엔트리 플랫폼 기반 블록 코드 데이터셋 구축에 관한 연구 (A study on Construction Block Code Dataset based on Entry Platform)

서지정보

· 발행기관 : 한국정보교육학회
· 수록지 정보 : 2022 한국정보교육학회 하계 학술대회 / 251 ~ 255페이지
· 저자명 : 전인성, 송기상

초록

본 논문에서는 코딩을 학습하는 학습자의 코드를 이용하여 딥러닝 기반 블록 코드 분류 및 생성 모델 연구를 위한 엔트리 플랫폼 기반 블록 코드 데이터셋을 제안하였다. 엔트리 플랫폼 기반 블록 코드 데이터는 ‘엔트리’ 사이트의 작품 공유하기 페이지의 인기 작품 50개를 활용하여 URL에 포함된 프로젝트의 고유 ID를 이용하여 GraphQL의 쿼리를 통해 프로젝트에 대한 정보를 응답받았다. 오브젝트 내에 사용된 블록 코드를 배열 형태로 재처리하였으며, 개행문자를 추가하여 추후 텍스트 데이터셋 작성시 블록 코드 데이터를 구분할 수 있도록 하였다. 수집된 블록 코드 데이터에서 함수, 변수, 리스트 등 특정 블록을 제거하고 단일 블록을 제거하여 최종적으로 12,944개의 블록 코드 데이터셋을 구축하였다.

영어초록

In this paper, An entry platform-based block code dataset for deep learning-based block code classification and generation model research using the code of learners when they learn coding was proposed. The entry platform-based block code data utilized 50 popular projects on the 'Entry' site's Sharing page to respond to information about the project through a query from GraphQL using the unique ID of the project contained in the URL. The block code used in the object was pre-processed in the form of an array, and block code data could be classified when writing a text data set in the future by adding an open character. 12,944 block code dataset was constructed by removing specific blocks such as functions, variables, and lists from the collected block code data and removing a single block.

참고자료

· 없음