Classifying Struggling Students Through Error-Message Analysis in Programming Education : A Swedish Case Study
Year: 2024
Type: dissertation
Abstract: Eftergymnasiala programmeringskurser med stora klasser skapar utmaningar med att identifiera lågpresterande elever. Utbildningsdatautvinning är en möjlighet att åtgärda detta genom att objektivt bedöma elevers akademiska prestation. Vi genomförde en fallstudie på en 264 elever stor eftergymnasial programmeringskurs. Syftet var att skapa en klassificeringsmodell som kunde klassificera elever ifall de förväntades att inte vara färdiga med sin labbuppgift innan eller efter deadline. Datamängden innehöll hur många fel varje elev hade gjort på varje uppgift och om eleven var godkänd på laborationerna innan eller efter deadline. Genom att använda kronologiskt ordnade delmängder av labuppgifter framkom det att man kan klassificera elever tidigt i en labbkurs även genom att endast använda en fjärdedel av mängden deluppgifter med en uppnådd 80% precision och pricksäkerhet.
Author: Lundberg, Leo
Institution: KTH Royal Institute of Technology
Language: Swedish
Subfield: Computer Science Applications
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: green
OpenAlex ID: W7046080075
