生成式人工智慧在電腦教育中的早期應用：2023 年新興的學生使用案例和觀點

核心概念

隨著生成式人工智慧（GenAI）工具的迅速普及，電腦科學教育需要了解學生如何使用這些工具，以及如何調整教學策略，以培養學生負責任地使用 GenAI 並為未來職場做好準備。

要約

研究論文摘要

參考資訊： C. Estelle Smith, Kylee Shiekh, Hayden Cooreman, Sharfi Rahman, Yifei Zhu, Md Kamrul Siam, Michael Ivanitskiy, Ahmed M. Ahmed, Michael Hallinan, Alexander Grisak, and Gabe Fierro. 2014. Student Perspectives on Generative Artificial Intelligence in Computing Education. In Proceedings of July 8–10, 2024 (ITiCSE 2024). ACM, New York, NY, USA, 7 pages. https: //doi.org/10.1145/3649217.3653575

研究目標： 本研究旨在探討電腦科學專業學生如何使用生成式人工智慧（GenAI）工具，以及他們如何看待 GenAI 在電腦科學教育和未來職業中的作用。

研究方法： 研究人員對美國一所小型工程學重點大學的電腦科學專業學生進行了問卷調查，收集了他們對 GenAI 工具的使用頻率、使用案例、觀點和擔憂等方面的數據。

主要發現：

• 大多數學生已經開始使用 GenAI 工具，特別是大語言模型（LLM），用於寫作、編碼和學習等方面。
• 學生普遍認為 GenAI 工具對電腦科學領域有益。
• 學生對 GenAI 在教育中的使用方式存在分歧，有些人支持有條件地使用，而另一些人則支持鼓勵或限制使用。

主要結論：

• 電腦科學教育工作者需要了解學生如何使用 GenAI 工具，並制定相應的政策和指南。
• 教育工作者應探索如何將 GenAI 工具整合到課程中，以增強學生的學習體驗，並培養他們負責任地使用 GenAI 的能力。
• 未來需要進一步研究 GenAI 對學生學習成果的影響，以及如何解決 GenAI 帶來的倫理和社會問題。

研究意義： 本研究為理解 GenAI 對電腦科學教育的影響提供了寶貴的見解，並為教育工作者調整教學策略提供了參考。

研究限制和未來研究方向：

• 本研究的樣本量有限，可能無法代表所有電腦科學專業學生的觀點。
• 未來需要更大規模的研究來驗證這些發現，並進一步探討 GenAI 對電腦科學教育的長期影響。

統計

116 名受訪者（87.2%）是大學生，相當於該系當時大學生總數的 12%。
17 名受訪者（12.8%）是研究生，相當於該系當時研究生總數的 7.6%。
24 名學生（18.0%）每天使用大型語言模型。
11 名學生（8.3%）每天使用程式碼生成器。
只有 36.1% 的學生嘗試過圖像生成器。
12.8% 的參與者表示至少有一門課程在大綱中有正式的 GenAI 政策。
在 31 名表示自己是助教的學生中，13 名（41.9%）認為他們沒有遇到過 AI 完成的作業。

引用

「隨著這些 AI 變得越來越聰明，它們將對學習環境造成非常大的危害。我擔心 AI 最終會自己編寫程式，而軟體工程將在未來 30 年內完全過時，因為人類編寫的最後一行程式碼將是用來完成 AI 編碼器的。」
「AI 在學習方面非常強大，例如，如果你不理解一個數學概念，你可以讓它解釋如何做，並在需要時要求它提供越來越詳細的資訊。它很適合激發靈感，但不應該被用來代替你說話。我已經多次成功地使用它來破譯錯誤訊息、解釋功能，甚至試圖讓它編寫程式碼塊。」
「它是一個非常強大的工具，可能會成為學生過度依賴的拐杖。我知道有些學生在每次評估中都使用它，盲目地遵循它給出的任何指示。他們甚至無法證明它為什麼是錯的，也無法識別它什麼時候犯了一個明顯的錯誤。」
「教師應該鼓勵將 AI 作為一種工具來增強學生的教育，而不是作為一種代替學生完成學習任務的工具。學生應該使用 AI 來幫助他們除錯程式碼、從錯誤中學習，以及學習新的程式設計技術和工具，而不是用它來生成所有的程式碼。」

