Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis

想象一下，软件工程的世界就像一个巨大且繁忙的建筑工地。几十年来，蓝图都是手工绘制的，砖块由熟练的泥瓦匠使用锤子和凿子一块接一块地铺设。但最近，一种新型的助手来到了工地上：一个动作极快、喋喋不休的机器人助手，它能搬运砖块、搅拌水泥，甚至还能建议下一步该在哪里砌墙。这就是生成式人工智能（Generative AI）。它不仅仅是一个高级计算器；它是一个可以编写代码、修复漏洞并设计系统的工具，正在改变专业建设者每一天的工作方式。

现在，想象一下那些培养下一代大师级建设者的学校。它们面临着一个棘手的谜题：当学生最好的朋友是一个能替他们完成一半工作的机器人时，你该如何教他们建造摩天大楼？如果你只教他们如何使用机器人，他们可能会在机器人坏掉时忘记如何盖房子；如果你忽视机器人，他们就会被时代抛弃。这篇论文深入探讨了教学大纲——即那些试图解决这个精确谜题的大学课程计划和作业清单。它在问：这些学校是在教学生如何仅仅与机器人聊天，还是在教他们如何成为机器人的“老板”，同时依然掌握着传统的建筑规则？

---

大规模教学大纲侦探行动

一组研究人员决定扮演侦探的角色。他们没有仅仅询问老师们“认为”自己在做什么，而是直接追溯源头。他们搜寻了公开网络，找到了 23 门明确关于“AI 辅助软件工程”的美国大学课程。这些不仅仅是顺带提到 AI 的课程，而是学生必须使用 AI 工具来完成真实软件项目并获得实际成绩的高级课程。

研究人员将这些教学大纲视为藏宝图。他们寻找三个主要方面：

1. 目标： 学生应该学到什么？
2. 作业： 他们是如何接受测试的？
3. 工具： 他们被允许（或被要求）使用哪些具体的机器人助手？

这些课程实际在教授什么

研究人员发现，这些新课程并非仅仅关于学习如何输入完美的“魔法词汇”（提示词）让机器人写代码。那就像是只教建筑工人如何要求机器人“砌一面墙”，却从未检查过这面墙是否垂直一样。

相反，最常见的教学计划侧重于人机协作（Human-AI Collaboration）。把它想象成一场舞蹈，人类领舞，机器人跟随，但人类必须完美掌握舞步。顶层的学习目标包括：

• 管理上下文（Managing the Context）： 教导学生如何向机器人提供足够的信息来完成好工作，而不是仅仅大喊一声“让它运行起来”。
• 构建与评估： 学生不仅仅是在生成代码；他们是在与 AI 一起构建软件，然后扮演质量检查员的角色，检查 AI 的工作是否安全、正确且可靠。
• “黑盒”问题： 一些课程甚至教授学生如何构建自己的 AI 工具，而不仅仅是使用它们。

研究人员指出，虽然一些课程涉及了伦理（做一个“好”的机器人使用者）和设计（制作人们真正喜欢的东西），但主要焦点都集中在构建和检查软件的技术行为上。

作业：不再是纸上的“展示过程”

最有趣的发现之一是这些课程是如何给学生评分的。在过去，老师可能会通过考试来查看学生是否能从零开始编写代码。但有了 AI，这就像是要求一位厨师在没有炉灶的情况下烹饪食物。

论文发现，这些课程已在很大程度上放弃了传统的、高风险的闭卷考试（即学生独自坐在房间里的考试）。相反，它们正大量转向项目和协作。

• 大型项目： 大多数课程依赖于一个占据很大分值的庞大最终项目（“顶点项目/Capstone Project”）。
• AI 要求： 在几乎每一门课程中，学生都必须使用 AI 工具来完成作业。这不是可选的，而是工作的一部分。
• “过程”检查： 由于 AI 可以承担繁重的体力活，老师们会对过程进行评分。他们观察学生如何与 AI 对话、如何修复 AI 的错误以及如何解释他们的代码。这不再仅仅是“你是否得到了正确答案？”，而是“你能否向我展示你是如何得到答案的，以及为什么它是安全的？”

令人惊讶的是，很少有课程使用“监考”考试（即老师盯着你以确保你遵守规则）。研究人员认为，这意味着学校正押注于这样一种理念：学习的最佳方式是带着 AI 作为伙伴进行真实的实践，而不是试图阻止学生独自完成任务。

机器人工具箱：长尾分布的选择

谈到具体的工具，研究人员发现情况有些混乱。在 23 门课程中，只有 9 门公开列出了他们使用的具体 AI 工具。在列出的工具中，有几个名字反复出现：Claude Code、Cursor 和 GitHub Copilot。

然而，这是一个“长尾”现象。这意味着虽然有一些工具很受欢迎，但并没有出现单一的“赢家”。有些课程使用一种工具，有些使用另一种，有些则使用多种不同的工具。研究人员认为这是因为技术发展太快，学校仍在摸索哪种工具才是最合适的“锤子”。他们还注意到，许多课程根本没有列出工具，这可能是因为他们希望教学生如何适应任何工具，而不仅仅是某一个特定的品牌。

大局观：一个进行中的过程

论文总结道，我们正处于这种新课程的早期阶段。目前还没有一种单一的“完美”教学 AI 辅助工程的方法。这更像是一个巨大的设计空间，教师们正在进行实验。

一些课程专注于 AI 如何运作的基础知识，而另一些课程则直接跳入复杂的项目。一些课程担心伦理问题，而另一些则痴迷于速度。研究人员认为，最成功的课程似乎是那些将 AI 视为建筑队中强大伙伴，而非取代工人的魔杖的课程。它们正在教导学生成为能够指挥机器人、检查其工作并确保最终建筑稳固安全的建筑师。

简而言之，软件工程教育的未来不在于禁止机器人或任由它们接管，而在于教导下一代建设者如何手握蓝图、给出正确的指令并反复检查工作，确保当机器人砌好墙时，这面墙是经久耐用的。