Key points are not available for this paper at this time.
कंप्यूटर विज्ञान शिक्षा की उच्च मांग ने उच्च नामांकन कराये हैं, जिसमें कई प्रारंभिक पाठ्यक्रमों में हजारों छात्र शामिल हैं। ऐसे बड़े पाठ्यक्रमों में, शिक्षकों के लिए कक्षा-ब्रॉड समस्या-समाधान पैटर्न या मुद्दों को समझना बहुत कठिन हो सकता है, जो निर्देश में सुधार और महत्वपूर्ण शैक्षणिक चुनौतियों को संबोधित करने के लिए आवश्यक है। इस पेपर में, हम एक तकनीक और प्रणाली, CFlow, प्रस्तावित करते हैं, जो बड़े पैमाने पर कोड के समझने योग्य और नेविगेट करने योग्य प्रतिनिधित्व बनाने के लिए है। CFlow हजारों कोड नमूनों का प्रतिनिधित्व एक ऐसी दृश्यता में करने में सक्षम है जो एक एकल कोड नमूने के समान होती है। CFlow समान सेमांटिक उद्देश्यों वाले व्यक्तिगत बयानों को (1) समूहित करके, (2) समूहित बयानों को इस तरीके से प्रस्तुत करके कि बयानों के बीच सेमांटिक संबंध बनाए रखें, (3) विभिन्न भिन्नताओं की सहीता को एक हिस्टोग्राम के रूप में प्रदर्शित करके, और (4) उपयोगकर्ताओं को सेमांटिक फ़िल्टरों का उपयोग करके इंटरैक्टिव रूप से समाधानों के माध्यम से नेविगेट करने की अनुमति देकर स्केल करने योग्य कोड प्रतिनिधित्व बनाता है। एक मल्टी-लेवल व्यू डिज़ाइन के साथ, उपयोगकर्ता उच्च-स्तरीय पैटर्न और निम्न-स्तरीय कार्यान्वयन के माध्यम से नेविगेट कर सकते हैं। यह पिछले उपकरणों के विपरीत है जो या तो आइसोलेटेड बयानों पर ध्यान केंद्रित करते हैं (और इस प्रकार उन बयानों के चारों ओर के संदर्भ को त्याग देते हैं) या पूरे कोड नमूनों को समूहित करते हैं (जो बड़े संख्या में समूहों की ओर ले जा सकता है -- उदाहरण के लिए, यदि n कोड विशेषताएँ हैं और प्रत्येक की m कार्यान्वयन हैं, तो mⁿ समूह हो सकते हैं)। हमने CFlow की प्रभावशीलता का मूल्यांकन एक तुलना अध्ययन के साथ किया, पाया कि CFlow का उपयोग करने वाले प्रतिभागियों ने केवल आधा समय गलतियों की पहचान करने में लगाया और 6,000 से अधिक प्रस्तुतियों में से दो गुना अधिक इच्छित पैटर्न याद किए।
Zhang et al. (Mon,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: