Learning Outcomes, Human–AI Trust, and Behavioral Patterns in GenAI-Assisted Pair Programming
Deze quasi-experimentele studie toont aan dat het integreren van generatieve AI in pair programming voor middelbare scholieren de programmeerkennis en projectprestaties aanzienlijk verbetert en het vertrouwen in AI vergroot, hoewel het een gedragsmatige neiging onthult om zwaar te leunen op hulp bij het debuggen in plaats van op proactieve probleemdecompositie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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
In klaslokalen over de hele wereld wordt al lang een simpel idee gebruikt om de complexe kunst van het schrijven van computercode te onderwijzen: twee studenten zitten aan één computer en werken samen. Eén persoon, de driver genoemd, bedient het toetsenbord en de muis om de instructies te typen, terwijl de ander, de navigator, naar het scherm kijkt, fouten opspoort en de volgende zet suggereert. Deze methode, bekend als pair programming, helpt beginners sneller te leren en zorgt ervoor dat ze zich minder alleen voelen wanneer er dingen misgaan. Maar nu krachtige nieuwe computerprogramma's die tekst en code kunnen genereren opduiken in scholen, rijst een nieuwe vraag. Wat gebeurt er als je een derde partner aan dit team toevoegt? Kan een kunstmatige intelligentie fungeren als een behulpzame gids zonder het leerproces over te nemen, of loopt het risico studenten te afhankelijk te maken van een machine die niet altijd gelijk heeft?
Een team van onderzoekers in China ging onlangs op zoek naar antwoorden op deze vragen door te observeren hoe middelbare scholieren leerden programmeren met en zonder deze nieuwe technologie. Ze werkten met eenen zestig negen achtste-klasstudenten die zeer weinig ervaring hadden met coderen. De onderzoekers verdeelden de klas in twee groepen. De ene groep werkte op de traditionele manier, met twee studenten die één computer deelden en zonder hulp van kunstmatige intelligentie. De andere groep werkte op dezelfde manier, maar met toegang tot een slim computerprogramma dat vragen kon beantwoorden, fouten kon uitleggen en codestukken kon schrijven wanneer daarom werd gevraagd. De studenten in beide groepen besteedden acht weken aan het bouwen van een klein softwareproject, waarbij ze elke tien minuten van rol wisselden zodat iedereen de kans kreeg om de computer te besturen en het gesprek te navigeren.
De resultaten toonden aan dat de studenten die met de ondersteuning van kunstmatige intelligentie werkten, daadwerkelijk meer leerden. Bij een test aan het einde van de acht weken wisten zij meer over programmeerconcepten en bouwden zij betere eindprojecten dan de studenten die zonder de tool werkten. De studie onthulde echter ook een specifiek patroon in hoe deze studenten de technologie gebruikten. Wanneer de code niet werkte, vroegen de studenten vaak aan de computer om een uitleg van de fout, en vroegen vervolgens onmiddellijk aan de computer om het probleem op te lossen. Dit creëerde een cyclus waarbij ze vastliepen, om hulp vroegen, een oplossing kregen, en vervolgens weer vastliepen. Ze stelden minder vragen over hoe ze een groot probleem in kleinere stukjes konden verdelen of hoe de code eigenlijk werkte, wat suggereerde dat ze de tool gebruikten om direct naar antwoorden te springen in plaats van om de logica erachter te begrijpen.
Misschien wel het meest interessant was hoe de gevoelens van de studenten tegenover de technologie in de loop van de tijd veranderden. Aan het begin van de studie waren de studenten onzeker over het vertrouwen in de computer. Tegen het einde, na wekenlang naast de technologie te hebben gewerkt, was hun vertrouwen in het systeem aanzienlijk gegroeid. Ze hadden geleerd er vertrouwen op te hebben, maar de onderzoekers merkten op dat dit vertrouwen werd opgebouwd door herhaalde interactie en verificatie. De studie vond niet dat de kunstmatige intelligentie de behoefte aan menselijke partners verving; in plaats daarvan fungeerde het als een derde bron die de twee studenten samen moesten beheren. De driver zou de prompts typen, terwijl de navigator naar het scherm keek en hielp beslissen of de suggesties van de computer zin maakten.
Dit onderzoek benadrukt een delicaat evenwicht in het moderne onderwijs. De kunstmatige intelligentie-tool hielp de studenten duidelijk om beter werk te leveren en meer feiten te leren, maar het moedigde hen ook aan tot een gewoonte van het vragen om onmiddellijke oplossingen in plaats van diep nadenken. De studenten accepteerden niet simpelweg alles wat de computer zei; ze werkten samen om de antwoorden te interpreteren. De studie suggereert dat hoewel deze tools de leerresultaten kunnen verbeteren, onderwijzers voorzichtig moeten zijn in het begeleiden van studenten over hoe ze ze moeten gebruiken. Het doel is niet alleen om de computer het probleem te laten oplossen, maar om ervoor te zorgen dat de studenten degene blijven die over de oplossing nadenken, waarbij ze de machine gebruiken als een partner in plaats van een afkorting.
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.