生成式人工智能时代的计算机教育
本文研究了利用大型语言模型进行自然语言生成的能力，并应用于编程课程中常见的两种学习资源的制作。研究发现，在创建编程练习时，只需要输入关键词，即可显著影响编程概念和上下文主题的内容，同时也证明了大多数自动生成的内容是全新且合理的。这些结果表明，使用大型生成机器学习模型作为教学工具是有重要价值的，但在交付给学生之前需要一些监督来确保生成的内容质量。文章还探讨了OpenAI Codex及类似工具对初学者编程教育的影响，并强调了可能改善教学体验的未来研究方向。
Jun, 2022
该文介绍了在计算机教育领域中，最近出现的几种可行且可自由使用的AI驱动代码生成工具带来的机会和挑战，并呼吁社区快速采取行动以决定如何利用和克服这些挑战。
Dec, 2022
本研究系统评估了两种模型(基于GPT-3.5的ChatGPT和GPT-4)，并将它们与人类导师在各种情形下的表现进行比较。我们使用五个Python编程问题和来自在线平台的真实有bug程序进行评估，并使用基于专家的注释进行评估。结果表明，GPT-4明显优于ChatGPT，并在某些场景下接近人类导师的表现，但在某些情况下仍表现不佳。
Jun, 2023
ChatGPT在自动化给予Java编程作业反馈方面的可行性进行了研究，调查结果表明学生们普遍认为ChatGPT反馈与Shute建立的形成性反馈准则相一致，他们更喜欢包含他们代码的反馈，此研究还提供了改进ChatGPT生成反馈的具体见解。
Dec, 2023
通过分析大学教师对人工智能语言模型的经验和态度，本研究填补了文献中对人工智能在教育中的应用以及其对教学和学习的潜在影响的研究空白。该研究调查了高等教育中语言模型和生成式人工智能工具的意识水平、整体态度以及影响这些态度的因素。研究结果显示，教育工作者对这些工具的认识程度逐渐增加，总体上持积极态度。教学风格与对生成式人工智能的态度之间没有相关性。最后，相较于其他领域的教育工作者，计算机科学教育工作者对生成式人工智能工具在技术上的理解更有信心，对其持更加积极的态度，但在检测人工智能生成作品的能力上并不更有信心。
Mar, 2024
我们通过与学习者和教育工作者的合作，将学习科学的高级原则转化为七个多样化的教育基准，并开发了一套新的微调数据集，以提高Gemini的教学能力，引入LearnLM-Tutor。我们的评估结果显示，在教学维度上，教育工作者和学习者一致认为LearnLM-Tutor优于经过提示调优的Gemini。我们希望这项工作能作为发展综合教育评估框架的第一步，并通过AI和教育技术社区的快速进展，最大限度地发挥gen AI在教育中的积极影响。
May, 2024
本研究针对入门编程课程中初学者因语法和调试问题而面临的学习困难，提出通过自然语言提示活动来增强问题解决能力的创新方法。研究发现，学生在自然语言任务上的表现与自我报告的学习困难关系较弱，表明此方法可以吸引更广泛的学生群体，并培养与AI编程模型沟通的新技能。
Oct, 2024
本研究探讨了学生在不同计算课程中对生成性人工智能工具的使用和看法，填补了现有文献对此话题的不足。通过对多个程序和课程的学生进行连续调查，揭示了学生背景知识和课程学习目标如何影响其对这些工具的接受度及使用情况。研究发现，学生对生成性人工智能工具的认知和应用随着时间而变化，提供了关于如何在课程中有效整合这些工具的新见解。
Oct, 2024