AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report
यह शोध पत्र सॉफ्टवेयर इंजीनियरिंग कैपस्टोन परियोजनाओं में कोड गुणवत्ता और स्व-नियमित शिक्षण को सुदृढ़ करने के लिए गिटहब पुल रिक्वेस्ट (GitHub pull requests) में एक एलएलएम-आधारित (LLM-based) समीक्षक को एकीकृत करने पर एक मिश्रित-पद्धति अनुभव रिपोर्ट प्रस्तुत करता है, जो यह प्रदर्शित करता है कि उचित निर्देशात्मक मार्गदर्शन के साथ जुड़ने पर संरचित एआई फीडबैक पुनरावृत्ति विकास और सार्थक छात्र जुड़ाव को बढ़ावा दे सकता है।
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 एक पेशेवर रसोई में खाना बनाना सीख रहे हैं। आपके पास एक हेड शेफ (आपके प्रोफेसर) हैं जो बहुत व्यस्त रहते हैं, और आपके पास साथी छात्र रसोइये (आपके सहकर्मी) भी हैं। आप यह सुनिश्चित करना चाहते हैं कि आपका सूप एकदम सही हो, लेकिन आपके सहकर्मी अक्सर इतने शर्मीले होते हैं कि वे आपको यह बताने में हिचकिचाते हैं कि इसमें नमक ज्यादा है, और हेड शेफ के पास हर एक चम्मच चखने का समय नहीं होता।
यह शोध पत्र बताता है कि कैसे शोधकर्ताओं ने छात्रों को उनके "रेसिपी" (उनके कंप्यूटर कोड) को बेहतर बनाने में मदद करने के लिए एक विश्वविद्यालय के सॉफ्टवेयर इंजीनियरिंग क्लासरूम में एक "स्मार्ट सू-शेफ" (Smart Sous-Chef) (एक AI टूल) पेश किया।
यहाँ इसका विवरण दिया गया है कि यह कैसे काम करता है और उन्हें क्या पता चला:
1. समस्या: "शर्मीला सहकर्मी" और "व्यस्त बॉस"
विश्वविद्यालय के प्रोजेक्ट्स में, छात्रों को एक-दूसरे के काम की समीक्षा करनी होती है। लेकिन यहाँ दो चीजें गलत होती हैं:
- सहकर्मी की समस्या: छात्र अपने दोस्तों की आलोचना करने में असहज महसूस करते हैं। वे अक्सर "विनम्र लेकिन बेकार" फीडबैक देते हैं जैसे, "अच्छा लग रहा है!", भले ही कोड बिखरा हुआ या खराब हो।
- पैमाने (Scale) की समस्या: प्रोफेसर सैकड़ों छात्रों के लिए कोड की हर एक लाइन की जांच करने के लिए बहुत व्यस्त होते हैं।
2. समाधान: "स्मार्ट सू-शेफ" (AI)
छात्रों को केवल एक ऐसा AI देने के बजाय जो उनके लिए कोड लिख दे (जो कि एक ऐसे शेफ की तरह है जो बस आपको बना-बनाया फ्रोजन भोजन थमा देता है), शोधकर्ताओं ने एक विशेष AI बनाया।
यह AI यह नहीं कहता कि, "यह रहा सुधारा हुआ कोड।" इसके बजाय, यह एक अत्यधिक चौकस सहायक की तरह काम करता है जो आपके बर्तन की ओर इशारा करके कहता है: "हे, आप इसमें मसाला डालना भूल गए," या "यहाँ तापमान थोड़ा अधिक लग रहा है।" यह नामकरण (naming), संगठन (organization) और तर्क (logic) जैसी चीजों की एक चेकलिस्ट प्रदान करता है—लेकिन वास्तविक खाना बनाना और निर्णय लेना छात्र पर ही छोड़ देता है।
3. प्रयोग: दो साल का परीक्षण
शोधकर्ताओं ने यह देखने के लिए दो समूहों के छात्रों पर दो वर्षों तक नज़र रखी कि क्या इस "स्मार्ट सू-शेफ" ने वास्तव में उन्हें सीखने में मदद की या वे केवल आलसी बन गए।
- वर्ष 1 (शुरुआती मुश्किलें): इस टूल में कुछ "ग्लिच" (खामियां) थीं। कभी-कभी, यदि कोई छात्र एक साथ बहुत अधिक चीज़ दिखाने की कोशिश करता था, तो AI अभिभूत (overwhelmed) हो जाता था (जैसे कि एक शेफ को एक रेसिपी के बजाय पूरी किराने की दुकान दिखाने की कोशिश करना)।
- वर्ष 2 (सुव्यवस्थित रसोई): उन्होंने ग्लिच को ठीक कर दिया। उन्होंने छात्रों को सही ढंग से AI का उपयोग करना सिखाया—पूरे काम को एक साथ दिखाने के बजाय, काम के छोटे और विशिष्ट हिस्सों को दिखाना।
4. परिणाम: क्या उन्होंने वास्तव में सीखा?
शोधकर्ताओं ने दो चीजों को देखा: व्यवहार (Behavior) (उन्होंने वास्तव में क्या किया) और धारणा (Perception) (उन्होंने क्या महसूस किया)।
- "एक्शन" मेट्रिक (व्यवहार): उन्होंने पाया कि लगभग एक-तिहाई समय, जब AI ने किसी चीज़ की ओर इशारा किया, तो छात्रों ने तुरंत वापस जाकर अपने कोड में बदलाव किया। यह सीखने का "पुख्ता सबूत" है—यह दिखाता है कि वे केवल AI की टिप्पणियों को पढ़ नहीं रहे थे; वे वास्तव में उन पर प्रतिक्रिया दे रहे थे।
- "क्रिटिकल थिंकर" (धारणा): आश्चर्यजनक रूप से, छात्रों ने AI को भगवान की तरह नहीं माना। वे समझ गए कि AI "रसोई की सफाई करने" (फॉर्मेटिंग और टाइपो ठीक करने) में तो बहुत अच्छा है, लेकिन "जटिल स्वादों को चखने" (गहन, जटिल तर्क को समझने) में बहुत कमजोर है। क्योंकि वे AI की सीमाओं को जानते थे, इसलिए वे आँख मूंदकर उसका पालन नहीं कर रहे थे; उन्होंने इसे एक सहारे (crutch) के रूप में नहीं, बल्कि एक उपकरण (tool) के रूप में इस्तेमाल किया।
मुख्य निष्कर्ष
शोध पत्र यह निष्कर्ष निकालता है कि शिक्षा में AI को एक "ओरेकल" (एक सर्वज्ञ सत्ता जो उत्तर देती है) नहीं, बल्कि एक "स्कैफोल्ड" (एक अस्थायी संरचना जो आपको कुछ ऊँचा बनाने में मदद करती है) होना चाहिए।
यदि आप AI को एक "घोस्टराइटर" के बजाय एक "क्रिटीक पार्टनर" (आलोचनात्मक साथी) के रूप में डिजाइन करते हैं, तो छात्र सोचना बंद नहीं करते—बल्कि वे वास्तव में अपने काम की गुणवत्ता के बारे में अधिक गहराई से सोचना शुरू कर देते हैं।
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।