lnu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Detailed recordings of student programming sessions
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV).ORCID-id: 0000-0001-5335-5196
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV). (Software and Information Quality (SIQ))ORCID-id: 0000-0003-1154-5308
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV).ORCID-id: 0000-0003-1173-5187
Linnéuniversitetet, Fakulteten för teknik (FTK), Institutionen för datavetenskap (DV).ORCID-id: 0000-0002-0835-823X
2015 (Engelska)Ingår i: ITiCSE '15: Proceedings of the 2015 ACM Conference on Innovation and Technology in Computer Science Education, ACM Press, 2015, s. 328-328Konferensbidrag, Publicerat paper (Refereegranskat)
Resurstyp
Text
Abstract [en]

Observation is important when we teach programming. It can help identify students that struggle, concepts that are not clearly presented during lectures, poor assignments, etc. However, as development tools become more widely available or courses move off-campus and online, we lose our ability to naturally observe students. Online programming environments provide an opportunity to record how students solve assignments and the data recorded allows for in-depth analysis. For example, file activities, mouse movements, text-selections, and text caret movements provide a lot of information on when a programmer collects information and what task is currently worked on. We developed CSQUIZ to allow us to observe students on our online courses through data analysis. Based on our experience with the tool in a course, we find recorded sessions a sufficient replacement for natural observations.

Ort, förlag, år, upplaga, sidor
ACM Press, 2015. s. 328-328
Nationell ämneskategori
Data- och informationsvetenskap
Forskningsämne
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:lnu:diva-55003DOI: 10.1145/2729094.2754859Scopus ID: 2-s2.0-84952050834ISBN: 9781450334402 (tryckt)OAI: oai:DiVA.org:lnu-55003DiVA, id: diva2:949719
Konferens
20th ACM Conference on Innovation and Technology in Computer Science Education, ITiCSE 2015, July 4-8 2015, Vilnius
Tillgänglig från: 2016-07-22 Skapad: 2016-07-22 Senast uppdaterad: 2018-01-10Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Toll, DanielOlsson, TobiasEricsson, MorganWingkvist, Anna

Sök vidare i DiVA

Av författaren/redaktören
Toll, DanielOlsson, TobiasEricsson, MorganWingkvist, Anna
Av organisationen
Institutionen för datavetenskap (DV)
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 84 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf