奠定计算机科学领域的十大研究论文

2019 年 4 月 8 日 云头条

SIGCSE研讨会评出了奠定计算机科学领域的十大研究论文。


作为第50届SIGCSE技术研讨会的高潮环节,计算机协会(ACM)计算机科学教育特别兴趣组(SIGCSE)的领导人正在评选《历史上十大研讨会论文奖》,十大论文是从过去49年在SIGCSE技术研讨会上发表的最佳论文中遴选出来的。


美国芝加哥德保罗大学的SIGCSE委员会主席Amber Settle解释道:“1969年,即我们头一次举办SIGCSE研讨会的那年,计算机教育还是很小众的专业。今天,这是学生们需要为参加工作做好准备的一项基本技能。计算机专业已成为高等教育中最受欢迎的专业之一,越来越多的学生在K-12阶段学习计算机知识。历史上十大研讨会论文奖注重支持各年龄段的学生学习计算机的出色研究。我们还认为表彰出色的研究可以激励其他人进入计算机教育领域,并做出自己的贡献。”


十大研讨会论文如下:


•《识别学生对编程的误解》(Identifying student misconceptions of programming,2010年)


作者:加州大学圣迭戈分校的Lisa C. Kaczmarczyk和Elizabeth R. Petrick、北爱荷华大学的Philip East以及伊利诺伊大学厄巴纳-尚佩恩分校的Geoffrey L. Herman


计算机教育工作者常常对CS1学生的误解感到困惑。我们需要更清楚地理解这些误解,帮助学生形成正确的观念。本论文描述了计算基础知识概念的一个阶段:调查学生在一系列之前被认为重要又困难的核心CS1主题方面的误解。对学生的正式访谈揭示了四个截然不同的主题,每个主题包含许多值得关注的误解。


•《通过结对编程改善CS1体验》(Improving the CS1 experience with pair programming,2003年)


作者:北卡罗来纳州立大学的Nachiappan Nagappan、Laurie Williams、Miriam Ferzli、Eric Wiebe、Kai Yang、Carol Miller和Suzanne Balik


结对编程是一种编程方法,两名程序员在一台计算机上就同样的设计、算法或代码协同工作。之前的研究表明,结对程序员实际上花费只有单独程序员一半的时间内,就能生成更高质量的代码。论文作者组织了一项实验,评估结对编程在计算机科学入门课程中的效果。结果表明,结对编程创造了一种有利于比传统实验室更先进更积极地学习的实验室环境;学生和实验室教师声称实验室更高效、更鼓舞人心。


•《计算机科学的女本科生:经验、动机和文化》( Undergraduate women in computer science: experience, motivation and culture,1997年)


作者:卡内基•梅隆大学的Allan Fisher、Jane Margolis和Faye Miller


在为期一年的研究中,论文作者研究了在卡内基•梅隆大学学习计算机科学的女本科生的经验,尤其着眼于了解影响她们关注或离开这个领域的影响和因素。报告(这个为期两年的项目正在进行中)回顾了研究的目的和方法,报告了研究进度和初步结论,并概述了这个特定项目在最后一年和未来的计划。


•《计算机入门课程同伴教学的多机构研究》(A Multi-institutional Study of Peer Instruction in Introductory Computing ,2016年)


作者:加州大学圣迭戈分校的Leo Porter和Beth Simon、南伊利诺伊大学的Dennis Bouvier、格拉斯哥大学的Quintin Cutts、大峡谷州立大学的Scott Grissom、斯坦福大学的Cynthia Lee、康涅狄格大学的Robert McCartney和多伦多大学的Daniel Zingaro


同伴教学(PI)是一种以学生为中心的教学法,学生从被动听众的角色转变为课堂上的积极参与者。本论文检查了七位编程入门教师的成果,以丰富这一知识体系:三个PI新手教师和四个PI经验不一的教师。通过对学生认识的统一测量,论文作者提供了表明计算机入门教师可以在课堂上成功运用PI的证据。


•《计算机科学入门编程课程:十项原则》(The introductory programming course in computer science: ten principles ,1978年)


作者:明尼苏达大学的G. Michael Schneider


Schneider描述了任何入门编程课程的关键目标,同时向读者介绍了满足这些目标的特定课程的设计。本论文介绍了计算机科学初级编程课程的十大目标,无论谁在教学或在哪里教学。Schneider试图为ACM计算机科学课程委员会描述的CSI(计算机编程I)提供一套深入的理念框架。


•《计算机科学教育中的建构主义》(Constructivism in computer science education ,1998年)


作者:韦茨曼科学研究所的Mordechai Ben-Ari


建构主义是一种学习理论,声称学生构建知识而不仅仅是接收和存储教师传播的知识。建构主义在科学和数学教育中具有极大的影响力,但在计算机科学教育(CSE)中并非如此。本论文研究了CSE背景下的建构主义,表明了该理论如何为辩论问题和评估提案提供理论依据。


•《使用软件测试让学生从反复试错变成行动中反思》(Using software testing to move students from trial-and-error to reflection-in-action,2004年)


作者:弗吉尼亚理工大学的Stephen H. Edwards


计算机科学入门学生长期以来依靠试错法来纠正错误和调试。改为行动中反思这个策略可以帮助学生更成功。传统的编程作业通常以忽略行动中反思所需的技能这种方式来评估,但软件测试促进了对这种学习模式至关重要的假设形成和实验验证。通过改变评估编程作业的方式(学生负责通过测试证明正确性,然后评估他们在实现这个目标方面做得多好),就可以增强所需的技能。自动反馈也能发挥重要作用:鼓励学生的同时,向他们展示哪里可以改进。


