Beyond AI Delegation: A Prompt Pattern Framework for Productive Struggle and Evaluative Judgement in Secure Coding Education
Dieser Beitrag stellt einen auf Design Science Research basierenden Rahmen vor, der neun Prompt-Engineering-Muster anpasst, um produktives Ringen und evaluative Urteilsfähigkeit im Unterricht für sichere Programmierung zu unterstützen und sicherzustellen, dass Studierende aktiv im Denken verbleiben, anstatt kognitive Aufgaben an generative KI zu delegieren.
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 vor, Sie unterrichten einen Schüler im Schwimmen. In der Vergangenheit hätten Sie ihn vielleicht mit einer Schwimmweste ins tiefe Wasser geworfen und ihn gezwungen, zu paddeln und herauszufinden, wie er schwimmt. Dieser „Kampf" ist eigentlich der Ort, an dem das Lernen stattfindet; seine Muskeln werden stärker, und er versteht das Wasser.
Stellen Sie sich nun einen magischen Roboter vor, der sofort perfekt für ihn schwimmen kann. Wenn Sie den Roboter einfach das Schwimmen erledigen lassen, lernt der Schüler nie. Er kommt zwar ans andere Ende des Beckens, kann aber keinen einzigen Zug selbstständig schwimmen.
Dies ist das Problem, das die Arbeit in Bezug auf generative KI (wie ChatGPT) im Bildungswesen anspricht. Schüler nutzen KI, um das „Schwimmen" (das Denken und Problemlösen) für sie zu erledigen, und überspringen dabei die harte Arbeit, die ein echtes Verständnis aufbaut.
Hier ist die Lösung der Arbeit, einfach erklärt:
Die Kernidee: Verbieten Sie den Roboter nicht, ändern Sie die Regeln
Anstatt KI zu verbieten (was schwer durchzusetzen ist) oder sie die ganze Arbeit erledigen zu lassen, schlagen die Autoren eine neue Art vor, mit der KI zu sprechen. Sie nennen dies Prompt Engineering, denken Sie es sich aber als „Eine Stellenbeschreibung für die KI geben, die den Schüler zum Nachdenken zwingt".
Die Autoren haben ein „Menü" mit 9 spezifischen Möglichkeiten entwickelt, KI-Fragen zu stellen. Sie nennen diese Prompt Patterns (Muster). Genau wie ein Koch verschiedene Messer zum Hacken, Schneiden und Würfeln hat, können Lehrer verschiedene „Prompt Patterns" verwenden, um sicherzustellen, dass der Schüler die schwere Arbeit leistet, während die KI als hilfreicher Assistent und nicht als Ersatz fungiert.
Die zwei goldenen Regeln
Die Arbeit besagt, dass diese 9 Muster entwickelt wurden, um zwei wichtige Dinge zu schützen:
- Produktiver Kampf: Die gute Art der harten Arbeit, bei der man feststeckt, hart nachdenkt und es dann herausfindet. Die KI sollte Ihnen nicht sofort die Antwort geben; sie sollte Sie dazu bringen, dafür zu arbeiten.
- Evaluatives Urteil: Die Fähigkeit, ein Stück Arbeit (selbst wenn eine KI sie erstellt hat) zu betrachten und zu sagen: „Ist das wirklich gut? Ist das sicher?"
Das „Menü" mit 9 Mustern (mit Analogien)
Die Arbeit gruppiert diese 9 Muster in vier Kategorien. So funktionieren sie in einfacher Sprache:
- Der „Rollenspieler" (Persona): Sie sagen der KI: „Tritt als mürrischer, skeptischer Code-Reviewer auf." Anstatt nur zu sagen „Ja, das ist gut", fordert die KI die Ideen des Schülers heraus.
- Analogie: Es ist wie die Einstellung eines strengen Trainers, der Sie nicht durch eine Übung lassen wird, bis Sie erklären, warum Sie es auf diese Weise getan haben.
- Der „Sokratische Interviewer" (Umgekehrte Interaktion): Dies ist ein wichtiger Punkt. Anstatt dass der Schüler die KI nach Antworten fragt, fragt die KI den Schüler.
- Analogie: Stellen Sie sich einen Detektiv (die KI) vor, der den Verdächtigen (den Schüler) nacheinander fragt, um ein Verbrechen aufzuklären. Die KI wird das Verbrechen nicht für den Schüler aufklären; sie fragt einfach weiter: „Was ist mit diesem Hinweis?", bis der Schüler es herausfindet.
- Der „Optionengenerator" (Alternative Ansätze): Sie bitten die KI, Ihnen drei verschiedene Lösungen zu geben, nicht nur eine.
- Analogie: Anstatt dass die KI sagt „Nehmen Sie Route A", sagt sie „Hier sind die Routen A, B und C. Jetzt sagen Sie mir, welche die beste ist und warum." Dies zwingt den Schüler zum Vergleichen und Beurteilen.
- Der „Schritt-für-Schritt-Tracker" (Kognitiver Verifizierer): Sie bitten die KI, ihre Arbeit schrittweise zu zeigen.
- Analogie: Es ist wie wenn Sie einen Mathematiklehrer bitten, jeden einzelnen Schritt der Gleichung an die Tafel zu schreiben, anstatt Ihnen nur die endgültige Zahl zu geben. Wenn der Lehrer einen Schritt überspringt, kann der Schüler den Fehler erkennen.
Der Realwelttest: Der „Secure Coding"-Kurs
Um zu beweisen, dass dies funktioniert, haben die Autoren dies in einem Master-Studiengang für Computersicherheit ausprobiert.
- Das Problem: Schüler fragen die KI normalerweise einfach: „Behebe diesen Sicherheitsfehler", und kopieren die Antwort.
- Die Lösung: Sie verwendeten das „Sokratische Interviewer"-Muster. Die KI war so programmiert, dass sie den Schüler nacheinander Fragen über den Code stellte. Der Schüler musste den Code betrachten und antworten. Die KI ging erst zur nächsten Frage über, sobald der Schüler gezeigt hatte, dass er die aktuelle verstanden hatte.
- Das Ergebnis: Der Schüler konnte nicht einfach eine Antwort kopieren und einfügen. Er musste den Fehler tatsächlich selbst finden, wobei die KI als Leitfaden und nicht als Löser fungierte.
Das Fazit
Die Arbeit kommt zu dem Schluss, dass KI ein mächtiges Werkzeug ist, aber derzeit zu einfach als „Cheats" zu verwenden ist. Durch die Verwendung dieser spezifischen Prompt Patterns können Lehrer die KI von einem „Hausaufgabenlöser" in einen „Denkpartner" verwandeln.
Das Ziel ist nicht, Schüler davon abzuhalten, KI zu nutzen; es ist sicherzustellen, dass sie, wenn sie sie nutzen, immer noch diejenigen sind, die denken, kämpfen und urteilen. Die KI wird zum Fitnessgerät, nicht zum Personal Trainer, der die Gewichte für Sie hebt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.