Ohjelmoinnin perusteet -kurssin virhedatan analyysi ja visualisaatio
Korpela, Arttu (2025)
Kandidaatintyö
2025
School of Engineering Science, Tietotekniikka
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2025051240320
https://urn.fi/URN:NBN:fi-fe2025051240320
Tiivistelmä
Tässä tutkimuksessa tarkastellaan ohjelmointivirheiden rakennetta ja kehittymistä LUT‑yliopiston Ohjelmoinnin perusteet -kurssilla syksyllä 2024. Virhedata kerättiin Abstraktin syntaksipuun analysoijan (ASPA) kautta viikoilta 40–51, ja aineisto koostuu 5794 palautuksesta ja 22 997 opiskelijan tuottamasta virheestä. Virheet luokiteltiin automaattisesti kuuteen kategoriaan: basic, function, file\_handling, data\_structures, library ja exception\_handling. Aineistoa visualisoitiin Pythonin, Pandasin ja Seabornin avulla Jupyter‑ympäristössä.
Analyysi osoitti, että poikkeustenkäsittely- (exception\_handling, yht. 9392, 40,8\%) ja aliohjelmavirheitä (function, yht. 6871, 29,9\%) esiintyi eniten, kun taas basic‑virheitä oli vähiten (yth. 934, 4,1\%). Viikoittaisten trendien tarkastelu paljasti virhemäärien piikit viikoilla 45 ja 46, jotka ajoittuivat kurssin harjoitustyön palautuksen yhteyteen. Peräkkäisten palautusten seuranta osoitti virhekeskiarvon laskevan 39,8\% ensimmäisestä palautuksesta (2,78) kymmenenteen (1,67), jyrkimmin ensimmäisen ja toisen yrityksen välillä (–30,2\%). Tulokset osoittavat, että välitön työkalupalaute edistää virheiden järjestelmällistä vähentämistä ja visualisointi voisi tarjota opettajille ajantasaista tietoa kurssin kohdennettuun kehittämiseen. This study investigates the structure and evolution of programming errors made by students in the “Programming Basics” (CS1) course at LUT University during autumn 2024. Error data were collected via the Abstract Syntax Tree Analyzer (ASPA) from weeks 40 to 51, comprising 5794 submissions and 22 997 student‑generated errors. Errors were automatically classified into six categories: basic, function, file\_handling, data\_structures, library, and exception\_handling—and visualized using Python, Pandas, and Seaborn within a Jupyter environment.
The analysis revealed that exception\_handling (9392 occurrences, 40.8\%) and function‑related errors (6871 occurrences, 29.9\%) dominated the dataset, while basic errors were least frequent (934 occurrences, 4.1\%). Weekly trends exhibited showed peaks in error counts during weeks 45 and 46, corresponding to the course’s major project deadlines. Tracking consecutive submissions showed a 39.8\% decrease in average errors—from 2.78 in the first submission to 1.67 by the tenth—with the steepest decline (30.2\%) occurring between the first and second attempts. These findings demonstrate that immediate, tool‑provided feedback fosters systematic error reduction and visualization can offer educators timely insights for targeted course improvements.
Analyysi osoitti, että poikkeustenkäsittely- (exception\_handling, yht. 9392, 40,8\%) ja aliohjelmavirheitä (function, yht. 6871, 29,9\%) esiintyi eniten, kun taas basic‑virheitä oli vähiten (yth. 934, 4,1\%). Viikoittaisten trendien tarkastelu paljasti virhemäärien piikit viikoilla 45 ja 46, jotka ajoittuivat kurssin harjoitustyön palautuksen yhteyteen. Peräkkäisten palautusten seuranta osoitti virhekeskiarvon laskevan 39,8\% ensimmäisestä palautuksesta (2,78) kymmenenteen (1,67), jyrkimmin ensimmäisen ja toisen yrityksen välillä (–30,2\%). Tulokset osoittavat, että välitön työkalupalaute edistää virheiden järjestelmällistä vähentämistä ja visualisointi voisi tarjota opettajille ajantasaista tietoa kurssin kohdennettuun kehittämiseen.
The analysis revealed that exception\_handling (9392 occurrences, 40.8\%) and function‑related errors (6871 occurrences, 29.9\%) dominated the dataset, while basic errors were least frequent (934 occurrences, 4.1\%). Weekly trends exhibited showed peaks in error counts during weeks 45 and 46, corresponding to the course’s major project deadlines. Tracking consecutive submissions showed a 39.8\% decrease in average errors—from 2.78 in the first submission to 1.67 by the tenth—with the steepest decline (30.2\%) occurring between the first and second attempts. These findings demonstrate that immediate, tool‑provided feedback fosters systematic error reduction and visualization can offer educators timely insights for targeted course improvements.