A Scaffolded GenAI Lab in Early Undergraduate CS: A Mixed-Methods, Multi-Course Evaluation
Deze mixed-methods studie toont aan dat een korte, gescaffelde "AI-Lab"-interventie verspreid over meerdere bacheloropleidingen er succesvol in is geslaagd het comfort en de openheid van studenten ten opzichte van het gebruik van generatieve AI voor conceptuele en debugging-taken te vergroten, terwijl tegelijkertijd meer kritische, iteratieve engagementstrategieën werden bevorderd zonder het algemene zelfgerapporteerde gebruik bij beoordeelde opdrachten te verhogen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereld van de informatica voor als een enorme, bruisende bibliotheek waar studenten leren hoe ze dingen met code kunnen bouwen. Jarenlang waren de enige hulpmiddelen in de schappen tekstboeken, aantekeningen van colleges en een beetje hulp van een docent of een vriend. Maar onlangs is er een nieuwe, supersnelle bibliothecaris gearriveerd: Generatieve AI (GenAI). Deze bibliothecaris kan code schrijven, lastige concepten uitleggen en problemen in een oogwenk oplossen. Hoewel dit als een droom klinkt, is het ook een beetje een nachtmerrie voor docenten. Zij maken zich zorgen dat als studenten simpelweg de bibliothecaris om antwoorden vragen, ze zelf niet echt zullen leren hoe ze iets moeten bouwen. Ze maken zich ook zorgen over spieken. Dus, de grote vraag voor onderwijzers is: Hoe leren we studenten om deze krachtige nieuwe bibliothecaris verstandig te gebruiken, zonder dat ze hem simpelweg al het werk laten doen? Dit is de puzzel die onderzoekers proberen op te lossen in het vakgebied van het computereducatie.
Maak kennis met een team onderzoekers van de Purdue University die besloten een "trainingskamp" voor studenten te testen, genaamd de AI-Lab. Ze probeerden de bibliothecaris niet te verbieden, noch lieten ze studenten ongecontroleerd hun gang gaan. In plaats daarvan richtten ze een korte, gestructureerde workshop in om studenten te leren hoe ze slimme partners met AI kunnen zijn. Ze wilden zien of deze korte les de manier waarop studenten over het gebruik van AI dachten en hoe ze het daadwerkelijk gebruikten, zou veranderen. Werden de studenten zelfverzekerder? Begonnen ze AI meer te gebruiken voor huiswerk? Of leerden ze het te gebruiken als een hulpmiddel in plaats van een kruk?
De onderzoekers voerden dit experiment uit in drie informatica-klassen en één engineering-klas over twee semesters, waarbij honderden studenten betrokken waren. Ze gaven de studenten enquêtes vóór en na de AI-Lab om hun gevoelens en gewoonten te meten, en ze hielden groepsdiscussies om de verhalen van de studenten in hun eigen woorden te horen.
Dit is wat ze vonden. Na de workshop voelden studenten zich veel comfortabeler en meer open om AI te gebruiken voor lastige conceptuele vragen en voor hulp bij het huiswerk. Ze waren minder bang om de AI om hulp te vragen. Echter, en dit is een grote "echter", het aantal keren dat studenten zeiden dat ze AI gebruikten voor hun beoordeelde huiswerk en grote projecten, ging niet omhoog. Het bleef precies hetzelfde. De enige plek waar ze AI meer gebruikten, was voor debugging — het repareren van kapotte code.
De verhalen van de studenten uit de focusgroepen verklaarden waarom. Vóór de lab behandelden veel studenten AI als een magische knop: ze typten een vage vraag in en hoopten op het beste. Als het antwoord fout was, gaven ze het op. Na de lab werden ze als bekwame detectives. Ze leerden de AI meer context te geven, betere vragen te stellen en het werk van de AI zorgvuldig te controleren. Ze realiseerden zich dat de AI niet perfect is; het kan fouten maken, vooral in wiskunde of complexe logica. Ze begonnen het te behandelen als een studiegenoot die erg snel is maar soms zaken fout doet, in plaats van een oplossing-generator die het werk voor hen doet. Ze stelden duidelijke grenzen door te besluiten dat hoewel AI geweldig is voor het begrijpen van een concept of het oplossen van een bug, ze nog steeds zelf het zware werk moeten doen voor hun uiteindelijke cijfers.
De onderzoekers zijn voorzichtig in hun bewering dat ze niet hebben bewezen dat studenten daadwerkelijk minder spieken of meer leren, omdat ze alleen de studenten hebben gevraagd wat ze zeiden dat ze deden. Maar de resultaten suggereren dat een korte, slimme les de manier waarop studenten over AI denken kan veranderen. Het lijkt hen meer zelfvertrouwen en een strategische aanpak te geven, zonder hen te veranderen in mensen die simpelweg de AI hun huiswerk laten doen. Het is als het leren aan een bestuurder hoe hij een GPS moet gebruiken: ze voelen zich misschien zelfverzekerder tijdens het rijden in een nieuwe stad, maar ze moeten nog steeds zelf de auto besturen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.