AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report
Este artigo apresenta um relatório de experiência sobre o uso de um revisor de código baseado em LLM integrado ao GitHub para apoiar a qualidade do código e a aprendizagem autorregulada em projetos de conclusão de curso, utilizando uma abordagem de métodos mistos para analisar o engajamento e a eficácia pedagógica de dois grupos de estudantes.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
O "Professor Robô" que não dá a resposta, mas ensina a pensar
Imagine que você está aprendendo a cozinhar um prato super complexo. Você tem um assistente na cozinha, um robô de última geração. Agora, você tem duas opções de como usar esse robô:
- O Robô "Chef": Você pergunta "como faz esse molho?" e ele já entrega o molho pronto, temperado e na sua frente. É rápido, mas você não aprendeu nada. Na próxima vez que o molho der errado, você estará perdido.
- O Robô "Crítico Gastronômico": Você tenta fazer o molho e, antes de servir, o robô olha para a panela e diz: "Notei que o cheiro está muito forte de alho e a cor parece um pouco pálida demais. Talvez você precise ajustar o fogo ou conferir o sal". Ele não faz o molho por você, mas ele te dá pistas para você mesmo corrigir o erro.
Este artigo de pesquisa é sobre a segunda opção.
O que os pesquisadores fizeram?
Os pesquisadores da Universidade de Melbourne pegaram um grupo de estudantes de engenharia de software (que estão aprendendo a criar programas de computador) e deram a eles um "Robô Crítico" (uma Inteligência Artificial, como o ChatGPT) integrada diretamente no fluxo de trabalho deles.
Em vez de o robô escrever o código para o aluno, o robô agia como um revisor. Quando o aluno terminava uma parte do trabalho, o robô lia aquilo e deixava "post-its" digitais com sugestões: "Ei, este nome de variável está confuso", ou "Cuidado, este trecho pode deixar o programa lento".
O que eles descobriram? (As grandes lições)
1. O robô não "vicia", ele "estimula"
Muitas pessoas têm medo de que a IA deixe os alunos preguiçosos (o que chamam de "desligar o cérebro"). Mas a pesquisa mostrou o contrário: quando o robô é treinado para dar dicas estruturadas em vez de respostas prontas, os alunos usam as dicas para agir. Eles voltavam ao código e faziam melhorias. É como se o robô fosse um espelho que ajuda o aluno a enxergar onde ele mesmo pode melhorar.
2. O segredo está no "ritmo"
Os alunos não usavam o robô o tempo todo de forma aleatória. Eles usavam o robô nos momentos de "pico" de trabalho, como se fosse um treinador de academia que aparece justamente quando o exercício fica mais difícil. Isso ajudou os alunos a criarem um ciclo de: Fazer Receber feedback Refletir Corrigir.
3. O aluno aprendeu a "desconfiar" (e isso é ótimo!)
Isso é o mais fascinante: os alunos não acreditaram cegamente no robô. Eles perceberam que o robô era ótimo para coisas de "estética" (como organizar o texto e a limpeza do código), mas que, para problemas de lógica muito profundos e complexos, o robô às vezes se confundia.
Em vez de serem "escravos" da IA, os alunos se tornaram chefes da IA. Eles aprenderam a usar a ferramenta para as tarefas chatas e repetitivas, enquanto mantinham o controle das decisões importantes.
Resumo da Ópera
O estudo prova que a Inteligência Artificial na educação não precisa ser uma "máquina de respostas" que faz o trabalho pelo aluno. Se for bem desenhada, ela pode ser um andaime (um suporte temporário): ela ajuda a construir o conhecimento, dá estabilidade enquanto a estrutura ainda é frágil, mas, conforme o aluno cresce e fica mais forte, o suporte pode ser retirado, pois o aluno já aprendeu a construir sozinho.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.