Teaching Agile Requirements Engineering: A Stakeholder Simulation with Generative AI
该论文介绍了一种利用生成式人工智能（GenAI）扮演利益相关者角色的模拟教学方法，旨在帮助学生在实践中掌握敏捷需求工程技能，同时深入理解生成式 AI 在技术与伦理层面的局限性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文讲述了一个非常有创意的教学实验：老师们如何利用人工智能（AI）来教学生如何“听懂”用户的需求，同时让学生明白AI 并不是万能的。
我们可以把这篇论文的内容想象成一场**“未来的角色扮演游戏”**。
🎭 核心故事：一场特殊的“面试”
想象一下，你是一名刚入行的**“需求侦探”**（也就是软件工程师）。你的任务是开发一个手机 App，比如一个帮市民办证件的政府应用。
在传统的课堂上，老师可能会让你去采访真人。但真人很难找，而且很难控制他们说什么。于是，老师们想出了一个绝招：用 AI 来扮演“假人”。
1. 游戏设置：AI 扮演“假人” (AI Personas)
老师们写了一段神奇的“咒语”（在技术圈叫元提示词/Meta-prompt），把这段咒语输入给 AI（比如 ChatGPT）。
- AI 变身：AI 瞬间变成了三个性格迥异的“假人”：
- 老张：一个在政府机关工作、有点保守、怕麻烦的办事员。
- 李阿姨：一位视力不好、对手机操作不熟悉的普通市民。
- 小王：一个住在在大城市、精通科技、要求极高的“极客”用户。
- 学生任务：学生们需要像真正的侦探一样，去采访这三个"AI 假人”，问他们：“你们现在办事有什么困难？”“你们希望 App 有什么功能？”
2. 游戏过程：从“聊天”到“画图”
学生们和 AI 聊完后，不能只把聊天记录交上去。他们必须运用敏捷开发（Agile）的方法，把聊天的内容变成具体的“需求地图”（比如故事地图或影响图）。
- 这就好比侦探把零散的线索，整理成一张清晰的破案路线图，告诉程序员下一步该做什么。
3. 游戏的“反转”：AI 也会撒谎和偏见
这是这篇论文最精彩的部分。老师并没有让学生觉得"AI 真好用”就完了，而是安排了一个**“复盘大会”**（反思环节）。
老师会问学生：“刚才那个‘李阿姨’说的话，真的像真人吗？”
- 发现漏洞：学生们发现，AI 虽然能模仿人，但它其实是在**“背剧本”**。它的回答是基于它以前读过的海量数据（训练数据）生成的。
- 偏见问题：如果 AI 以前读的书里男性多、女性少，它扮演的“李阿姨”可能就不像真的老年女性，甚至可能带有性别偏见。
- 幻觉问题：AI 有时候会一本正经地胡说八道（比如编造一个不存在的功能），就像个**“过度自信的吹牛大王”**。
- 效率陷阱：有时候 AI 为了快，说话太像机器人，缺乏真人的情感温度。
🍎 用生活中的比喻来理解
为了让你更直观地理解，我们可以用几个比喻：
AI 假人 = 一个演技很好的“替身演员”
在电影里，替身演员可以完美模仿主角的动作。但在教学生“如何与真实观众互动”时，如果只让替身演员演戏，学生可能会误以为观众的反应都是按剧本走的。这篇论文就是教学生：“别太相信替身演员，真实的观众可能会突然哭、突然笑，或者提出剧本里没有的问题。”元提示词（Meta-prompt） = 万能遥控器
以前，老师可能得专门定制一个昂贵的 AI 机器人（比如 OpenAI 的定制版），而且还要付钱、受限制（比如只能聊 5 句）。
现在，老师写了一个**“万能遥控器”**（元提示词）。学生可以用这个遥控器，去控制家里任何一台智能电视（任何 AI 工具）。- 好处：不管学生家里用的是哪个品牌的 AI，只要插上这个“遥控器”，就能立刻开始游戏。这让教学变得非常灵活，不再依赖某一家公司。
反思环节 = “拆穿魔术”
就像魔术师表演完，观众会惊叹“太神奇了”。但这篇论文的教学法是：在表演结束后，老师立刻把魔术道具拆开，告诉学生：“看，这里有个机关，那里有个暗门。”
目的是让学生明白：AI 很强大，但它不是魔法，它有局限，甚至会有偏见。
💡 这篇论文想告诉我们什么？
- AI 是极好的“陪练”：在现实世界中，很难找到那么多不同性格的用户来配合学生练习。AI 假人完美解决了这个问题，让学生能低成本地反复练习“采访”和“沟通”。
- 不能“全信”AI：如果学生只依赖 AI 生成的答案，他们可能会设计出没人想要的产品。因为 AI 可能会“幻觉”或者带有偏见。
- 人类的角色更重要：未来的软件工程师，不仅要会用 AI，更要懂得如何审视 AI 的产出。就像厨师可以用机器切菜，但必须懂得尝味道，决定这道菜咸不咸。
🚀 总结
这就好比学校开了一家**“模拟餐厅”**。
- 以前：学生只能对着空桌子练习点菜。
- 现在：学生对着AI 扮演的顾客练习点菜。
- 关键：老师不仅教学生怎么点菜，还特意在课后告诉学生：“刚才那个 AI 顾客其实是个机器人，它可能不懂你真正的口味，甚至它刚才说的‘想吃辣’是因为它读过的菜谱里辣菜多。所以，你们在真正面对真人顾客时，一定要多问一句，多观察一下。"
这就是这篇论文的核心：利用 AI 来学习，同时保持对 AI 的清醒认知。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。