Algorithmic problem-solving has enabled scalable learning opportunities for learning programming. However, novices often struggle to solve problems successfully, where one of the main reasons arises from their inability to develop solution plans before solving the problem. Subgoal learning has been shown effective in promoting learners' ability to develop more complete solution plans.
However, subgoal learning is most effective when expert-crafted guidance is provided, which is not widely available in self-learning environments. To overcome this problem, we developed a learnersourcing workflow composed of two microtasks that can collect high-quality subgoal labels and provide guidance in subgoal learning using these as high-quality examples. We implemented the workflow into AlgoSolve, a prototypical interface that supports subgoal learning in algorithmic problem-solving. Results from a between-subjects study with 63 novices demonstrate that AlgoSolve successfully guides learners to create high-quality subgoal labels and develop more complete solution plans.
알고리즘 문제 풀이 초보자의 경우 문제 풀이에 있어서 많은 어려움을 겪으며, 주로 풀이를 구현하기 전에 제대로 구상하지 못하는 데에서 기인한다. 학습자의 문제 풀이 구상을 도와주기 위해 하위목표 학습 기법이 효과적으로 적용될 수 있음이 알려져 있다. 하지만 하위목표 학습 기법은 힌트, 전문가 레이블 등의 고품질 학습 자료가 같이 제공될 때 효과적이며, 이러한 고품질 자료는 다수 자습 환경에 적용되기 어렵다는 단점이 있다. 이를 극복하기 위해 본 연구에서는 하위목표 학습을 도와주기 위한 학습자 크라우드소싱 워크플로우를 제안한다. 2개 마이크로태스크로 구성되어 있는 학습자 크라우드소싱 워크플로우를 통해 학습자로부터 고품질 하위목표 레이블을 수집하고, 이를 활용해 하위목표 학습 과정을 효과적으로 지원할 수 있게 된다. 이러한 워크플로우를 알고리즘 문제 풀이에서 하위목표 학습을 도와주는 시스템인 AlgoSolve에 구현하였다.
본 연구에서 제안하는 워크플로우의 효과를 확인하기 위해 알고리즘 문제 풀이 초보자 63명을 대상으로 하는 실험을 진행하였으며, AlgoSolve가 더 높은 품질의 하위목표 레이블을 생성하고 학습 과정에서 배운 풀이 기법을 유사한 문제에 적용하는 데 도움을 줄 수 있음을 확인하였다.
