ارزیابی اثربخشی ابزارهای هوش مصنوعی مولد در یادگیری برنامه نویسی دانشجویان رشته کامپیوتر

گسترش سریع فناوری های هوش مصنوعی مولد در سال های اخیر، شیوه های آموزش و یادگیری را در بسیاری از حوزه های دانشگاهی دستخوش تغییر کرده است. در میان حوزه های مختلف آموزش عالی، آموزش برنامه نویسی به دلیل ماهیت الگوریتمی، حل مسئله ای و مبتنی بر تولید و تحلیل کد، بیش از بسیاری از حوزه های دیگر تحت تاثیر ظهور مدل های زبانی بزرگ و ابزارهای مبتنی بر هوش مصنوعی مولد قرار گرفته است. ابزارهایی نظیر ChatGPT و GitHub Copilot قادرند کد تولید کنند، مفاهیم برنامه نویسی را توضیح دهند، خطاهای برنامه را تحلیل کنند، پیشنهادهایی برای اصلاح کد ارائه دهند و در فرایند یادگیری بازخورد سریع در اختیار دانشجو قرار دهند. در مقابل، استفاده گسترده و کنترل نشده از این فناوری نگرانی هایی همچون وابستگی دانشجو به پاسخ های تولیدشده، کاهش مشارکت شناختی، تضعیف مهارت حل مسئله مستقل، تولید کد نادرست و پیچیده تر شدن مسئله ارزیابی واقعی توانایی های برنامه نویسی دانشجویان ایجاد کرده است.پژوهش حاضر با هدف بررسی و تحلیل اثربخشی ابزارهای هوش مصنوعی مولد در یادگیری برنامه نویسی دانشجویان رشته کامپیوتر و با استفاده از روش کتابخانه ای و رویکرد تحلیلی مروری انجام شده است. در این مطالعه، مجموعه ای از پژوهش های تجربی، مطالعات مروری و فراتحلیل های منتشرشده در زمینه استفاده از هوش مصنوعی مولد در آموزش برنامه نویسی بررسی و یافته های آن ها در محورهایی همچون یادگیری مفاهیم برنامه نویسی، حل مسئله، تفکر محاسباتی، اشکال زدایی، خودکارآمدی، انگیزش و عملکرد تحصیلی مورد تحلیل قرار گرفته است. شواهد موجود نشان می دهد که هوش مصنوعی مولد می تواند فرایند دریافت بازخورد و اشکال زدایی را تسهیل کند و در برخی شرایط موجب افزایش کارایی یادگیری شود، اما دسترسی به ابزار هوش مصنوعی به تنهایی تضمین کننده افزایش یادگیری مفهومی یا عملکرد تحصیلی نیست. برای نمونه، یک آزمایش کنترل شده با ۱۸۲ دانشجوی سال اول برنامه نویسی تفاوت معناداری میان گروه استفاده کننده از ChatGPT و گروه کنترل در عملکرد کلی، تکالیف عملی و آزمون میان ترم مشاهده نکرد، در حالی که پژوهش دیگری روی ۸۲ دانشجو تغییراتی مثبت در رفتارهای مرتبط با اشکال زدایی و دریافت بازخورد گزارش کرد. تحلیل مجموع این مطالعات نشان می دهد که اثربخشی هوش مصنوعی مولد در آموزش برنامه نویسی بیش از آنکه به وجود یا عدم وجود فناوری وابسته باشد، به نحوه ادغام آن در فرایند آموزشی، نوع فعالیت یادگیری، سطح دانش اولیه دانشجو، کیفیت تعامل با ابزار و میزان نظارت آموزشی وابسته است. بنابراین، استفاده از هوش مصنوعی مولد زمانی می تواند به یادگیری معنادار منجر شود که به عنوان ابزار پشتیبان و دستیار آموزشی مورد استفاده قرار گیرد و جایگزین تحلیل، استدلال و حل مسئله دانشجو نشود.

کلیدواژه ها:

هوش مصنوعی مولد ، مدل های زبانی بزرگ ، یادگیری برنامه نویسی ، علوم کامپیوتر ، تفکر محاسباتی ، هوش مصنوعی در آموزش