컴퓨터 과학 교과 과정의 적합성 측정: CS2013 및 CS2023에 대한 종단적 프레임워크

컴퓨터 과학 교과 과정은 국제 교과 과정 표준이 약 10년에 한 번씩 변경되는 것으로 알려져 있지만, 교과 과정은 신뢰할 수 있고 재현할 수 있는 방법으로 표준과 교과 과정의 현재 지식에 대한 완전한 범위를 측정하는 방법이 부족했습니다. 이 문제를 해결하기 위해, 교과 과정과 표준에 대한 구조화된 자료를 사용하여 교과 과정의 적합성을 측정하는 PIPELINE을 개발했습니다.

• PIPELINE은 교과 과정과 표준을 구조화된 자료로 표현합니다.
• PIPELINE은 후보 교과 과목과 지식 단위 매칭을 위해 의미 검색을 사용합니다.
• PIPELINE은 인간의 판단을 통해 후보 매칭을 확인합니다.

7개의 benchmark된 검색기를 테스트한 결과, 상호 순위 결합 ensemble이 가장 강력했고, 유명한 긴 문맥 모델이 작은 문장 모델보다 낮은 성능을 보였습니다. 따라서 검색기 선택은 측정해야 합니다.

교과 과정은 CS2023과 CS2013의 지식 단위의 49.7%와 50.9%를 포함합니다. 10년 동안 거의 일정한 범위를 유지합니다.

• competency articulation과 cognitive depth에 대한 같은 retrieve-then-confirm 디자인을 확장하여, 교과 과정은 CS2023과 CS2013의 지식 단위의 ~88%에 대해 competency를 арти쿨레이션하지만, CS2023에 대한 지식 단위의 76%에 대해 추천된 깊이를 제공합니다.
• CS2013에 대한 지식 단위의 95%에 대해 추천된 깊이를 제공합니다.

종단적 비교는 persistent structural gaps(parallel and distributed computing, foundations of programming languages, systems fundamentals)와 표준의 진화에 따라 달라지는 점을 분리합니다.

PIPELINE은 재사용할 수 있고, 요청 시 개발자로부터 사용할 수 있습니다.