← أحدث الأبحاث
💬 NLP

(Im)Paired Programming: Coding Agents Improve Productivity but Harm Understanding

تكشف هذه الدراسة أنه في حين أن وكلاء البرمجة يعززون إنتاجية المطورين بشكل كبير من خلال تسريع إنجاز المهام، فإنهم في الوقت نفسه يضعفون استيعاب المستخدمين للكود وقدرتهم على توسيع عملهم، لا سيما عندما تتضمن التفاعلات صياغة أوامر منخفضة الجهد، مما يسلط الض الضوء على مقايضة حرجة بين الكفاءة والفهم يجب على المطورين معالجتها.

المؤلفون الأصليون: Nishant Balepur, Connor Baumler, Valerie Chen, Eunsol Choi, Rachel Rudinger, Jordan Lee Boyd-Graber

نُشر 2026-07-30
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Nishant Balepur, Connor Baumler, Valerie Chen, Eunsol Choi, Rachel Rudinger, Jordan Lee Boyd-Graber

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 تتعلم الطبخ. لسنوات، كانت الطريقة الوحيدة لتصبح جيداً في ذلك هي تقطيع الخضروات، وتتبيل الصلصة، وتحريك القدر بنفسك. قد ترتكب بعض الأخطاء، ولكن بحلول الوقت الذي تقدم فيه الوجبة، ستعرف بالضبط لماذا كان مذاقها كما هو. الآن، تخيل وجود مساعد طباخ آلي سحري يمكنه التقطيع، والتتبيل، والتحريك في لمح البصر. أنت فقط تخبره: "اصنع لي لازانيا"، وهو يفعل ذلك. تحصل على عشاءك أسرع من أي وقت مضى. لكن هنا تكمن المشكلة: لأنك لم تقم بالتقطيع أو التحريك، ليس لديك أدنى فكرة عن كيفية تداخل طبقات الجبن والصلصة معاً. إذا تعطل الروبوت غداً، أو إذا احتجت إلى تعديل الوصفة لصديق يكره الطماطم، فقد تجد نفسك عالقاً. لقد حصلت على الوجبة، لكنك فقدت الوصفة. هذا هو جوهر دراسة جديدة في عالم علوم الحاسوب، وتحديداً في البحث في كيفية تغيير "وكلاء البرمجة" (coding agents) — وهي أدوات ذكاء اصطناعي ذكية تكتب البرمجيات لنا — للطريقة التي يتعلم بها الناس بناء الأشياء. السؤال الكبير ليس فقط "هل يستطيع الذكاء الاصطناعي القيام بالمهمة؟" بل "هل لا يزال الإنسان يفهم المهمة التي أنجزها للتو؟"

هذه الورقة البحثية، التي تحمل عنوان "(Im)Paired Programming" (البرمجة الزوجية - مع وضع علامة استفهام حول مفهوم "الاقتران")، تغوص في هذا المأزق تحديداً. أراد الباحثون معرفة ما إذا كان استخدام مساعدي البرمجة بالذكاء الاصطناعي يساعد الناس على إنجاز العمل بشكل أسرع، ولكن على حساب فهم الكود الذي يبنونه بالفعل. لقد أعدوا لعبة لـ 54 طالباً في علوم الحاسوب: بناء موقع إلكتروني لنسخة فريدة من لعبة "إكس أو" (tic-tac-toe) تسمى "Zic-Zac-Zoe". تم تقسيم الطلاب إلى مجموعتين. استخدمت المجموعة الأولى "روبوت دردشة" (Chatbot) يقدم لهم تلميحات ومقتطفات من الكود، مما يجبرهم على كتابة الكود بأنفسهم. أما المجموعة الأخرى، فقد استخدمت "وكيلاً" (Agent) قوياً يستمع إلى تعليماتهم ويقوم فعلياً بتعديل ملفات الكود، ويقوم بالعمل الشاق نيابة عنهم.

