Integrating AI into Requirements Quality Learning in Software Engineering Education: A TPACK-Guided Empirical Study

想象一下你正在搭建一座宏大且复杂的乐高城堡。在拼插第一块积木之前，你必须写下这座城堡应该长什么样、它应该如何运作以及它的用途。在软件世界中，这个编写阶段被称为需求工程（Requirements Engineering）。这是蓝图阶段，工程师们需要通过它来确定程序需要做什么。如果蓝图模糊或错误，整个城堡在后期就会崩塌。

现在，想象有一个超级聪明的机器人助手（生成式人工智能），它可以瞬间为你编写这些蓝图。它速度极快且富有创意，但问题在于：如果你只是让机器人承担所有的工作，你可能永远学不会如何亲手搭建这座城堡，或者你可能无法察觉到机器人的蓝图中隐藏着缺陷。这就是当今教师面临的重大问题：我们如何利用这些强大的机器人来辅助学生学习，而不是让他们变成只会机械复制粘贴、却并不理解规则的“伸手党”？

为了回答这个问题，研究人员使用了一种名为 TPACK 的教学地图。把 TPACK 想象成一个完美课程的配方，它混合了三种成分：内容（构建规则本身）、教学法（让知识深入脑海的教学技巧）以及技术（机器人工具）。目标是将它们混合在一起，让机器人帮助你思考，而不是代替你思考。

---

实验：教学生如何成为机器人的主人

在坦佩雷大学（Tampere University）的一门硕士级软件工程课上，研究人员尝试了一种使用 AI 的新方法。他们并没有简单地说：“这里有一个机器人，去写一些需求吧。”相反，他们根据 TPACK 配方，为学生和 AI 设计了一场特定的“舞蹈”。

这项作业的主题是用户故事（User Stories）——即描述用户希望软件功能实现何种目标的简短句子。为了确保这些用户故事的高质量，课堂使用了名为 INVEST 的清单（其代表含义为：独立性 Independent、可协商性 Negotiable、有价值性 Valuable、可估算性 Estimable、小型化 Small 以及可测试性 Testable）。

以下是这场“舞蹈”的步骤：

1. 人类优先： 学生必须先手动将一些旧的、混乱的需求重写为符合 INVEST 清单的高质量用户故事。此时禁止使用任何机器人。
2. 机器人随后： 接着，他们使用一个多智能体 AI 工具（一个拥有不同“人格”的机器人，代表不同的角色，如客户或开发人员）来生成它自己的版本。
3. 巅峰对决： 学生必须将自己编写的故事与机器人编写的故事进行对比。他们需要判断哪一个更好，修改机器人的作品，并解释原因。
4. 同行评审： 最后，学生交换作品，使用相同的清单互相评分。

研究发现：机器人是助手，而非替代品

这项研究观察了参与其中的 72 名学生。当他们尝试与 AI 协作时，发生了以下情况：

1. 学生并没有直接点击“全部接受”
如果机器人只是一个“魔法按钮”，学生就会接受它写下的所有内容。但事实并非如此。学生们非常挑剔。平均而言，机器人为每位学生生成了约 16.5 个用户故事，但学生只批准了其中的约 9.5 个。批准率约为 56%。

• 比喻： 这就像从机器人厨师那里订购披萨。机器人做了 16 个披萨，但你只留下了 9 个，因为其他的披萨芝士太多或者配料不对。你是品鉴师，而不是机器人。
• 行为表现： 约 24% 的学生明确修改了机器人的输出，且大多数学生都至少进行了一轮对故事的精炼过程。他们将 AI 视为草稿生成器，而非最终解决方案。

2. 机器人在某些方面很棒，但在另一些方面很棘手
当研究人员检查学生在使用 AI 前后对质量规则（INVEST 清单）的理解程度时，看到了分化的结果。

• 优势： 学生在识别可测试性（可以通过测试进行检查）和有价值性（真正有用）方面的能力显著提升。机器人帮助使这些部分变得更加清晰。
• 复杂情况： 对于可协商性（意味着需求可以通过讨论进行更改）这一特性，结果很奇怪。学生们感觉机器人帮助他们更好地理解了这一点，但当他们的答案与老师的“标准答案”进行对比时，他们的得分实际上略有下降。
• 教训： 机器人擅长让事物看起来更有结构和条理（比如修正语法），但在处理软件设计中那些模糊的人类部分（即你需要猜测人们可能想要什么的部分）时，它显得有些力不从心。

3. 信任，但要验证
在被问及对该工具的感受时，学生们持有谨慎乐观的态度。

• 实用性： 大多数人同意机器人帮助他们生成了想法并增加了细节。一位学生表示，机器人提供了“结构化的语言”和“更清晰的验收标准”。
• 信任度： 他们并没有盲目信任。约 14 名学生表示，他们会根据规则主动检查机器人的工作，还有 10 名学生明确拒绝或质疑了机器人的想法。
• 不足之处： 一些学生觉得机器人的界面有点笨拙，而且机器人有时会给出过于笼统或不符合特定项目的答案（例如，在项目关于某项业务时，却建议增加无人机配送功能）。

核心启示

这项研究表明，在教育中使用 AI 的秘诀不在于拥有一个酷炫的工具，而在于如何使用它。

如果你让学生先使用 AI，他们可能会直接复制答案。但如果你强迫他们在进行深度思考之后再使用 AI 作为第二意见来进行对比和完善，AI 就会变成一个强大的学习伙伴。本研究中的学生并没有变得懒惰；他们成为了编辑者。他们学会了识别机器人的错误，并利用机器人的优势来改进自己的工作。

然而，研究人员警告说，这并不是万灵药。机器人对于软件需求中那些“模糊”的部分仍然感到困惑。因此，教师需要保持警惕。他们应该利用 AI 来辅助学习中那些清晰、结构化的部分，但在处理那些具有解释性的复杂部分时，必须保留人类教师的引导。

简而言之，机器人是一个出色的副驾驶，但学生必须始终牢牢握住方向盘。