A Systematic Review and Taxonomy of GenAI Usage in Programming Education: A Self-Regulation Perspective
Diese systematische Übersichtsarbeit über 58 Studien bis Oktober 2025 schlägt eine vierdimensionale Taxonomie vor, um zu zeigen, dass die Auswirkung der generativen KI auf die Selbstregulation von Studierenden in der Programmierausbildung nicht von der Technologie selbst abhängt, sondern von strukturierten pädagogischen Mediationsstrategien, die Autonomie fördern, gegenüber ungeführten Kontexten, die kognitive Abhängigkeit begünstigen.
Originalarbeit lizenziert unter CC BY 4.0 (https://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 lernen, Fahrrad zu fahren. In der Vergangenheit mussten Sie wackeln, hinfallen und versuchen, das Gleichgewicht ganz allein herauszufinden. Stellen Sie sich nun vor, Sie hätten ein magisches, unsichtbares Stützrad, das mit Ihnen sprechen kann. Es kann Ihnen genau sagen, wie Sie treten müssen, Sie vor Schlaglöchern weglenken und sogar Ihr Fahrrad reparieren, wenn Sie stürzen. Das ist es, was sich Generative Künstliche Intelligenz (GenAI) in der Welt des Programmierlernens anfühlt. Es ist ein superintelligentes Computerprogramm, das für Sie Computeranweisungen (Code) schreiben, komplexe Ideen erklären und Ihnen helfen kann, Probleme sofort zu lösen.
Aber hier liegt der knifflige Teil: Selbstreguliertes Lernen. Das ist ein schicker Begriff für „Lernen, wie man lernt“. Es ist die Fähigkeit, eigene Ziele zu setzen, sich selbst zu fokussieren, wenn es schwierig wird, und die eigene Arbeit zu überprüfen, um zu sehen, ob man es wirklich verstanden hat. Die große Frage ist nicht nur: „Kann mir dieses magische Werkzeug helfen, meine Hausaufgaben fertigzustellen?“, sondern: „Wird die Nutzung dieses Werkzeugs mich zu einem besseren, unabhängigeren Lerner machen oder wird sie mich abhängig von der Maschine machen?“ Wenn das Werkzeug das Denken für Sie übernimmt, bekommen Sie zwar vielleicht die richtige Antwort, aber Sie lernen nicht, wie man das Fahrrad alleine fährt. Dies ist genau das Rätsel, das Wissenschaftler im Bereich der Programmierpädagogik zu lösen versuchen.
Die große Untersuchung der Code-Helfer
Ein Forscherteam beschloss, einen großen Schritt zurückzutreten und das Gesamtbild zu betrachten. Sie führten nicht nur ein einzelnes Experiment durch; sie agierten wie Detektive, die nach 58 verschiedenen Studien suchten, die bis Oktober 2025 veröffentlicht wurden. Sie durchkämmten Tausende von Forschungsarbeiten, um herauszufinden: Wie nutzen Lehrer und Schüler diese KI-Werkzeuge tatsächlich zum Programmieren lernen, und hilft es ihnen, unabhängige Denker zu werden oder nur Roboter, die Code kopieren?
Sie fanden heraus, dass die Antwort kein einfaches „Ja“ oder „Nein“ ist. Es ist eher wie ein Rezept. Das magische Werkzeug (GenAI) ist nur eine Zutat; entscheidend ist, wie man damit kocht.
Die vier Zutaten des Rezepts
Um die verschiedenen Arten, wie Menschen KI nutzen, verständlich zu machen, erstellten die Forscher eine spezielle Landkarte namens Taxonomie. Denken Sie an eine Speisekarte in einem Restaurant, die Ihnen hilft, das richtige Gericht zu bestellen. Sie ordneten die Studien in vier Hauptkategorien ein:
- Was kochen wir? (Ziel-Lehrplan): Nutzen wir die KI, um neuen Code von Grund auf neu zu schreiben, fehlerhaften Code zu korrigieren (Debugging) oder nur, um zu erklären, wie Dinge funktionieren? Die meisten Studien konzentrierten sich auf das Schreiben von Code, was Sinn ergibt, da Tools wie ChatGPT darin besonders gut sind.
- Wer ist der Chef? (Mediationsstrategie): Dies ist der wichtigste Teil. Wartet die KI einfach nur darauf, dass man sie etwas fragt (Freie Nutzung), oder leitet der Lehrer einen an, wann und wie genau sie zu nutzen ist (Geführte Nutzung)?
- Die Falle der „Freien Nutzung“: Wenn Studenten mit der KI allein gelassen werden, nutzen sie sie oft als Abkürzung. Sie fragen nach der Antwort, bekommen sie und ziehen weiter. Die Forscher fanden heraus, dass dies zu einer „Illusion der Kompetenz“ führt – man glaubt, man könne das Fahrrad fahren, weil das unsichtbare Rad einen gestützt hat, aber eigentlich kann man es gar nicht.
- Die „Geführte“ Magie: Wenn Lehrer Regeln aufstellen – wie zum Beispiel: „Nutze die KI, um den Fehler zu erklären, aber lass sie den Fix nicht für dich schreiben“ – lernen Studenten tatsächlich mehr. Es ist wie ein Coach, der das Fahrrad nicht für einen schiebt, aber einem sagt, in welche Richtung man sich lehnen muss.
- Wie fühlen wir uns? (Kognitive Auswirkungen): Waren die Studenten motivierter? Haben sie das Material besser verstanden? Oder sind sie abhängig vom Werkzeug geworden? Die Ergebnisse waren gemischt. Einige Studenten fühlten sich weniger gestresst und selbstbewusster, während andere das Gefühl hatten, ihre Fähigkeit zum kritischen Denken zu verlieren.
- Was für ein Werkzeug ist es? (Technischer Ansatz): Ist es ein einfacher Chatbot, mit dem man spricht, ein intelligenter Tutor, der in die Programmiersoftware eingebaut ist, oder ein spezialisierter Roboter? Die Studie ergab, dass einfache Chatbots am häufigsten vorkommen, aber spezialisierte Tools, die von Lehrern entwickelt wurden, oft besser für tiefgehendes Lernen funktionieren.
Die große Entdeckung: Es kommt auf die Regeln an
Die spannendste Erkenntnis dieser Arbeit ist, dass die Technologie selbst nicht der Held oder der Bösewicht ist. Das KI-Werkzeug ist neutral. Es ist die pädagogische Mediation – die Art und Weise, wie Lehrer und Studenten es nutzen – die über das Ergebnis entscheidet.
- Wenn es schiefgeht: Wenn man Studenten einfach ohne Regeln die KI überlässt, neigen sie dazu, „kognitive Abhängige“ zu werden. Sie hören auf, selbst Probleme zu lösen, weil das Werkzeug zu einfach zu benutzen ist. Sie erzielen vielleicht gute Noten, aber sie lernen eigentlich nichts.
- Wenn es richtig läuft: Wenn die KI als Scaffold (wie Stützräder, die man langsam entfernt) eingesetzt wird, ist es fantastisch. Lehrer, die Strategien anwenden wie „Frage die KI nach einem Hinweis, nicht nach der Antwort“ oder „Nutze die KI, um deine Logik zu prüfen, bevor du den Code schreibst“, erleben, dass ihre Studenten motivierter, engagierter und besser darin werden, Probleme eigenständig zu lösen.
Was fehlt noch?
Die Forscher wiesen auch auf Lücken im aktuellen Wissen hin. Die meisten der untersuchten Studien waren kurzfristig (nur wenige Wochen oder sogar eine einzige Unterrichtseinheit) und umfassten kleine Gruppen von Studenten. Wir wissen noch nicht wirklich, ob die Nutzung von KI über ein ganzes Semester hinweg Studenten langfristig zu besseren Programmierern macht oder ob sie sie nur schneller im Kopieren macht. Zudem konzentrierten sich die meisten Studien auf Studenten, die bereits recht gut programmieren konnten; wir wissen noch nicht genug darüber, wie sich dies auf Anfänger oder Studenten mit unterschiedlichen Lernbedürfnissen auswirkt.
Das Fazit
Diese Arbeit zeigt uns, dass Generative KI ein mächtiges neues Werkzeug im Klassenzimmer ist, aber kein Zauberstab, der von allein alles behebt. Wenn man einem Studenten einfach einen Zauberstab in die Hand drückt und sagt „mach deine Hausaufgaben“, bekommt er vielleicht die Antwort, aber er lernt nicht die Magie. Wenn ein Lehrer diesen Zauberstab jedoch als Teil einer strukturierten Lektion nutzt – indem er den Studenten beibringt, wie man die richtigen Fragen stellt und wann man den Zauberstab wieder weglegt – dann kann er ihnen helfen, unabhängige, selbstbewusste und kreative Problemlöser zu werden.
Die Zukunft der Programmierpädagogik besteht nicht darin, KI zu verbieten oder sie wild um sich greifen zu lassen; es geht darum, das perfekte Gleichgewicht zu finden, in dem die KI das Gehirn des Studenten unterstützt, ohne es zu ersetzen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.