1．はじめに

近年ディジタル化が進み高度なIT（Information Technology）・IoT（Internet of Things）のスキルを持った人材が求められる一方で，IT人材の不足は年々深刻化し2030年には人材の不足人数が最大で80万人規模となることが予想されている^（1）。このような社会的背景の後押しも

近年，ACM国際大学対抗プログラミングコンテストやTopCoderといったプログラミングコンテストが盛んに行われている．これらのプログラミングコンテストで出題される問題は問題文，制約，入出力の形式，入出力のサンプルから構成されている．コンテスト参加者はプログラムを実装し，プログラムを提出すると制約を満たす大量のテスト項目を試し，正誤を判定する．このような与えられた問題に対し，正確に素早く解答するプログラミングが

『Topcoder （トップコーダー）』は、2001年に米国にて

近年，プログラミング教育の需要増加に伴い，大学でもプログラミングを扱う講義が重要視されている．講義内容の理解度向上のためには，多くの問題を用意して学生に解かせることが望ましいが，教員数には限りがあり，作問は教員の負担となっている．そのため，教員にとっては，講義のシラバスに沿った問題を，より少ない手間で多く用意できることが望ましい．その解決策の一つとして，複数の問題データセット間での類似問題検索が挙げられる．複数のデータセット間で類似問題検索ができれば，教員はシラバスに沿った問題を少数作問するだけで，その問題と類似した既存の問題を学生に参考問題として提示することができる．本研究では，大学における教員の作問支援を目的として，九州大学の初等プログラミングの講義に実際に利用された問題の類似問題を，学生が自主学習に利用可能な

編集後記

本研究では，自由記述型プログラミング試験において，高精度な能力推定を目指した項目反応モデルを提案する．具体的には，正誤反応に加え，テストケースの通過率，回答時間，試行回数の4つデータを用いるために，通常の項目反応モデル，連続反応モデル，回答時間対数正規モデル，一般化部分採点モデルを統合した新たなモデルを提案する．

ラ・トッカータ　博士卒，就職活動シリーズ

研究で鍛えられるビジネス基礎力

数理最適化プログラムを書く機会とその裾野は，

本研究の目的は，時間的・空間的・技能的な制約の影響を受けにくい統計分析の学習活動や，生徒自身による「データ駆動型探究」を促進するWebアプリケーションおよびカリキュラムを開発し，試行的な実践授業を通して，統計リテラシーの育成についての学習効果を検討することである．具体的には，PythonのStreamlitライブラリを用いて，1人1台端末で動作し，統計や機械学習を実践的に学ぶことが可能なWebアプリケーション開発を行い，その機能として，検定，表作成，解釈の補助を実装した．試行的な授業実践後に質問紙調査を用いて学習効果を測定した結果，コンピュテーショナル・シンキング尺度の「創造性」，「協調」，「問題解決」また統計的リテラシーにおける批判的思考尺度の「数値やデータへの関心」，「懐疑的・複眼的な考え方」，「他者との関わり」の因子平均値が有意に高くなった．

近年，IT需要の拡大に伴って，開発効率向上のため，開発支援ツールを活用して開発が行われている． その中の一つとして，2022年にGitHubが公開したGitHub Copilotがある． GitHub Copilotは大規模言語モデルをベースとしたコード推薦ツールの一種であり， 仕様を記述したコメントや，記述中のプログラムをもとに開発者に対してコードやライブラリを推薦する． 一方，大規模な事前学習済み言語モデルは，入力によって出力が大きく異なることが知られている． そこで，本稿では，言語間の学習データ量の違いに着目し，入力言語の違いがCopilotの性能にどのような影響を与えるのか調査を行った． 調査の結果，入力言語の違いによってGitHub Copilotの性能に差が生じることが明らかになった． また，調査結果によって明らかとなった大規模言語モデルに対する問題点を示す．