机构名称：
¥ 1.0
通过让学生手工编写课程来教授计算机科学（CS）具有关键的教学优势：它可以集中学习，并且与使用智能支持工具或“只是尝试”的整体开发环境（IDE）相比，需要仔细思考。笔和纸的熟悉环境也减少了没有以前没有计算机经验的学生的认知负担，而这些计算机的基本用法可能会令人生畏。最后，这种教学方法为获得计算机访问权限的学生打开了学习机会。但是，一个关键的障碍是目前缺乏用于使用手写程序和运行手写程序的教学方法和支持软件。手写代码的光学特征识别（OCR）具有挑战性：较小的OCR错误，可能是由于各种手写样式，很容易使代码不运行，并且识别凹痕对于像Python这样的语言至关重要，但由于不一致的水平间距很难在手写上进行。我们的方法是两种创新的方法。第一个将OCR与凹痕识别模块和一种用于后官方误差校正的语言模型相结合，而无需引入幻觉。据我们所知，这种方法在手写代码识别中超过了所有现有的系统。，由于对学生计划的逻辑修复程序的最小幻觉，它将误差从艺术状况减少到5％。第二种方法利用了多模式模型来识别端到端时尚中的手写程序。我们发布了手写程序和代码的数据集，以支持未来的研究1。我们希望这项贡献能够刺激进一步的教学研究，并有助于使CS教育易于获得。
笔和纸CS教育的手写代码识别
主要关键词
相关文件推荐
![[[7,1,3]]代码-DTIC](/simg/8/8dc66b08f0cf1332accb96d4d418738d933225db.webp)
