通过代码评审访谈与翻页教室应对生成式 AI 在 CS1 中的危害
人机交互
2026-05-21 v1
摘要
背景与背景: 大型语言模型(LLM)比以往任何时候都更易于获取且更准确，引发了计算教育界的重大担忧。一个主要担忧是学生使用 LLM 绕过理解概念和元认知策略的必要努力，这些是计算机科学成功的关键。目标: 我们独特的方法是通过每周口头代码评审来评估和构建学生理解。这些形式评估鼓励学生理解他们提交的代码，无论该代码是由 AI 生成的还是由学生自己编写。我们还使用翻页教室为学生在课堂之外学习概念，提供足够的时间让学生预约代码评审访谈。方法: 对于本论文，我们收集了三个学期的数据。我们分析学生的考试分数、键盘日志和调查问卷，以了解新课程政策如何影响学生的学习、行为和态度。发现: 考试结果的成对比较显示，2025 年秋季的平均分与以前的学期相比增加了一个统计上不显著的平均值。键盘日志显示，2025 年秋季每个编码作业中粘贴的字符数占总输入字符数的比例显著增加，指向更高的 AI 使用率。调查结果显示，2025 年秋季的代码评审在学生情感方面表现良好， nearly all negative feedback 都可以通过更好的安排和更严格的 TA 培训来解决。意义: 口头代码评审结合翻页教室似乎在缓解 LLM 使用的危害方面效果良好，同时为学生自由实验这些工具提供了空间。我们的工作表明，尽管学生在编码作业中使用 LLM 的使用率大幅上升，2025 年秋季的学生在书面考试中仍表现出对课程材料的充分理解。
引用
@article{arxiv.2605.21374,
title = {Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom},
author = {Peter Fowles and Erik Falor and Sulove Bhattarai and John Edwards and Seth Poulsen},
journal= {arXiv preprint arXiv:2605.21374},
year = {2026}
}