RECAP: An End-to-End Platform for Capturing, Replaying, and Analyzing AI-Assisted Programming Interactions
تقدم الورقة البحثية منصة RECAP، وهي منصة مفتوحة المصدر تلتقط وتوحد جلسات الدردشة مع الذكاء الاصطماعي بشكل سلبي مع تعديلات دقيقة على الكود البرمجي لتمكين إعادة التشغيل التفاعلي والتحليل المتقدم لأنماط التفاعل بين المطور والذكاء الاصطناعي، كما تم التحقق من ذلك من خلال عملية نشر شملت 41 طالباً.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم كيف يتعلم طالب الطبخ من خلال مراقبته وهو يستخدم مساعد مطبخ ذكي. إذا نظرت فقط إلى الطبق النهائي (الكود الذي قدمه) أو مجرد قراءة الرسائل النصية التي أرسلها إلى المساعد (سجلات الدردشة)، فستفقد القصة بأكملها. لن ترى المكونات التي جربها ثم رماها، أو اللحظات التي تجاهل فيها نصيحة المساعد، أو كيف تغيرت استراتيجية الطبخ لديه بمرور الوقت.
أداة RECAP هي أداة جديدة صُممت لإصلاح هذه الفجوة. فهي تعمل مثل مسجل "الصندوق الأسود" للمبرمجين الذين يستخدمون مساعدي البرمجة بالذكاء الاصطناعي (مثل GitHub Copler) داخل محرر الكود الخاص بهم (VS Code).
إليك كيف تعمل، مقسمة إلى أجزاء بسيطة:
1. المسجل الظلي (الكاميرا)
فكر في جهاز كمبيوتر المبرمج كأنه مطبخ مزدحم. عادةً، لا يحفظ المبرمج عمله إلا عندما يضغط على "commit" (مثل التقاط صورة للطبق كل ساعة). هذا الأمر يغفل كل عمليات التقطيع والتذوق والحرق التي حدثت في هذه الأثناء.
تقوم RECAP بتثبيت إضافة صغيرة وغير مرئية تسمى Copilot Interaction Archiver (أرشيف تفاعلات كوبايلوت).
- تراقب الدردشة: تسجل كل سؤال يطرحه الطالب على الذكاء الاصطعي وكل إجابة يقدمها الذكاء الاصطناعي.
- تراقب الكود: تنشئ نسخة "ظلية" من الكود تحفظ لقطة (snapshot) في كل مرة يضغط فيها الطالب على حفظ، أو حتى عندما يكتب فقط دون أن يحفظ بعد.
- الرابط السحري: تربط بين الاثنين. فهي تعرف أنه في تمام الساعة 2:00 مساءً، سأل الطالب عن إصلاح معين، وفي الساعة 2:02 مساءً، ظهر ذلك الإصلاح بالضبط في الكود. إنها تربط "الأمر" (prompt) بـ "النتيجة".
2. عارض السفر عبر الزمن (إعادة التشغيل)
بمجرد جمع البيانات، يمكن للباحثين استخدام Session Replay Viewer (عارض إعادة تشغيل الجلسة). هذا يشبه ميزة إعادة عرض اللحظات في ألعاب الفيديو، ولكن للبرمجة.
- الجدول الزمني: بدلاً من رؤية قائمة ملفات فقط، سترى جدولاً زمنياً واحداً ملوناً.
- النقاط الزرقاء هي الأسئلة المطروحة على الذكاء الاصطناعي.
- النقاط الصفراء هي الكود الذي اقترحه الذكاء الاصطناعي.
- النقاط الخضراء هي الكود الذي كتبه البشر بأنفسهم.
- المراجعة: يمكن للباحث الضغط على زر التشغيل ومشاهدة جلسة الطالب بأكملها وهي تتكشف. يمكنهم رؤية: "آه، هنا طلب الطالب من الذكاء الاصطناعي إصلاح خطأ ما، واقترح الذكاء الاصطناعي حلاً، فرفضه الطالب، وحاول بنفسه، وفشل، ثم عاد إلى الذكاء الاصطناعي".
3. ماذا وجدوا؟ (العمل التحري)
اختبر الباحثون هذه الأداة في فصل جامعي مع 41 طالباً يعملون على مشروع مدته أسبوعان. لم يكتفوا بعدّ عدد المرات التي استخدم فيها الطلاب الذكاء الاصطناعي؛ بل استخدموا إعادة التشغيل لرصد أنماط مثيرة للاهتمام كانت لتكون غير مرئية لولا ذلك:
- حلقة "العلوق": قضى أحد الطلاب 11 دقيقة عالقاً في حلقة مفرغة. قام بلصق رسالة خطأ، فقام الذكاء الاصطناعي بإصلاحها، ثم ظهر خطأ جديد، فقام بلصقه، وتكررت الدورة. أظهرت عملية إعادة التشغيل هذا الصراع الدائري بوضوح، بينما كان ملف الكود النهائي سيبدو مجرد مشروع مكتمل.
- نهج "فرانكنشتاين": استخدم أحد الطلاب ذكاءً اصطناعياً واحداً (ChatGPT) لوضع خطة كبيرة، ثم لصق تلك الخطة في ذكاء اصطناعي آخر (Copilot) لكتابة الكود. أظهرت إعادة التشغيل كيفية ربط هذين الأداتين المختلفتين، وكيف يمزج الطلاب بين أدوات الذكاء الاصطناعي المختلفة.
- تعلم القيادة: مع مرور الوقت في المشروع، اعتمد الطلاب أقل على الذكاء الاصطناعي لكتابة الكود الفعلي. لقد استخدموا الذكاء الاصطناعي أكثر لشرح المفاهيم والتخطيط، مما يشير إلى أنهم كانوا يتعلمون قيادة السيارة بأنفسهم بدلاً من ترك الذكاء الاصطناعي يقودها.
لماذا هذا مهم؟
قبل RECAP، كان الباحثون مثل المحققين الذين يحاولون حل جريمة من خلال النظر فقط إلى مسرح الجريمة (الكود النهائي) أو مذكرات المشتبه به (سجلات الدردشة)، لكن دون رؤية الحدث الفعلي أبداً.
توفر RECAP الفيلم الكامل. فهي تسمح للمربين والباحثين برؤية كيف يعمل البشر والذكاء الاصطناعي معاً على فترات طويلة، مما يكشف عن عملية التجربة والخطأ الفوضوية التي تؤدي إلى النتيجة النهائية.
ملاحظة هامة: تؤكد الورقة البحثية أن هذه الأداة مصممة حالياً لـ VS Code و GitHub Copilot. وهي أداة مفتوحة المصدر للباحثين والمعلمين لدراسة كيفية تعلم الناس والعمل، وليست أداة لتقييم الطلاب أو جهازاً طبياً. البيانات التي يتم جمعها مجهولة المصدر ومحمية بصرامة لضمان خصوصية الطلاب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.