Engineering Students' Usage and Perceptions of GitHub Copilot in Open-Source Projects
Die Studie untersucht die Nutzung und Wahrnehmung von GitHub Copilot durch Ingenieurstudenten bei Open-Source-Projekten und zeigt, dass Chat- und Code-Generierungsfunktionen am häufigsten genutzt werden, wobei Geschlecht, Programmierkenntnisse und AI-Vertrautheit signifikante Unterschiede in der Nutzung beeinflussen.
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
🤖 Der digitale Co-Pilot im Klassenzimmer: Wie Studenten GitHub Copilot nutzen
Stellen Sie sich vor, Sie lernen Autofahren. Früher mussten Sie alles selbst machen: den Motor starten, den Gang einlegen, die Bremsen drücken. Heute gibt es aber moderne Autos mit einem Co-Piloten (wie einen sehr klugen Beifahrer), der Ihnen sagt, wann Sie bremsen müssen, oder sogar die Lenkung übernimmt, wenn Sie nur kurz zögern.
In der Welt des Programmierens ist GitHub Copilot genau dieser Co-Pilot. Er ist eine künstliche Intelligenz (KI), die Code schreibt, Fehler findet und Erklärungen liefert. Aber wie nutzen Studenten diesen Co-Piloten? Vertrauen sie ihm blind? Oder nutzen sie ihn nur, wenn sie stecken bleiben?
Das ist die Frage, die die Forscherin Neha Rani und ihr Team an der University of Florida untersucht haben.
🎓 Das Experiment: Eine Reise ins Unbekannte
Die Forscher haben sich eine Gruppe von Ingenieurs- und Informatikstudenten vorgenommen. Ihre Aufgabe war es, wie echte Profis, einen Beitrag zu einem Open-Source-Projekt zu leisten.
- Die Aufgabe: Sie sollten eine neue Funktion zu einer bestehenden Software hinzufügen (ein Werkzeug namens "JSON Crack", das Daten visualisiert).
- Die Bedingung: Sie durften den Co-Piloten (GitHub Copilot) nutzen, wie sie wollten. Es gab keine strengen Regeln. Sie durften ihn bitten, Code zu schreiben, Fehler zu reparieren oder einfach nur zu erklären, was ein bestimmter Teil des Codes tut.
Nach der Aufgabe füllten die Studenten einen Fragebogen aus. Die Forscher wollten wissen: Welche Werkzeuge haben sie benutzt? Und wie nützlich fanden sie diese?
🔍 Was haben sie herausgefunden? (Die Entdeckungen)
1. Der "Chat" ist der Liebling
Stellen Sie sich GitHub Copilot wie ein Schweizer Taschenmesser vor. Es hat viele Klingen:
- Eine Klinge für automatische Vorschläge (während Sie tippen).
- Eine Klinge für Code-Generierung (Sie schreiben einen Kommentar, die KI schreibt den Code).
- Eine Klinge für den Chat (Sie fragen die KI wie einen Menschen: "Wie repariere ich diesen Fehler?").
Ergebnis: Die Studenten liebten den Chat am meisten! Es war, als würden sie einen erfahrenen Mentor fragen, statt nur auf Vorschläge zu warten. Danach kam die Code-Generierung. Die Funktion, die am wenigsten genutzt wurde, war das automatische Erstellen von Dokumentation (Anleitungen schreiben).
- Warum? Die Studenten waren wie Bauarbeiter, die schnell das Haus fertigstellen wollten. Sie kümmerten sich weniger darum, das Handbuch für die zukünftigen Besitzer zu schreiben.
2. Geschlechter-Unterschiede: Ein unterschiedlicher Fahrstil?
Hier wurde es interessant. Die Forscher stellten fest, dass Männer und Frauen den Co-Piloten unterschiedlich nutzten:
- Frauen nutzten die automatischen Vorschläge (während des Tippens) und die Erklärungsfunktion häufiger. Es war, als würden sie lieber Schritt für Schritt lernen und verstehen, was passiert.
- Männer nutzten die Code-Generierung (die KI schreibt den ganzen Block) etwas häufiger.
- Vertrauen: Männer gaben der KI im Allgemeinen ein etwas höheres "Vertrauensvotum" als Frauen. Das könnte daran liegen, dass Männer in der Studie angaben, sich mit KI-Themen etwas besser auszukennen.
3. Erfahrung macht den Unterschied
Je besser ein Student programmieren konnte, desto anders nutzte er den Co-Piloten:
- Erfahrene Studenten nutzten den Chat intensiv. Sie stellten präzise Fragen, wie ein Chef, der einem Mitarbeiter Anweisungen gibt. Sie wussten, was sie wollten, und nutzten die KI, um schneller ans Ziel zu kommen.
- Anfänger nutzten den Chat weniger. Sie hatten oft nicht genug Wissen, um zu erkennen, ob die KI einen guten oder schlechten Code geliefert hat. Das ist gefährlich, wie wenn ein Fahranfänger dem Co-Piloten blind folgt, ohne zu wissen, ob die Straße sicher ist.
💡 Was bedeutet das für die Zukunft?
Die Studie zeigt uns zwei wichtige Dinge:
- KI ist ein mächtiges Werkzeug, aber kein Ersatz für Lernen. Wenn Studenten den Co-Piloten nutzen, um zu verstehen, wie Code funktioniert, ist das super. Wenn sie ihn aber nutzen, um alles abzukürzen, ohne zu lernen, könnte das langfristig schaden. Es ist wie beim Lernen Mathematik: Wenn Sie einen Taschenrechner nutzen, um die Formel zu verstehen, ist das gut. Wenn Sie ihn nutzen, um nie wieder zu rechnen, verlernen Sie das Rechnen.
- Lehrer müssen aufpassen. Da Männer und Frauen die Tools unterschiedlich nutzen und unterschiedliches Vertrauen haben, müssen Lehrer sicherstellen, dass alle Studenten den gleichen Zugang und das gleiche Verständnis für die KI bekommen. Niemand sollte zurückbleiben oder der KI zu sehr vertrauen.
🚀 Fazit
GitHub Copilot ist wie ein neuer, sehr schneller Assistent im Labor der Informatik. Die Studenten haben ihn gerne benutzt, besonders um Fragen zu stellen (Chat) und Code zu generieren. Aber die Studie warnt uns: Wir müssen darauf achten, dass die Studenten nicht nur "Bediener" der KI werden, sondern weiterhin die Meister ihres eigenen Wissens bleiben.
Die Zukunft gehört nicht nur denen, die programmieren können, sondern denen, die wissen, wie sie die KI klug an ihrer Seite einsetzen – und wann sie sie wieder weglegen sollten, um selbst zu denken.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.