抽出されたキーインサイト

Early Adoption of Generative Artificial Intelligence in Computing Education: Emergent Student Use Cases and Perspectives in 2023

by C. Estelle S... 場所 arxiv.org 11-19-2024

https://arxiv.org/pdf/2411.11166.pdf

深掘り質問

隨著 GenAI 技術的進步，電腦科學教育應該如何調整課程設置和教學方法，以適應未來的發展趨勢？

隨著 GenAI 技術的快速發展，電腦科學教育正面臨著前所未有的挑戰和機遇。為了適應未來的發展趨勢，電腦科學教育需要在課程設置和教學方法上做出相應的調整：
1. 培養 AI 原生能力 (AI Literacy)：

將 AI 基礎知識納入課程體系： 電腦科學教育應該將機器學習、深度學習、自然語言處理等 AI 基礎知識納入課程體系，讓學生了解 AI 的基本原理、演算法和應用。
教授 GenAI 工具的使用和局限性： 除了 AI 基礎知識，學生還需要學習如何有效地使用 GenAI 工具，例如 GitHub Copilot、ChatGPT 等，並了解這些工具的局限性，避免過度依賴。
強調 AI 倫理和社會影響： AI 的發展帶來了許多倫理和社會問題，例如演算法偏見、隱私洩露、工作替代等。電腦科學教育應該幫助學生了解這些問題，並培養他們的責任感和批判性思維能力。
2. 強調人類獨有的技能：

培養解決問題和批判性思考的能力： GenAI 可以幫助解決一些程式設計問題，但不能替代人類的創造力、解決問題的能力和批判性思考的能力。電腦科學教育應該更加注重培養學生的這些能力，讓他們能夠應對更加複雜和挑戰性的問題。
加強團隊合作和溝通能力的訓練： 在未來的工作環境中，電腦科學家需要與其他領域的專業人士合作，共同完成項目。因此，電腦科學教育應該加強團隊合作和溝通能力的訓練，讓學生能夠更好地融入團隊，並與他人有效地溝通。
鼓勵終身學習： AI 技術發展迅速，電腦科學家需要不斷學習新的知識和技能才能跟上時代的步伐。電腦科學教育應該鼓勵學生保持終身學習的態度，並為他們提供持續學習的資源和平台。
3. 調整評估方式：

減少對程式碼記憶和機械操作的考核： GenAI 可以幫助學生快速生成程式碼，因此傳統的程式設計考試方式需要做出調整，減少對程式碼記憶和機械操作的考核，更加注重學生的問題解決能力和創新能力。
採用更加多元化的評估方式： 可以採用專案制學習、作品集評估、線上程式設計挑戰等更加多元化的評估方式，來評估學生的綜合能力和潛力。
總之，GenAI 的發展為電腦科學教育帶來了新的挑戰和機遇。電腦科學教育需要積極應對這些變化，調整課程設置和教學方法，培養 AI 原生代的電腦科學人才，讓他們能夠在未來的科技發展中發揮更大的作用。

如果過度依賴 GenAI 工具，會不會導致學生缺乏解決問題和批判性思考的能力，從而影響他們在職場上的表現？

過度依賴 GenAI 工具，的確有可能導致學生缺乏解決問題和批判性思考的能力，從而影響他們在職場上的表現。
1. 影響解決問題能力的形成：

弱化基礎知識的掌握： GenAI 工具可以幫助學生快速完成作業和專案，但如果學生過度依賴這些工具，可能會忽視對基礎知識的學習和理解，導致在面對新的問題時，無法運用基礎知識進行分析和解決。
降低獨立思考和解決問題的能力： 過度依賴 GenAI 工具，會讓學生習慣於寻求快速、現成的答案，而減少了獨立思考、嘗試不同方法解決問題的機會，長久下來，可能會降低他們分析問題、拆解問題、尋找解決方案的能力。
2. 阻礙批判性思考能力的發展：

