Engineering Students' Usage and Perceptions of GitHub Copilot in Open-Source Projects
यह शोध पत्र एक अन्वेषणात्मक सर्वेक्षण-आधारित अध्ययन प्रस्तुत करता है जो यह जांचता है कि इंजीनियरिंग के छात्र ओपन-सोर्स प्रोजेक्ट्स में योगदान देते समय GitHub Copilot की विभिन्न विशेषताओं का उपयोग और धारणा कैसे रखते हैं, जिससे यह प्रकट होता है कि उपयोग के पैटर्न और कथित उपयोगिता लिंग, प्रोग्रामिंग दक्षता और एआई (AI) के साथ पूर्व परिचितता से महत्वपूर्ण रूप से प्रभावित होते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप युवा शेफों को एक जटिल भोजन बनाना सिखा रहे हैं। अतीत में, उन्हें हर सब्जी खुद काटनी पड़ती थी और हर मसाले को खुद मापना पड़ता था। लेकिन अब, आपने उन्हें एक सुपर-स्मार्ट sous-chef (मान लीजिए कि उसका नाम "Copilot" है) दिया है जो रेसिपी बता सकता है, तुरंत सब्जियां काट सकता है, या यदि आप उसे बस बता दें कि आप क्या चाहते हैं, तो वह पूरी रेसिपी भी लिख सकता है।
यह शोध पत्र इस बात की रिपोर्ट कार्ड की तरह है कि कैसे इंजीनियरिंग के छात्रों (हमारे युवा शेफ) के एक समूह ने एक वास्तविक, ओपन-सोर्स सॉफ़्टवेयर प्रोजेक्ट (उनकी "कुकिंग चुनौती") में बग को ठीक करने के दौरान इस डिजिटल sous-chef का उपयोग किया।
यहाँ बताया गया है कि शोधकर्ताओं ने क्या पाया, सरल उपमाओं (analogies) का उपयोग करते हुए:
1. सेटअप: "टेक-होम" कुकिंग चैलेंज
शोधकर्ताओं ने 179 इंजीनियरिंग छात्रों को एक कार्य दिया: "JSON Crack" नामक सॉफ़्टवेयर में एक नया फीचर जोड़ना। यह एक घर में नया कमरा जोड़ने के लिए कहने जैसा था जिसे उन्होंने पहले कभी नहीं देखा था। उन्हें अपनी इच्छानुसार GitHub Copilot का उपयोग करने की अनुमति दी गई थी।
शुरू करने से पहले, शिक्षकों ने उन्हें Copilot के टूल्स का एक त्वरित टूर दिया:
- Autofill: यह आपके फोन पर स्मार्ट ऑटो-कम्प्लीट की तरह है जो अगला शब्द अनुमान लगाता है।
- Chat: एक बातचीत जहाँ आप पूछते हैं, "मैं इसे कैसे ठीक करूँ?" और वह उत्तर देता है।
- Code Generation: आप साधारण अंग्रेजी में एक फंक्शन का वर्णन करते हैं, और वह कोड लिख देता है।
- Explain/Fix/Doc: वे टूल्स जो बताते हैं कि कोड क्या करता है, त्रुटियों को ठीक करते हैं, या निर्देश लिखते हैं।
2. छात्रों ने वास्तव में क्या किया? (उपयोग)
शोधकर्ताओं ने देखा कि छात्र किन टूल्स की ओर सबसे अधिक आकर्षित हुए।
- पसंदीदा: छात्रों ने Chat और Code Generation फीचर्स को सबसे ज्यादा पसंद किया। यह बिल्कुल वैसा ही है जैसे हम किसी मैनुअल को पढ़ने के बजाय सलाह के लिए किसी दोस्त से बात करना पसंद करते हैं। उन्हें पूछने में सहजता महसूस हुई, "हे, मैं यह कैसे करूँ?" और तुरंत उत्तर प्राप्त करना।
- सबसे कम उपयोग किया गया: Documentation टूल (दूसरों के लिए निर्देश लिखना) सबसे कम लोकप्रिय था। क्यों? क्योंकि छात्र केवल काम पूरा करने पर केंद्रित थे। वे पार्टी के लिए व्यंजन बनाने की जल्दी में जुटे शेफ की तरह थे; उनके पास अगले व्यक्ति के लिए एक फैंसी रेसिपी कार्ड लिखने का समय नहीं था।
3. "विश्वास" का कारक: रोबोट पर किसे भरोसा था?
अध्ययन ने पूछा: क्या छात्र इस AI पर भरोसा करते हैं?
- अनुभव मायने रखता है: वे छात्र जिन्हें कोडिंग के बारे में पहले से थोड़ी जानकारी थी या जिन्होंने AI का उपयोग किया था, वे इस टूल पर अधिक भरोसा करते थे। यह एक अनुभवी ड्राइवर की तरह है जो नए ड्राइवर की तुलना में GPS पर अधिक भरोसा करता है, जो रोबोट के निर्देशों का पालन करने से डर सकता है।
- "विश्वास" का अंतर: मध्यम स्तर के कौशल वाले छात्रों का AI में सबसे अधिक विश्वास था। शुरुआती (beginners) इस पर निर्भर रहने से बहुत डरते थे, और विशेषज्ञ इस पर आँख मूंदकर भरोसा करने के लिए बहुत आलोचनात्मक थे। "मध्यम स्तर" के छात्र वे थे जो कह रहे थे, "हाँ, रोबोट, तुम बॉस हो!"
4. लैंगिक विभाजन (Gender Divide): दो समूहों की कहानी
यह सबसे दिलचस्प निष्कर्षों में से एक था। शोधकर्ताओं ने देखा कि पुरुष और महिला छात्रों ने टूल का उपयोग अलग तरह से किया:
- "Autofill" बनाम "Generation" का अंतर: महिला छात्रों ने Autofill फीचर (एक कोमल संकेत) का अधिक बार उपयोग किया। पुरुष छात्रों ने Code Generation फीचर (पूरे कोड ब्लॉक लिखने वाला भारी काम) का अधिक बार उपयोग किया।
- आत्मविश्वास का स्तर: पुरुष छात्रों ने आम तौर पर रिपोर्ट किया कि AI उनके लिए महिलाओं की तुलना में अधिक उपयोगी था।
- उपमा: कल्पना कीजिए कि लोग गाड़ी चलाना सीख रहे हैं। अध्ययन बताता है कि एक समूह (पुरुष) को स्टीयरिंग लेने और कार को खुद चलाने देने में अधिक सहजता महसूस हुई (कोड जनरेट करना), जबकि दूसरे समूह (महिलाएं) ने स्टीयरिंग को हाथ में रखने और केवल पार्किंग में मदद के लिए कार के सेंसरों का उपयोग करने को प्राथमिकता दी (ऑटोफिल)। शोधकर्ता सुझाव देते हैं कि ऐसा इसलिए हो सकता है क्योंकि महिला छात्रों को लगा कि उनके पास AI का पूर्व अनुभव कम था, जिससे वे अधिक सतर्क रहीं।
5. यह क्यों मायने रखता है?
शोधकर्ता दो चीजों को लेकर चिंतित हैं:
- सीखना बनाम सहारा लेना (Learning vs. Leaning): यदि छात्र AI पर बहुत अधिक सहारा लेते हैं, तो वे शून्य से खाना बनाना (कोड करना) सीखना बंद कर सकते हैं। वे बाहर से खाना मंगवाने में तो माहिर हो सकते हैं, लेकिन खुद का भोजन बनाने में खराब हो सकते हैं।
- अंतर (The Gap): यदि यह टूल एक समूह (पुरुषों) को दूसरे समूह (महिलाओं) की तुलना में अधिक उपयोगी महसूस होता है, तो यह उस अंतर को बढ़ा सकता है कि कौन एक आत्मविश्वासी सॉफ़्टवेयर इंजीनियर बनता है।
निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि AI कोडिंग असिस्टेंट यहाँ बने रहने के लिए हैं, और छात्र उनका भारी उपयोग कर रहे हैं, विशेष रूप से "Chat" और "Generation" फीचर्स का। हालाँकि, हमें सावधान रहने की आवश्यकता है। शिक्षकों को ऐसे असाइनमेंट डिजाइन करने की आवश्यकता है जो यह सुनिश्चित करें कि छात्र अभी भी कॉन्सेप्ट्स सीख रहे हैं, न कि केवल रोबोट के जवाबों को कॉपी कर रहे हैं।
साथ ही, हमें यह सुनिश्चित करने की आवश्यकता है कि "रोबोट sous-chef" लिंग या अनुभव के स्तर की परवाह किए बिना, सभी के लिए समान रूप से सहायक और भरोसेमंद महसूस हो, ताकि रसोई में कोई पीछे न छूट जाए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।