← 最新论文
💻 computer science

Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy

本研究表明,将符合布鲁姆分类法(Bloom's taxonomy)的框架嵌入软件工程与计算机科学课程,能够通过明确不同认知层面上的适当角色,有效地引导学生进行负责任且具反思性的生成式人工智能使用,从而将教学重点从强制执行转向有意识的学习支持。

原作者: Vahid Garousi, Zafar Jafarov, Aytan Mövsümova, Leyla Memmedova, Hüseyn Mirzayev

发布于 2026-06-29
📖 1 分钟阅读☕ 轻松阅读

原作者: Vahid Garousi, Zafar Jafarov, Aytan Mövsümova, Leyla Memmedova, Hüseyn Mirzayev

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

以下是使用简单语言、日常类比和隐喻对该论文进行的解释。

核心问题:“作弊码” vs. “教练”

想象一下,你正在学习玩一款复杂的电子游戏。突然,出现了一个“作弊码”,它能瞬间解决所有谜题、击败所有 Boss,并为你建造所有的房屋。

  • 旧方法(禁令): 许多学校对这种“作弊码”(生成式 AI)的反应是说:“不准使用!如果被发现,你就挂科。”这就像是完全禁止使用作弊码。这虽然阻止了作弊,但也阻止了学生学习如何亲自玩好这款游戏。
  • 新方法(本论文): 本文的作者说:“不要禁止作弊码。相反,要教学生何时该使用它,以及何时该把它收起来。”他们基于布鲁姆分类学(一种将学习任务从“简单的记忆工作”到“高阶创造性思维”进行分类的著名方法)制定了一套规则手册。

核心理念:“认知阶梯”

论文建议我们应该把学习看作是在爬一个有着不同横档的梯子。作者认为,AI 在某些横档上是极好的工具,但在另一些横档上则是糟糕的工具。

1. 底层横档(记忆与理解)

  • 类比: 这就像是背诵游戏规则或学习如何操作控制器。
  • 论文观点: 如果你在这一层使用 AI,就像是一个在尝试解数学题之前就先看了答案解析的学生。你得到了正确答案,但你的大脑并没有进行思考。你会积累“认知债”——你以为你懂了,但其实并没有。
  • 规则:在此处不要使用 AI。 你必须亲自经历挣扎和基础练习,以建立坚实的基础。

2. 中层横档(应用)

  • 类比: 这就像是第一次真正开始玩游戏的关卡。
  • 论文观点: AI 在这里可以充当“观察员”。你先尝试自己解决问题。一旦你完成了工作,再问 AI:“我做得对吗?”或者“有没有更好的方法?”
  • 规则:将其作为“检查点”,而非替代品。

3. 高层横档(分析、评估、创造)

  • 类比: 这就像是成为一名游戏设计师。你在评判游戏、寻找 Bug 或发明新的关卡。
  • 论文观点: 这是 AI 发光发热的地方。它扮演着超级聪明教练镜子的角色。它可以观察你的设计并说:“嘿,你漏掉了这个边缘情况,”或者“这里还有另外三种构建它的方式。”它帮助你思考得更深,而不仅仅是更快。
  • 规则:将其作为“思考伙伴”,用来挑战你的想法,而不是替你写想法。

他们是如何测试的:“说明手册”

研究人员不仅仅是在空谈,他们实际上改变了教学方式来遵循这些规则。

  • 场景 1(英国): 他们教授了一门“软件测试”课程。他们没有简单地说“禁止 AI”,而是更新了实验手册,规定:“对于这项特定任务(等级 1),请尝试独立完成。对于下一项任务(等级 4),请使用 AI 来评判你的工作。”
  • 场景 2(阿塞拜疆): 他们更新了整个大学教学大纲,加入了这些具体的指令,明确告诉学生他们正处于“阶梯”的哪一层,以及 AI 应该如何提供帮助。

结果: 他们将 AI 视为导师,而非劳动力

学生和老师的反馈

研究人员询问了学生和老师对这种新“规则手册”的感觉。

  • “顿悟”时刻: 学生们意识到,过早使用 AI 会产生“虚假学习”的感觉。当他们先尝试解决问题,仅在检查工作时才使用 AI 时,他们感到更有信心。
  • 转变: 学生们不再问 AI“帮我写代码”,而是开始问“这是我的代码,它的弱点在哪里?”
  • 障碍: 起初并不容易。学生和老师都必须学习一种新的思维方式。在使用工具之前,他们必须停下来问自己:“我现在处于哪种思维等级?”这感觉像是额外的工作。但一旦习惯了,这种感觉就变得自然了。

主要启示

论文的结论是,应对教育中 AI 问题的答案既不是禁止,也不是任其野蛮生长

把 AI 想象成一台电钻

  • 如果你用电钻去敲钉子(基础工作),你会把钉子和墙都弄坏。
  • 如果你用电钻去盖房子(复杂工作),它就是一个能让你更快、更优秀的绝佳工具。

论文认为,我们需要教导学生成为熟练的建筑师,知道在什么阶段使用什么工具。通过以布鲁姆分类学为指引,我们可以将 AI 从一个“作弊码”转变为一个真正能帮助人们学习的“超级教练”。

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。

试用 Digest →