面向学生项目的AI导师：发现计算机科学提案中的早期问题

如果执行得当，项目式学习（PBL）能够激发学生的内在动机，鼓励学生远超课程有限的课程大纲进行学习，并培养学生对其掌握的技能和工具进行批判性和成熟的思考。然而，教育工作者在课堂上使用 PBL 时体验到褒贬不一的结果：部分学生在极少指导下表现出色，而另一些则举步维艰。对项目提案的早期评估可以帮助教育工作者确定哪些学生需要更多支持，然而评估项目提案和学生能力既耗时又难以规模化。在本研究中，我们设计、实现了一个软件系统并进行了初步的用户研究（n = 36），该系统收集项目提案和能力信息，以支持教育工作者确定学生是否已准备好参与 PBL。我们发现：（1）用户认为该系统有助于撰写项目提案并识别需要进一步学习的工具和技术；（2）教育工作者的评分表明，在项目主题方面技术经验较少的用户倾向于撰写质量较低的项目提案；（3）GPT-4o 的评分与教育工作者的评分一致。尽管使用 LLM 对学生项目提案的质量进行评级前景广阔，但其长期有效性在很大程度上取决于未来在表征能够可靠预测学生成功和学习动机的指标方面所做的努力。