كانت النتائج صادمة، كأن تكتشف أن طباخ الروبوت السحري بارع في إطعامك، لكنه سيء جداً في تعليمك كيفية الطبخ. الطلاب الذين استخدموا "وكيل الذكاء الاصطناعي" أنهوا مهمة الموقع الإلكترونية الأولية بشكل أسرع وبأخطاء أقل من الطلاب الذين كتبوا الكود بأنفسهم. إذا نظرت فقط إلى من أنهى أولاً، فإن وكيل الذكاء الاصطناعي كان الفائز الواضح. ومع ذلك، عندما اختبر الباحثون مدى فهم الطلاب الفعلي لما بنوه، انقلت القصة تماماً. سجل الطلاب الذين تركوا الذكاء الاصطناعي يقوم بالعمل درجات أقل بكثير في الأسئلة المتعلقة بكيفية عمل الكود الخاص بهم. لم يتمكنوا من شرح سبب ظهور أجزاء معينة من الموقع بهذا الشكل، أو ماذا سيحدث إذا غيروا سطراً معيناً. كان الأمر كما لو أنهم تسلموا أحجية (بازل) مكتملة ولكنهم لا يعرفون كيف تتشابك قطعها معاً.

والأمر الأكثر إثارة للاهتمام هو أنه عندما طُلب من الطلاب إضافة ميزة جديدة إلى موقعهم الإلكتروني — مثل زر "إعادة ضبط" (Reset) — دون أي مساعدة من الذكاء الاصطناعي، اختفت ميزة مجموعة الذكاء الاصطناعي. الطلاب الذين كتبوا الكود الخاص بهم من البداية كانوا بنفس كفاءة أولئك الذين استخدموا الذكاء الاصطعي في إضافة الميزة الجديدة. لقد منحهم الذكاء الاصطناعي بداية سريعة، لكنه لم يمنحهم المهارات للاستمرار بمجرد توقف الروبوت عن المساعدة. تشير الدراسة إلى أنه بينما يمكن لوكلاء الذكاء الاصطناعي إنجاز المهام بسرعة مذهلة، إلا أنهم قد يخلقون "فخ الإنتاجية" حيث يشعر المستخدمون بالإنتاجية ولكنهم في الواقع يفقدون قدرتهم على التفكير النقدي تجاه ابتكاراتهم الخاصة.

نظر الباحثون أيضاً في كيفية استخدام الطلاب لهذه الأدوات. ووجدوا أن الطلاب الذين سلكوا الطريق "الكسول" — مثل نسخ ولصق التعليمات دون تفكير، أو مجرد النقر على "قبول الكل" في كل تغيير يجريه الذكاء الاصطناعي — كانوا الأقل فهماً. أما أولئك الذين استقطعوا وقتاً لقراءة الكود، أو طلب تفسيرات، أو كتابة الصيغة البرمجية يدوياً، فقد حققوا نتائج أفضل، وإن ظلوا أقل من المجموعة التي كتبت كل شيء من الصفر. ومن المثير للدهشة، رغم أن الطلاب كانوا يعلمون أنهم يفهمون أقل عند استخدام الذكاء الاصطناعي، إلا أنهم ظلوا يفضلونه. وجدوا أنه أسهل، وأسرع، وأقل إرهاقاً ذهنياً. إنه يشبه إلى حد ما تفضيل نظام تحديد المواقع (GPS) الذي يقود السيارة بدلاً منك، حتى لو كنت تعلم أنك تنسى كيفية قراءة الخريطة.

في النهاية، تجادل الورقة البحثية بأنه لا يمكننا قياس النجاح فقط بمدى سرعة إنجاز المهمة. إذا أردنا أن يكون الناس قادرين على إصلاح، وشرح، وتحسين الكود الخاص بهم لاحقاً، فنحن بحاجة إلى تصميم أدوات ذكاء اصطناعي تجبرهم على البقاء متفاعلين. يقترح المؤلفون أن الذكاء الاصطناعي في المستقبل لا ينبغي أن يكون مجرد زر "افعل ذلك من أجلي"، بل شريكاً يشجع المستخدمين على التفكير، والقراءة، وفهم الكود الذي ينتجه. وحتى ذلك الحين، قد نحصل على الكثير من المواقع الإلكترونية الجاهزة، لكننا نخاطر بفقدان الأشخاص الذين يعرفون حقاً كيف تعمل.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →