A Scaffolded GenAI Lab in Early Undergraduate CS: A Mixed-Methods, Multi-Course Evaluation
Diese Mixed-Methods-Studie zeigt, dass eine kurze, gestufte „AI-Lab“-Intervention über mehrere Bachelorstudiengänge hinweg erfolgreich das Komfortgefühl und die Offenheit der Studierenden gegenüber der Nutzung generativer KI für konzeptionelle Aufgaben und das Debugging steigerte, während gleichzeitig kritischere, iterative Engagement-Strategien gefördert wurden, ohne die insgesamt selbstberichtete Nutzung bei benoteten Aufgaben zu erhöhen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt der Informatik als eine riesige, belebte Bibliothek vor, in die Studenten gehen, um zu lernen, wie man Dinge mit Code baut. Jahrelang waren die einzigen Werkzeuge in den Regalen Lehrbücher, Vorlesungsnotizen und ein wenig Hilfe von einem Lehrer oder einem Freund. Doch vor kurzem ist ein neuer, superschneller Bibliothekar eingetroffen: Generative KI (GenAI). Dieser Bibliothekar kann Code schreiben, schwierige Konzepte erklären und Probleme im Handumdrehen lösen. Während dies wie ein Traum klingt, ist es auch ein kleiner Albtraum für Lehrer. Sie sorgen sich, dass Studenten, wenn sie den Bibliothekaren einfach nur nach Antworten fragen, nicht wirklich lernen werden, wie man selbst etwas baut. Sie sorgen sich auch um Betrug. Die große Frage für Pädagogen lautet also: Wie bringen wir Studenten bei, diesen mächtigen neuen Bibliothekar klug zu nutzen, ohne dass sie ihn einfach die ganze Arbeit machen lassen? Dies ist das Rätsel, das Forscher im Bereich der Informatik-Ausbildung zu lösen versuchen.
Hier kommt ein Team von Forschern der Purdue University ins Spiel, das sich entschied, ein „Trainingslager“ für Studenten namens AI-Lab zu testen. Sie versuchten nicht, den Bibliothekaren zu verbieten, noch ließen sie die Studenten wild um sich sein. Stattdessen richteten sie einen kurzen, strukturierten Workshop ein, um den Studenten beizubringen, wie sie kluge Partner für die KI sind. Sie wollten sehen, ob diese kurze Lektion die Einstellung der Studenten zur Nutzung von KI verändern würde und wie sie diese tatsächlich nutzten. Wurden die Studenten selbstbewusster? Begannen sie, die KI häufiger für Hausaufgaben zu nutzen? Oder lernten sie, sie wie ein Werkzeug und nicht wie eine Krücke zu verwenden?
Die Forscher führten dieses Experiment über drei Informatik-Kurse und einen Ingenieurwissenschafts-Kurs über zwei Semester hinweg durch, an denen hunderte Studenten teilnahmen. Sie gaben den Studenten vor und nach dem AI-Lab Umfragen, um ihre Gefühle und Gewohnheiten zu messen, und sie führten Gruppendiskussionen durch, um die Geschichten der Studenten in ihren eigenen Worten zu hören.
Hier ist, was sie herausfanden. Nach dem Workshop fühlten sich die Studenten viel wohler und offener gegenüber der Nutzung von KI für schwierige konzeptionelle Fragen und zur Hilfe bei Hausaufgaben. Sie hatten weniger Angst davor, die KI um Hilfe zu bitten. Es gab jedoch ein großes „Aber“: Die Anzahl der Fälle, in denen Studenten angaben, die KI für ihre benoteten Hausaufgaben und großen Projekte genutzt zu haben, stieg nicht an. Sie blieb exakt gleich. Der einzige Bereich, in dem sie die KI häufiger nutzten, war das Debugging – das Reparieren von fehlerhaftem Code.
Die Geschichten der Studenten aus den Fokusgruppen erklärten das Warum. Vor dem Lab behandelten viele Studenten die KI wie einen magischen Knopf: Sie tippten eine vage Frage ein und hofften auf das Beste. Wenn die Antwort falsch war, gaben sie auf. Nach dem Lab wurden sie wie geschickte Detektive. Sie lernten, der KI mehr Kontext zu geben, bessere Fragen zu stellen und die Arbeit der KI sorgfältig zu überprüfen. Sie erkannten, dass die KI nicht perfekt ist; sie kann Fehler machen, besonders in der Mathematik oder komplexer Logik. Sie begannen, sie wie einen Lernpartner zu behandeln, der zwar sehr schnell ist, aber manchmal Dinge falsch macht, statt wie einen Lösungsgenerator, der die Arbeit für sie erledigt. Sie setzten klare Grenzen und entschieden, dass die KI zwar großartig ist, um ein Konzept zu verstehen oder einen Bug zu beheben, sie aber für ihre endgültigen Noten dennoch die schwere Arbeit selbst leisten müssen.
Die Forscher betonen vorsichtig, dass sie nicht bewiesen haben, dass die Studenten tatsächlich weniger betrogen oder mehr gelernt haben, da sie nur die Studenten gefragt haben, was diese sagten, dass sie getan haben. Aber die Ergebnisse legen nahe, dass eine kurze, kluge Lektion die Denkweise der Studenten über KI verändern kann. Es scheint sie selbstbewusster und strategischer zu machen, ohne sie zu Menschen zu machen, die einfach nur die KI ihre Hausaufgaben machen lassen. Es ist wie das Beibringen eines Fahrers, wie man ein GPS benutzt: Sie mögen sich beim Fahren in einer neuen Stadt selbstbewusster fühlen, aber sie müssen das Auto immer noch selbst steuern.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.