Engineering Students' Usage and Perceptions of GitHub Copilot in Open-Source Projects
Dit onderzoek onderzocht hoe engineeringstudenten GitHub Copilot gebruiken bij open-sourceprojecten en vond dat het chat- en codegeneratiefunctie het meest worden ingezet, waarbij gebruik en perceptie significant worden beïnvloed door geslacht, programmeervaardigheid en AI-ervaring.
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 voor dat programmeren niet langer alleen maar gaat over het typen van code, maar meer lijkt op het werken met een super-intelligente, onuitputtelijke stagiair die naast je zit. Die stagiair heet GitHub Copilot. Hij kent de taal van computers, kan suggesties doen terwijl je typt, en kan zelfs hele stukken code uitleggen of fouten oplossen.
Deze studie van studenten aan de Universiteit van Florida kijkt naar hoe engineering-studenten met zo'n digitale assistent werken tijdens een echte opdracht: het verbeteren van een open-source project (een soort publieke bouwplaats waar iedereen aan mee kan werken).
Hier is wat ze hebben ontdekt, vertaald in alledaagse taal:
1. De "Magische" Stagiair in de Werkplaats
Vroeger moest je elke regel code zelf uit je hoofd bedenken. Nu heb je deze AI-assistent die je kunt vragen: "Hoe maak ik een knop die groen wordt?" of "Leg uit wat deze ingewikkelde code doet."
De studenten kregen de opdracht om een nieuwe functie toe te voegen aan een bestaand programma. Ze mochten de AI-assistent gebruiken zoals ze wilden. Het was alsof ze kregen te zeggen: "Gebruik je gereedschapskist, maar vergeet die nieuwe, slimme robot niet."
2. Wat gebruikten ze het meest? (De Populaire Tools)
Net zoals je in een keuken soms de mixer gebruikt en zelden de knoflookpers, gebruikten de studenten bepaalde functies van de AI veel vaker dan andere:
- De Chat-functie (De "Vraagbaak"): Dit was de favoriet. Studenten stelden vragen in gewone taal, net alsof ze een collega iets vragen. "Hoe los ik dit probleem op?"
- Code Generatie (De "Ideestarter"): De AI schreef hele stukken code voor hen op basis van een korte beschrijving.
- De "Uitleg" (De "Docent"): Studenten vroegen de AI om complexe code in mensentaal uit te leggen.
Wat ze niet vaak gebruikten? De functie om documentatie (handleidingen) te schrijven. Dat is logisch: studenten wilden vooral de opdracht afkrijgen, niet de handleiding voor de toekomst schrijven. Het is alsof je een huis bouwt en de muren zet, maar vergeet het schilderwerk en de instructiehandleiding voor de nieuwe bewoners.
3. Verschillen tussen Jongens en Meisjes (De "Gereedschapskist")
Dit is misschien wel het meest interessante deel van de studie. Het bleek dat mannen en vrouwen de AI op een iets andere manier benaderden:
- Vrouwen gebruikten vaker de functie om code in te vullen terwijl ze typten (alsof ze een handje kregen bij het typen) en vaker om code uit te leggen. Ze vonden deze hulp ook nuttiger.
- Mannen gebruikten vaker de functie om nieuwe code te genereren (alsof ze de AI vroegen om het hele werk voor hen te doen) en vonden dat nuttiger.
Het lijkt erop dat vrouwen de AI meer zagen als een leraar die uitleg geeft, terwijl mannen het meer zagen als een productiviteitsmachine die werk voor hen doet. Dit suggereert dat we misschien meer aandacht moeten besteden aan hoe we meisjes leren omgaan met AI, zodat ze evenveel vertrouwen krijgen in deze tools.
4. Ervaring maakt het Verschil (De "Beginner vs. De Expert")
- De gevorderde studenten: Zij die al wat meer ervaring hadden met programmeren, gebruikten de chat-functie veel. Ze wisten precies wat ze wilden vragen en konden de antwoorden van de AI goed beoordelen. Ze hadden een gezond vertrouwen in de machine.
- De minder ervaren studenten: Zij gebruikten de chat minder. Ze waren bang om fouten te maken of wisten niet hoe ze de AI het beste konden "aansturen". Ze vertrouwden de AI soms te weinig, of juist te veel (zonder te controleren of het wel goed was).
5. Waarom is dit belangrijk?
De onderzoekers zeggen: "We moeten oppassen."
Als studenten te afhankelijk worden van de AI, kunnen ze vergeten hoe ze zelf moeten nadenken. Het is alsof je altijd een navigatiesysteem gebruikt; je weet dan niet meer hoe je zelf een route moet plannen.
Aan de andere kant: als we de AI goed leren gebruiken, kunnen studenten leren om sneller en slimmer te werken. De kunst is om de AI te zien als een co-piloot die je helpt vliegen, niet als de piloot die de controle overneemt.
Kortom:
Studenten vinden deze AI-tools geweldig, maar ze gebruiken ze allemaal op hun eigen manier. Mannen en vrouwen hebben een iets andere aanpak, en hoe meer ervaring je hebt, hoe beter je de AI kunt "temmen". Voor scholen en leraren is de boodschap duidelijk: leer studenten niet alleen hoe ze de AI gebruiken, maar ook hoe ze er kritisch naar moeten kijken, zodat ze niet afhankelijk worden van de "magische" stagiair.
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.