缺乏對資訊的辨別能力： GenAI 工具產生的資訊並非完全準確，如果學生缺乏批判性思考，沒有對資訊來源、準確性進行驗證，就可能被誤導，做出錯誤的判斷。
降低創新思維的培養： 過度依賴 GenAI 工具提供的現成方案，可能會限制學生的創新思維，讓他們習慣於遵循既定的模式，而缺乏突破框架、提出新想法的動力和能力。
3. 職場表現的潛在影響：

難以適應快速變化的工作環境： 職場環境變化迅速，需要員工具備靈活應變、獨立解決問題的能力。如果學生過於依賴 GenAI 工具，在面對新的挑戰時，可能會感到不知所措，難以適應。
影響團隊合作和溝通效率： 如果團隊成員都過度依賴 GenAI 工具，可能會缺乏溝通和交流，導致團隊合作效率低下，甚至出現誤解和衝突。
如何避免過度依賴？

將 GenAI 工具作為輔助工具： 教師應該引導學生將 GenAI 工具作為輔助工具，幫助他們更好地學習和理解知識，而不是完全替代他們思考和解決問題。
設計更具挑戰性的學習任務： 教師可以設計一些更具挑戰性的學習任務，鼓勵學生運用批判性思維，獨立思考和解決問題，例如開放性問題、專案制學習等。
培養資訊素養和批判性思維： 教育應該注重培養學生的資訊素養，讓他們能夠辨別資訊的真偽，並運用批判性思維，對資訊進行分析和判斷。
總之，GenAI 工具的發展為教育帶來了新的挑戰，教師需要正確認識這些工具的優缺點，並在教學中加以引導，避免學生過度依賴，才能真正幫助學生提升解決問題和批判性思考的能力，為他們未來的職場發展奠定堅實的基礎。

GenAI 的發展是否會促進程式設計的普及化，讓更多人能夠參與到軟體開發中來，從而改變軟體行業的格局？

GenAI 的發展的確有可能促進程式設計的普及化，讓更多人能夠參與到軟體開發中來，從而改變軟體行業的格局。
1. 降低程式設計門檻，促進普及化：

簡化程式碼編寫過程： GenAI 工具可以根據自然語言指令生成程式碼，自動完成部分程式碼，甚至提供程式碼建議，這將大大簡化程式碼編寫過程，降低程式設計的學習難度，讓沒有程式設計基礎的人也能夠更容易地上手。
減少重複性工作，提升開發效率： GenAI 工具可以自動完成一些重複性的程式碼編寫工作，例如生成樣板程式碼、查找和修復錯誤等，這將解放程式設計師的生產力，讓他們能夠更加專注於創造性和高價值的工作。
2. 吸引更多人參與軟體開發：

激發學習興趣： GenAI 工具的出現，讓程式設計變得更加直觀和有趣，可以激發更多人學習程式設計的興趣，尤其是那些原本對程式設計望而卻步的人。
降低進入門檻： GenAI 工具可以幫助人們更快地掌握程式設計技能，降低了進入軟體開發領域的門檻，讓更多人有機會參與到軟體開發中來。
3. 改變軟體行業格局：

湧現新的職業角色： GenAI 的發展可能會催生一些新的職業角色，例如 AI 訓練師、AI 程式碼審查員等，這些新角色的出現將為軟體行業注入新的活力。
促進軟體開發模式的變革： GenAI 工具的應用，可能會促進軟體開發模式的變革，例如從傳統的瀑布式開發模式轉向更加敏捷和迭代的開發模式。
推動軟體行業的創新發展： GenAI 工具的普及，將為軟體行業帶來更多的創新和發展機遇，例如開發更加智能化、個性化的軟體應用。
然而，GenAI 的發展也帶來了一些挑戰：

程式設計師技能轉型： GenAI 的發展可能會取代部分程式設計師的工作，現有的程式設計師需要不斷學習新的技能，才能適應未來的發展趨勢。
AI 倫理和安全問題： GenAI 工具的應用，也帶來了一些倫理和安全問題，例如演算法偏見、程式碼安全漏洞等，需要業界和學術界共同努力，制定相應的規範和標準。
總體而言，GenAI 的發展對程式設計普及化和軟體行業發展具有積極意義，但也帶來了一些挑戰。 相信隨著技術的進步和完善，GenAI 將會在軟體開發領域發揮越來越重要的作用，推動軟體行業的創新和發展。