Ohjelmoinnin perusteet -kurssin tehtäväpalautusten analyysi
Niemenmaa, Emma (2023)
Kandidaatintyö
Niemenmaa, Emma
2023
School of Engineering Science, Tietotekniikka
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe20231213153766
https://urn.fi/URN:NBN:fi-fe20231213153766
Tiivistelmä
Tässä työssä tutkittiin opiskelijapalautusdataa Ohjelmoinnin perusteet -kurssin vuoden 2022 toteutukselta. Työ tehtiin LUT-yliopiston Ohjelmoinnin perusteet -kurssille opetuksen kehittämisen tueksi. Tutkimuksen tavoitteena oli selvittää miten opiskelijoiden tehtäväpalautuksia voi tutkia ja miten tuloksia voi hyödyntää kurssin kehityksessä. Tämän lisäksi tarkoituksena oli selvittää mitä kurssin tehtävänpalautuksissa tapahtuu ja miten tutkittava data on jakautunut eri metriikoita hyödyntäen. Työssä opiskelijapalautusten tutkimista lähestytään eksploratiivisen data-analyysin keinoin. Tutkimus itsessään on kaksiosainen. Ensin tutkittiin palautusten kokonaismääriä ja seuraavaksi analysoitiin palautusten rivimääriä. Työn tuloksista käy ilmi miten palautukset jakautuvat eri tehtäville kokonaismäärällisesti ja rivimäärien perusteella. Tämän lisäksi työssä selvisi mistä suurimmat analyysin poikkeamat koostuvat. Student submission data from the 2022 fall implementation of the Fundamentals of Programming course was researched in this thesis. This thesis was done for LUT University’s Fundamentals of Programming course to support its development. The goal of this study is to research how student submission data can be analyzed and how the results can be used for the development of the course. In addition to this, the aim of this study is to find out what happens in the student submission data and how it is distributed using different metrics. The research in this thesis is approached using the means of exploratory data analysis. The study itself has two parts. In the first part, the total number of submissions was studied. In the second part, the lines of code were analyzed. The results of this thesis show how the submissions are distributed to different tasks using the two different metrics. In addition to this, the work discussed what the biggest deviation of the analysis consists of.
