Adapting homework design principles in modern Computer Science education to enhance learning outcomes and reduce unintended consequences
本研究提出并评估了重新设计计算机科学作业的策略，旨在利用而非禁止人工智能工具，证明了迭代学习周期、战略性时机以及持续反馈可以增强学生真正的理解，同时维护学术诚信。
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
将计算机科学作业想象成一堂烹饪课。在过去，老师会说：“回家做一份千层肉酱面，明天带回来。”问题在于，现在有一个超级聪明的机器人厨师（AI），可以在几秒钟内做出完美的千层肉酱面。如果学生只是要求机器人制作并把菜端到课堂上，老师就无法判断学生是真的学会了烹饪，还是只是买了一份现成的饭菜。
这篇由 ADA 大学（ADA University）的 Jamaladdin Hasanov 撰写的论文，就像是一本为老师准备的新食谱书。它提出了三种重新设计作业的主要方式，旨在让学生即使在厨房里有机器人厨师的情况下，也能真正学会烹饪。
以下是论文测试的三种“食谱”：
1. “直播”烹饪秀（屏幕录制）
学生不再仅仅交出一份最终的千层肉酱面，而是必须录制一段自己烹饪的过程视频，并在过程中进行口头讲解。
- 运作方式： 学生必须在解决问题的同时录制他们的屏幕和声音。他们必须解释为什么要加入盐（或代码），并展示他们的手（或鼠标）是如何移动的。如果他们遇到困难，甚至可以展示自己是如何查阅食谱（搜索 Google 或 Stack Overflow）的。
- 类比： 这就像是一档真人秀烹饪节目。你无法伪造过程。如果学生试图通过播放别人的视频来假装自己在烹饪，老师可以识破这种伪造，因为屏幕上的“时钟”与他们声称的工作时间不会匹配。
- 结果： 论文发现，这种方法阻止了学生作弊。它还通过让学生大声解释步骤（类似于“费曼技巧”），帮助他们更好地学习，因为这迫使他们真正理解食谱。有趣的是，当老师使用 AI 来评判这些视频时，AI 的评分比人类老师更严格，但它在判断谁做得好、谁做得不好方面与人类达成了一致。
2. “机器人试吃”（评判 AI）
老师并没有禁止使用机器人厨师，而是说：“好吧，你可以用机器人来做千层肉酱面，但随后你必须对其进行评判。”
- 运作方式： 学生被要求解决一个问题，然后要求 AI 解决同样的问题。他们的任务不是复制 AI，而是充当美食评论家。他们必须将自己的菜肴与机器人的菜肴进行比较，找出机器人犯下的错误，并解释为什么他们的方法（或另一种方法）更好。
- 类比： 想象一下，一名学生和一台机器人同时搭建乐高城堡。学生的任务是绕着机器人的城堡走动，指出哪里砖块松动，并解释为什么自己的城堡更稳固。如果学生只是复制机器人，他们就会失败，因为他们无法解释其中的缺陷。
- 结果： 这将 AI 从一个作弊工具转变为一个学习伙伴。它迫使学生进行批判性思考。论文指出，虽然 AI 擅长编写代码，但在处理复杂的图表或逻辑时经常会出现细小的错误，而学生必须捕捉到这些错误。
3. “慢炖”法（增量检查）
作业不再是一个在一周结束时交付的大型截止日期，而是被分解成微小的、每日进行的步骤。
- 运作方式： 学生必须使用一种叫做 GitHub 的工具（这就像是代码的数字时光机）来每天保存他们的工作。他们不能只在最后一晚上传整个项目。他们必须展示细微变化的记录，例如“我今天加入了酱汁”，“我明天修复了饼皮”。
- 类比： 这就像是一个健身追踪器。你不能通过在月底上传一张马拉松的照片来伪造一个月的跑步过程。追踪器会显示你的每日步数。如果你 29 天都没有运动，然后在一天之内突然跑了 26 英里，系统就会知道你并没有实际进行训练。
- 结果： 这阻止了“临时抱佛脚”（在最后一晚完成所有工作），也阻止了学生雇人代劳。它教会了他们现实世界中稳步工作的习惯，这也是专业软件工程师实际的工作方式。
大局观
论文认为，我们不能仅仅禁止 AI 或通过更严格的规则来抓捕作弊者。相反，我们需要改变“游戏规则”。
- 旧游戏： “给我看最终答案。”（容易被 AI 作弊）。
- 新游戏： “展示你的思考过程、你的挣扎以及你如何评判 AI。”
研究发现，这些方法让学生参与度更高，帮助他们更深入地理解材料，并使作弊变得更加困难。其核心在于将关注点从最终产品（千层肉酱面）转向过程（烹饪过程）。
该论文并未提及的内容：
- 它并未声称这些方法适用于每一个学科（如没有计算机参与的纯数学或化学）。
- 它并未说 AI 评分是完美的；事实上，研究显示 AI 的评分往往低于人类的评分。
- 它并未承诺这些方法能解决所有的教育问题，但它们是计算机科学课程的一个强有力的开端。
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。