Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course
这项针对面向对象编程课程中 210 名本科生的研究表明，尽管存在不同的生成式人工智能（GenAI）自主使用模式——从高度依赖概念支持到代码生成不等——但这些交互特征并不能显著预测学业表现，这表明需要通过教学引导的 AI 集成，才能将工具的使用转化为可衡量的学习收益。
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
想象一下你正在学习烹饪。多年来，你一直被告知，想要变好，唯一的途径就是亲自动手切菜、搅拌并品尝每一道菜，在失败之前绝不要去看食谱。但现在，一个神奇的厨房助手出现了。它能帮你切菜，告诉你酱汁为什么烧焦了，甚至能为你写出整份食谱。这就是当今计算机编程的世界，学生们正通过生成式人工智能（GenAI）来学习构建软件。这些工具就像超级聪明的厨房助手，可以编写代码、解释令人困惑的概念，并瞬间修复错误。大家心中最大的疑问是：如果学生们让这个机器人厨师承担了繁重的体力活，他们是真的学会了烹饪，还是仅仅得到了一顿他们根本不知道如何制作的美食？研究人员正渴望了解，使用这些工具是帮助学生成为了更好的程序员，还是仅仅让他们产生了一种自己已经掌握了知识的错觉。
这项由塔尔图大学（University of Tartu）的玛丽娜·莱普（Marina Lepp）开展的研究，正是在深入探讨这一谜团，研究对象是第一年面向对象编程（OOP）课程中的学生。把 OOP 想象成在学习一种复杂的新语言规则，其中一切都是由相互作用的“对象”构建而成的——这对编程新手来说是一个极其棘手的门槛。研究人员调查了 210 名学生，以观察他们是如何使用这些 AI 工具的。他们不仅询问“你是否使用了 AI？”，而是询问“你是如何使用它的？”你是让 AI 为你编写整个程序（代码生成）？你是让它找出你混乱代码中的漏洞（调试）？还是询问它为什么某样东西起作用了（寻求解释）？
研究结果描绘了一幅引人入胜的画面。首先，学生们并不懒惰；他们大多将 AI 用作导师，而非作弊码。他们请求解释和寻找错误的机会，远比请求 AI 为他们编写代码的机会要多得多。这就像学生们是在利用机器人厨师来品尝他们的汤，并解释为什么需要加盐，而不是让机器人把整顿晚餐都做完。
为了理解学生与这些工具互动的不同方式，研究人员根据他们的习惯将他们分为五种不同的“人格类型”：
- 非使用者： 一小部分完全没有接触过 AI 的人群。
- 轻度使用者： 偶尔使用 AI 的人群。
- 中度使用者： 使用频率相当高的群体。
- “聪明型”高频使用者： 这是最有趣的一组。他们频繁使用 AI，但主要用于调试和获取解释。他们很少要求 AI 为他们编写代码。他们将 AI 视为一位睿智的导师。
- “重度使用者”： 这些学生持续不断地将 AI 用于所有方面，包括生成代码。
这里有一个可能会让你感到惊讶的转折：尽管使用 AI 的方式如此迥异，但这对他们的成绩并没有影响。 当研究人员查看他们在严禁使用 AI 的测试和考试中的得分时，发现“聪明型”用户、“重度”用户以及那些从未用过 AI 的人之间并没有差异。“聪明型”用户并没有获得更高的分数，而“重度”用户也没有获得更低的分数。
研究表明，仅仅拥有获取超级智能 AI 工具的渠道，并不自动意味着你成为了更好的程序员，也不自动意味着你变得更差。虽然“聪明型”用户觉得他们更好地理解了材料并更信任 AI，而“重度”用户觉得作业更难且理解得更少，但他们的最终考试成绩是完全相同的。这就像两组登山者：一组人不断使用高科技 GPS 来检查地图，而另一组人则只是徒步前行。最终，两组人都同时到达了顶峰。
研究人员得出结论，虽然使用 AI 进行解释和调试似乎是一种好的策略，但如果脱离教师的引导而独自进行，并不保证你能学到更多。AI 并没有提升他们的成绩，但也并未摧毁他们的成绩。论文指出，为了让 AI 真正帮助学生学习，我们需要的不仅仅是让他们使用这些工具，我们还需要教师向他们展示如何明智地使用它们，例如要求学生解释 AI 的答案，或者设计需要深度思考、机器人无法直接解决的测试。在此之前，AI 仍然是一个学生们正在以创意方式使用的强大工具，但它尚未被证明是通往更高分数的魔法捷径。
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。