Treffer: INTELLECTUAL CODE ANALYSIS IN AUTOMATION GRADING.

Grades for programming assignments continue to be di fficult to assign despite the fact that students have a wide variety of strategies available to address challenges. The primary factor is the existence of several technological frameworks and a range of coding methodologies. The subject matter of this article is the process of intelligent evaluation of students' k nowledge based on code written by students during regular practical wo rk. The goal is to develop an approach for intellectual code analysis that can be easily implemented and integrat - ed into the most widespread grading systems. The tasks to be solved include: formalization of code representation for intellectual analysis by applications; analysis of the current state of research and development in the field of automated analysis and evaluation of software codes; introduction of a technique that offers substantial feedback through the integration of intelligent code analysis via code decomposition and providing grading systems an "understanding" of program log. The research subjects are methods of the programming code evaluation during distance learning. The methods used are: tree classification code analysis and graph traversing methods adopted for the tree linearization goal. The following results were obtained: 1. An examination of the current state of automated software code analysis and evaluation reveals that this issue is intricate due to the challenges involved in manually assessing programming projects. These challenges are further exacerbated by the intricate nature of the code, subjective judgment, and the need to adapt to various technical structures. Consequently, there is an urgent demand for automated assessment methods in educational settings. 2. The technique of representing the code structure as syntactic trees was employed to create an automated tool for analyzing software code. This facilitated the decomposition of the code into interrelated logical modules, enabling the analysis of the structure of these modules and the relationships between them. 3. The used methodologies and techniques were used for the analysis of Java code. The syntactic analysis enabled the detection of problematic and erroneous code blocks and the identification of fraudulent attempts (manipulating the program's output instead of performing the algorithm). Conclusions. Most current automatic student work evaluation systems rely on testing, which involves comparing the program's inputs and outputs. Unlike the other methods, the approach presented in this study examines the syntactic structure of the program. This e nables precise identification of the position and type of mistakes. An astute examination of the gathered data will enable the formulation of precise suggestions for students to enhance their coding skills. The suggested instruments can be incorporated into the Intelligent Tutoring System designed for IT majors. [ABSTRACT FROM AUTHOR]

Оцінювання завдань із програмування залишається проблемою, навіть незважаючи на різноманітність підходів, які студенти можуть використовувати для вирішення труднощів. Основною причиною є наявність численних технологічних стеків, що реалізуються, і різноманітність підходів до написання коду, які можна використовувати. Предметом вивчення даної статті є процес оцінювання знань студентів на основі коду, який був написаний студентом під час звичайної практичної роботи. Мета полягає в розробці підходу до інтелектуального аналізу коду, який можна легко реалізувати та інтегрувати в найпоширеніші системи ав- томатизованого оцінювання. Завданнями, які потрібно вирішити, є: формалізація подання коду для інтелек- туального аналізу програм ними засобами; аналіз сучасного стану досліджень та розробок в галузі автомати- зованого аналізу та оцінювання програмного коду; розробка методу та алгоритму, які пропонують суттєвий зворотній зв'язок через інтеграцію інтелектуального аналізу методом декомпозиції та надання системам оцінювання «розуміння» журналу виконання програми у вигляді аналізу помилкових блоків. Предметом цього дослідження є методи оцінки програмного коду під час дистанційного навчання. Використовувані методи: методи аналізу коду на базі алгоритмів класифікації та представлення коду у вигляді дерева разом із його вирівнюванням. Були отримані наступні результати: 1. Проведено аналіз сучасного стану в галузі автоматизованого аналізу та оцінювання програмного коду показав, що ця проблема є складною бо трудно- щі, пов'язані з оцінюванням проектів програмування вручну, ще більше ускладнюються складною приро- дою коду, суб'єктивним судженням і вимогою адаптації до різних технічних структур, що лише підкреслює нагальну потребу в автоматизованих методах оцінювання в освітніх середовищах. 2. Для розробки методу автоматизованого аналізу програмного коду було застосовано моделювання структури коду у вигляді синта- ксичних дерев. Це дозволяє розбити код на взаємопов'язані логічні блоки, аналізувати структуру блоків та зв'язки між ними. 3. Розроблені методи та алгоритми застосовані для аналізу коду Java. Проведений синтак- сичний аналіз дозволив виявити проблемні та помилкові блоки в коді, а також ідентифікувати спроби шах- райства (підроблення виводу програми замість реалізації алгоритму). Висновки. Більшість існуючих систем автоматичного оцінювання робіт студентів основані на тестуванні, тобто співставленні входів і виходів про- грами. На відміну від них запропонований в роботі метод передбачає аналіз синтаксичної структури про- грами, що дозволяє точно визначити місце та характер допущених помилок. Інтелектуальний аналіз зібра- них при цьому даних дозволить розробити точні рекомендації для студентів щодо покращення коду. Запро- поновані засоби можуть бути частиною Intelligent Tutoring System для IT спеціальностей. [ABSTRACT FROM AUTHOR]

Copyright of Radioelectronic & Computer Systems / Radìoelektronnì ì Komp'ûternì Sistemi is the property of National Aerospace University named after M.E. Zhukovsky "Kharkiv Aviation Institute" and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)