ЭКСПЕРИМЕНТ ПО КОНТРОЛЮ САМОСТОЯТЕЛЬНОСТИ СОЗДАНИЯ ПРОГРАММЫ ЧЕРЕЗ АНАЛИЗ СОБЫТИЙ РЕДАКТОРА КОДА

Развитие LLM упростило решение типовых лабораторных для студентов-программистов. В статье изложена проблема контроля самостоятельности выполнения лабораторных работ. Целью работы является проведение эксперимента по внедрению системы, анализирующей процесс написания кода через действия в текстовом редакторе. Авторами был разработан и интегрирован с системой проверки веб-редактор, который фиксирует все события изменения текста. Было собрано 700 000 событий редактирования. В статье приведены общий анализ всех действий и индивидуальный анализ зачтенных работ. Результаты дают представление о паттернах и статистических характеристиках датасета событий.

Делается вывод, что анализ событий текстового редактора является эффективным инструментом для контроля самостоятельности, весь объем собираемых данных корректен и достаточен для дальнейшей разработки углубленных методов анализа работы, которые позволят исключить случаи посимвольного перепечатывания текста из образца в веб-редактор.

Список литературы

1.  Иртегов, Д. В. Системы автоматизированной оценки заданий по программированию: разработка, использование и перспективы / Д. В. Иртегов, Т. В. Нестеренко, Т. Г. Чурина // Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2019. Т. 17, № 2. С. 61-73. DOI 10.25205/1818-7900-2019-17-2-61-73. EDN CCAWIW.
2.  Krasheninnikov S. V. Development and implementation of intellectual components of the digital educational environment / S. V. Krasheninnikov, D. A. Kurnosov, M. A. Nakhatovich, F. A. Novikov // EDULEARN23 Proceedings. Palma: IATED, 2023. P. 6535-6541.
3.  Винокурова Д. В. Метод генерации уникальных вариантов для математических задач / Д. В. Винокурова // Компьютерные инструменты в образовании. 2024. № 1. С. 71-84. DOI: 10.32603/2071-2340-2024-1-100. EDN: ALXKFT.
4.  Самигулина Г. А. Обзор интеллектуальных систем для дистанционного образования, построенных на основе мультиагентного подхода / Г. А. Самигулина, А. Т. Нюсупов // Проблемы информатики. 2017. № 2(35). С. 24-37. EDN: ZOLFNV.
5.  Амаева Л. А. Способ сбора данных о взаимодействии обучающегося с системой электронного обучения / J1. А. Амаева // Вестник компьютерных и информационных технологий. 2023. Т. 20, № 5(227). С. 20-27. DOI: 10.14489/vkit.2023.05. Р. 020-027. EDN: EDYBWP.
6.  Ма Д. Система с обратной связью для оценки состояния человека по его манере работы на клавиатуре / Д. Ма, Ю. А. Шичкина // Компьютерные инструменты в образовании. 2024. № 3. С. 66-78. DOI: 10.32603/2071-2340-2024-3-66-78. EDN: UNBUMP.
7.  Gaines R. S. Authentication by keystroke timing: some preliminary results [Text] / R. S. Gaines, W. Lisowski, S. J. Press, N. Shapiro. Santa Monica : Rand Corporation, 1980. Report R-256-NSF.
8.  Garcia J. M. A study of the feasibility of using keystroke dynamics for user identification [Text]: Ph.D. diss. / J. M. Garcia. Monterey: Naval Postgraduate School, 1986.
9.  Wirth N. Program Development by Stepwise Refinement [Text] // Communications of the ACM. 1971. Vol. 14, № 4. P. 221-227.
10.  van der Aalst W. M. P. Process Mining: Data Science in Action [Text]. 2nd ed. Heidelberg: Springer, 2016. 467 p. ISBN 978-3-662-49850-7.
11.  Begicheva A. K. Discovering hierarchical process models: an approach based on events partitioning [Text] / A. K. Begicheva, I. A. Lomazova, R. A. Nesterov // Modeling and Analysis of Information Systems. 2024. Vol. 31, № 3. P. 294-315. DOI 10.18255/1818-1015-2024-3-294-315. EDN LJPXWS.
12.  Chen Z. Deep learning for keystroke dynamics: A comprehensive survey [Text] / Z. Chen, J. Zhang, Y. Zhang // ACM Computing Surveys. 2020. Vol. 53, № 4. Article 78. 35 p. DOI: 10.1145/3397029.