•《我们应在编程入门课程中教什么?》(What should we teach in an introductory programming course,1974年)


作者:康奈尔大学的David Gries


Gries认为,编程入门课程(及高级课程)应关注编程的三个方面:1如何解决问题,2如何描述解决问题的算法方案,以及3如何验证算法是正确的。他在论文中主要探讨了前两个方面。他特别指出,第三个方面同样很重要,但如果前两个方面以系统化的方式执行,第三个方面比通常认为的要容易得多。


 •《帮助计算机科学入门课程取得成功:研究十二个因素》(Contributing to success in an introductory computer science course: a study of twelve factors,2001年)


作者:默里州立大学的Brenda Cantwell Wilson和南伊利诺伊大学的Sharon Shrock


本研究旨在确定帮助大学计算机科学入门课程成功的几个因素。该模型涵盖十二个可能的预测因素,包括数学背景、成功/失败的因素(运气、努力、任务难度和能力)、针对特定领域的自我效能、鼓励、课程的难易程度、工作方式偏好、以前的编程经验、以前的非编程计算机经验和性别。试验对象包括在一所美国中西部大学报名CS1计算机科学入门课程的105名学生。该研究揭示了按重要性排列的下列三个预测因素:难易程度、数学和成功/失败的因素。


•《计算机科学入门中的教学对象优先法》(Teaching objects-first in introductory computer science,2003年)


作者:圣约瑟夫大学的Stephen Cooper、伊萨卡学院的Wanda Dann和卡内基•梅隆大学的Randy Pausch


教授计算机科学入门课程的对象优先法正受到CS教育者的更多关注。在本论文中,作者们讨论了对象优先法的挑战,并提出了一种尝试克服这个挑战的新方法。该方法以使用3D动画环境直观地呈现对象及其行为为中心。总结了统计数据和非正式观察结果,显示这种方法有助于提高学生成绩的证据,并对这种新方法的教学方面与另一项相关工作进行了比较。


登录查看更多
0

相关内容

计算机科学(Computer Science, CS)是系统性研究信息与计算的理论基础以及它们在计算机系统中如何实现与应用的实用技术的学科。 它通常被形容为对那些创造、描述以及转换信息的算法处理的系统研究。计算机科学包含很多分支领域;其中一些,比如计算机图形学强调特定结果的计算,而另外一些,比如计算复杂性理论是学习计算问题的性质。还有一些领域专注于挑战怎样实现计算。比如程序设计语言理论学习描述计算的方法,而程序设计是应用特定的程序设计语言解决特定的计算问题,人机交互则是专注于挑战怎样使计算机和计算变得有用、可用,以及随时随地为 所用。 现代计算机科学( Computer Science)包含理论计算机科学和应用计算机科学两大分支。
专知会员服务
99+阅读 · 2020年3月19日
Gartner:2020年十大战略性技术趋势, 47页pdf
专知会员服务
76+阅读 · 2020年3月10日
【新书】Python中的经典计算机科学问题,224页PDF
专知会员服务
52+阅读 · 2019年12月31日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
解读!10篇人机交互领域高引论文合集
THU数据派
11+阅读 · 2019年11月14日
AAAI 2019 四个杰出论文奖论文揭晓
算法与数学之美
5+阅读 · 2019年5月11日
CNCC2018 | 研究经典计算机算法已经过时了吗?
中国计算机学会
4+阅读 · 2018年11月4日
中关村十大AI研究院 | 盘点
量子位
5+阅读 · 2018年10月29日
生成对抗网络研究人脸识别领域获进展
中科院之声
8+阅读 · 2018年9月24日
强化学习十大原则
专知
12+阅读 · 2018年9月17日
麻省理工发布2018年全球十大突破性技术
算法与数学之美
12+阅读 · 2018年9月13日
「知识表示学习」专题论文推荐 | 每周论文清单
吴恩达:AI论文已经够多了,赶紧“搞点事”吧!
全球人工智能
4+阅读 · 2017年11月15日
【机器视觉】如何做好计算机视觉的研究?
产业智能官
7+阅读 · 2017年10月19日
Interpretable CNNs for Object Classification
Arxiv
20+阅读 · 2020年3月12日
Arxiv
4+阅读 · 2019年9月5日
Foreground-aware Image Inpainting
Arxiv
4+阅读 · 2019年1月17日
Explanatory Graphs for CNNs
Arxiv
4+阅读 · 2018年12月18日
Arxiv
10+阅读 · 2017年11月22日
VIP会员
相关资讯
解读!10篇人机交互领域高引论文合集
THU数据派
11+阅读 · 2019年11月14日
AAAI 2019 四个杰出论文奖论文揭晓
算法与数学之美
5+阅读 · 2019年5月11日
CNCC2018 | 研究经典计算机算法已经过时了吗?
中国计算机学会
4+阅读 · 2018年11月4日
中关村十大AI研究院 | 盘点
量子位
5+阅读 · 2018年10月29日
生成对抗网络研究人脸识别领域获进展
中科院之声
8+阅读 · 2018年9月24日
强化学习十大原则
专知
12+阅读 · 2018年9月17日
麻省理工发布2018年全球十大突破性技术
算法与数学之美
12+阅读 · 2018年9月13日
「知识表示学习」专题论文推荐 | 每周论文清单
吴恩达:AI论文已经够多了,赶紧“搞点事”吧!
全球人工智能
4+阅读 · 2017年11月15日
【机器视觉】如何做好计算机视觉的研究?
产业智能官
7+阅读 · 2017年10月19日
Top
微信扫码咨询专知VIP会员