Buchumschlag

Automated Program Repair of Uncompilable Student Code

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pitts, Griffin, Pandya, Aum, Rank, Darsh, Bhatt, Tirth, Hoq, Muntasir, Akram, Bita
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Artificial Intelligence Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pattern-based Knowledge Component Extraction from Student Code Using Representation Learning
von: Hoq, Muntasir, et al.
Veröffentlicht: (2025)

Retrieval-Augmented Tutoring for Algorithm Tracing and Problem-Solving in AI Education
von: Jain, Mragisha, et al.
Veröffentlicht: (2026)

Personalized Worked Example Generation from Student Code Submissions Using Pattern-based Knowledge Components
von: Pitts, Griffin, et al.
Veröffentlicht: (2026)

Automated Knowledge Component Generation for Interpretable Knowledge Tracing in Coding Problems
von: Duan, Zhangqi, et al.
Veröffentlicht: (2025)

McMining: Automated Discovery of Misconceptions in Student Code
von: Al-Hossami, Erfan, et al.
Veröffentlicht: (2025)

Benchmarking Educational Program Repair
von: Koutcheme, Charles, et al.
Veröffentlicht: (2024)

ParaStudent: Generating and Evaluating Realistic Student Code by Teaching LLMs to Struggle
von: Miroyan, Mihran, et al.
Veröffentlicht: (2025)

Knowledge Tracing in Programming Education Integrating Students' Questions
von: Kim, Doyoun, et al.
Veröffentlicht: (2025)

Can LLMs Identify Gaps and Misconceptions in Students' Code Explanations?
von: Oli, Priti, et al.
Veröffentlicht: (2024)

Logic Error Localization in Student Programming Assignments Using Pseudocode and Graph Neural Networks
von: Xu, Zhenyu, et al.
Veröffentlicht: (2024)

RepoRepair: Leveraging Code Documentation for Repository-Level Automated Program Repair
von: Pan, Zhongqiang, et al.
Veröffentlicht: (2026)

MergeRepair: An Exploratory Study on Merging Task-Specific Adapters in Code LLMs for Automated Program Repair
von: Dehghan, Meghdad, et al.
Veröffentlicht: (2024)

Code-Driven Law NO, Normware SI!
von: Sileno, Giovanni
Veröffentlicht: (2024)

Leveraging Generative AI for Enhancing Automated Assessment in Programming Education Contests
von: Dascalescu, Stefan, et al.
Veröffentlicht: (2025)

Fuzzy Intelligent System for Student Software Project Evaluation
von: Ogorodova, Anna, et al.
Veröffentlicht: (2024)

An Approach to Detect Abnormal Submissions for CodeWorkout Dataset
von: Hicks, Alex, et al.
Veröffentlicht: (2024)

LeafTutor: An AI Agent for Programming Assignment Tutoring
von: Bochard, Madison, et al.
Veröffentlicht: (2025)

$\texttt{Droid}$: A Resource Suite for AI-Generated Code Detection
von: Orel, Daniil, et al.
Veröffentlicht: (2025)

Do Generative AI Tools Ensure Green Code? An Investigative Study
von: Sikand, Samarth, et al.
Veröffentlicht: (2025)

SWE-chat: Coding Agent Interactions From Real Users in the Wild
von: Baumann, Joachim, et al.
Veröffentlicht: (2026)

Understanding Student Interaction with AI-Powered Next-Step Hints: Strategies and Challenges
von: Birillo, Anastasiia, et al.
Veröffentlicht: (2025)

Evaluating Generative AI for CS1 Code Grading: Direct vs Reverse Methods
von: Memon, Ahmad, et al.
Veröffentlicht: (2025)

Using AI-Based Coding Assistants in Practice: State of Affairs, Perceptions, and Ways Forward
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2024)

The Debugging Decay Index: Rethinking Debugging Strategies for Code LLMs
von: Adnan, Muntasir, et al.
Veröffentlicht: (2025)

Benefits and Risks of Using ChatGPT4 as a Teaching Assistant for Computer Science Students
von: Aragonés-Soria, Yaiza, et al.
Veröffentlicht: (2024)

Collaborative Agents for Automated Program Repair in Ruby
von: Akbarpour, Nikta, et al.
Veröffentlicht: (2025)

Evaluating the Generalizability of LLMs in Automated Program Repair
von: Li, Fengjie, et al.
Veröffentlicht: (2025)

Enhancing Automated Program Repair with Solution Design
von: Zhao, Jiuang, et al.
Veröffentlicht: (2024)

Large Language Model Guided Self-Debugging Code Generation
von: Adnan, Muntasir, et al.
Veröffentlicht: (2025)

The Vibe-Check Protocol: Quantifying Cognitive Offloading in AI Programming
von: Aiersilan, Aizierjiang
Veröffentlicht: (2026)

Comparing Code Explanations Created by Students and Large Language Models
von: Leinonen, Juho, et al.
Veröffentlicht: (2023)

Agentic Bug Reproduction for Effective Automated Program Repair at Google
von: Cheng, Runxiang, et al.
Veröffentlicht: (2025)

Architectures of Error: A Philosophical Inquiry into AI and Human Code Generation
von: Sartori, Camilo Chacón
Veröffentlicht: (2025)

Automated Repair of AI Code with Large Language Models and Formal Verification
von: Charalambous, Yiannis, et al.
Veröffentlicht: (2024)

InvAASTCluster: On Applying Invariant-Based Program Clustering to Introductory Programming Assignments
von: Orvalho, Pedro, et al.
Veröffentlicht: (2022)

SVRepair: Structured Visual Reasoning for Automated Program Repair
von: Tang, Xiaoxuan, et al.
Veröffentlicht: (2026)

Self-Bootstrapping Automated Program Repair: Using LLMs to Generate and Evaluate Synthetic Training Data for Bug Repair
von: de-Fitero-Dominguez, David, et al.
Veröffentlicht: (2025)

NARRepair: Non-Autoregressive Code Generation Model for Automatic Program Repair
von: Yang, Zhenyu, et al.
Veröffentlicht: (2024)

Understanding Automated Program Repair Agents Through the Lens of Traceability: An Empirical Study
von: Ceka, Ira, et al.
Veröffentlicht: (2025)

Academic Vibe Coding: Opportunities for Accelerating Research in an Era of Resource Constraint
von: Crowson, Matthew G, et al.
Veröffentlicht: (2025)