A Systematic Review and Taxonomy of GenAI Usage in Programming Education: A Self-Regulation Perspective
这项涵盖截至2025年10月共58项研究的系统综述提出了一个四维分类法，旨在表明生成式人工智能对编程教育中学生自我调节的影响并不取决于技术本身，而是取决于能够培养自主性的结构化教学中介策略与鼓励认知依赖的无引导情境之间的差异。
原始论文采用 CC BY 4.0 许可（https://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骑自行车。在过去，你必须经历摇晃、摔倒，并独自摸索如何保持平衡。现在，想象有一个神奇的、隐形的辅助轮可以和你对话。它能准确地告诉你如何踩踏板，引导你避开坑洼，甚至能在你摔车时帮你修理单车。这就是生成式人工智能（GenAI）在编程学习世界中所带来的感觉。它是一个超级聪明的计算机程序，可以为你编写计算机指令（代码），解释复杂的概念，并帮助你瞬间解决问题。
但这里有一个棘手的问题：自我调节学习（Self-Regulated Learning）。这是一个高级术语，意为“学习如何学习”。它是指设定自己的目标、在困难时期保持专注以及检查自己的工作以确认是否真正理解的能力。核心问题不仅仅是“这个神奇工具能否帮我完成作业？”，而是“使用这个工具会让我成为一个更优秀的、独立的学习者，还是会让我在机器面前变得依赖？”如果工具替你完成了所有的思考，你可能会得到正确答案，但你并不会学会如何独自骑行。这正是科学家们在编程教育领域试图解决的谜题。
代码助手大调查
一个研究小组决定退后一步，从全局视角进行观察。他们不仅仅是做了一次实验；他们扮演着侦探的角色，追踪了截至 2025 年 10 月发表的 58 项不同研究。他们搜寻了数千篇研究论文，旨在查明：教师和学生实际上是如何利用这些 AI 工具来学习编程的，以及它究竟是帮助他们成为了独立的思考者，还是仅仅变成了只会复制代码的机器人？
他们发现，答案并不是简单的“是”或“否”。它更像是一个配方。神奇的工具（GenAI）只是其中一种食材；关键在于你如何烹饪。
配方的四个要素
为了理清人们使用 AI 的各种方式，研究人员创建了一张特殊的地图，叫做分类法（Taxonomy）。把它想象成餐厅里的菜单，可以帮你点到合适的餐点。他们将研究分为四个主要类别：
- 我们在烹饪什么？（目标教学大纲）： 我们是在利用 AI 从头开始编写新代码、修复损坏的代码（调试），还是仅仅用它来解释事物是如何运作的？大多数研究都集中在编写代码上，考虑到这是类似 ChatGPT 这类工具最擅长的事情，这也很合理。
- 谁是主厨？（中介策略）： 这是最重要的部分。AI 是仅仅静静地坐着等待你询问任何问题（自由使用），还是由老师引导你明确何时以及如何使用它（引导使用）？
- “自由使用”的陷阱： 当学生被单独留下与 AI 相处时，他们往往将其视为捷径。他们索要答案，得到答案，然后继续下一步。研究人员发现，这会导致一种“能力错觉”——你以为你知道如何骑车，是因为那个隐形的辅助轮撑住了你，但实际上你并不会。
- “引导”的魔力： 当教师设定规则时——例如“使用 AI 来解释错误，但不要让它直接写出修复方案”——学生学到的东西会更多。这就像拥有一位教练，他不会替你推车，但会告诉你该向哪边倾斜。
- 感觉如何？（认知影响）： 学生们的积极性提高了吗？他们对材料的理解加深了吗？还是他们变得依赖这个工具了？结果褒贬不一。一些学生感到压力减轻且更有信心，而另一些人则觉得自己在失去批判性思考的能力。
- 它是什么 kind 的工具？（技术手段）： 它是一个你可以与之交谈的简单聊天机器人，还是内置在你的编程软件中的智能导师，亦或是专门的机器人？研究发现，简单的聊天机器人是最常见的，但专门为深度学习设计的工具通常效果更好。
重大发现：一切取决于规则
这篇论文最令人兴奋的发现是：技术本身既不是英雄，也不是反派。 AI 工具是中性的。决定结果的是教学中介（Pedagogical Mediation）——即教师和学生使用它的方式。
- 当情况出错时： 如果你只是让学生在没有任何规则的情况下使用 AI，他们往往会变成“认知依赖者”。他们不再尝试自己解决问题，因为这个工具实在太容易使用了。他们可能取得了高分，但并没有真正学习。
- 当情况正确时： 当 AI 被用作支架（Scaffold）（就像你会慢慢拆掉的辅助轮）时，它的效果是惊人的。那些采用“向 AI 寻求提示而非答案”或“在写代码前用 AI 检查你的逻辑”等策略的教师，会看到学生变得更有动力、更投入，并且更擅长独立解决问题。
缺失的部分
研究人员还指出了当前知识体系中的空白。他们所查看的大多数研究都是短期研究（仅持续几周甚至仅仅一个课时），且涉及的学生群体规模较小。我们目前还不清楚，使用 AI 进行整个学期的学习，是否会让学生在长期内成为更好的程序员，还是仅仅让他们复制得更快。此外，大多数研究都针对那些已经具备一定编程能力的同学；对于初学者或具有不同学习需求的学生，AI 的影响如何，我们了解得还不够。
底线结论
这篇论文告诉我们，生成式 AI 是课堂中一个强大的新工具，但它并不是一个能自动解决一切的魔杖。如果你只是把一根魔杖交给学生并说“去做作业吧”，他们可能会得到答案，但他们学不到魔法。然而，如果教师将那根魔杖作为结构化课程的一部分——教导学生如何提出正确的问题以及何时放下魔杖——那么它就能帮助他们成为独立、自信且富有创造力的解决问题者。
编程教育的未来不在于禁止 AI 或任其肆意妄为，而在于寻找一个完美的平衡点：让 AI 在支持学生大脑的同时，不取代它。
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。