | Shinpei Ogata(Shinshu Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Software Science |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | オンラインジャッジシステムにおける問題推薦に向けた複数の特徴量分析 |
| サブタイトル（和） | |
| タイトル（英） | Multiple Feature Analysis for Problem Recommendation in Online Judge System |
| サブタイトル（和） | |
| キーワード(1)（和/英） | プログラミング / Programming |
| キーワード(2)（和/英） | オンラインジャッジシステム / Online Judge System |
| キーワード(3)（和/英） | 自学自習 / Self study |
| キーワード(4)（和/英） | Long Short-Term Memory / Long Short-Term Memory |
| 第 1 著者 氏名（和/英） | 千歩 野亜 / Noah Sembu |
| 第 1 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 第 2 著者 氏名（和/英） | 槇原 絵里奈 / Erina Makihara |
| 第 2 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 第 3 著者 氏名（和/英） | 新濱 遼大 / Ryota Shinhama |
| 第 3 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 第 4 著者 氏名（和/英） | 小野 景子 / Keiko Ono |
| 第 4 著者 所属（和/英） | 同志社大学(略称：同志社大) Doshisha University(略称：Doshisha Univ.) |
| 発表年月日 | 2022-03-08 |
| 資料番号 | SS2021-64 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | SS-416 |
| ページ範囲 | pp.133-138(SS), |
| ページ数 | 6 |
| 発行日 | 2022-02-28 (SS) |