确保AI时代计算机科学学习：开放式生成AI政策与作业驱动书面小测验

生成式人工智能 (GenAI) 的广泛可用性在计算机科学 (CS) 教育中创造了一个迫切挑战：如何在不通过认知转移消解学生学习的前提下，将强大 AI 工具整合到编程课程中。本文提出一种 assessment model，该 model 允许使用生成式 AI 完成 take-home programming assignments，同时通过 immediate、assignment-driven written quizzes 强制 individual mastery。为促进 authentic learning，这些 in-class、closed-book assessments 的权重更高于 assignments 本身，并且 specifically designed to verify student 对 submitted code 中 algorithms、structure 和 implementation details 的 comprehension。收集了来自一门上层计算机科学课程的 preliminary empirical 数据，检验 self-reported GenAI usage 与 performance on AI-free quizzes、exams 和 final course grades 之间的关系。统计分析显示，GenAI usage 水平与 assessment outcomes 之间不存在有意义的线性相关性，Pearson correlation 系数始终接近零。这些 preliminary 结果表明，允许使用生成式 AI 完成编程 assignments 不会削弱学生对 course concepts 的掌握，当 learning 通过 targeted、assignment-driven quizzes 进行 verification 时。虽然受小样本量的限制，但本研究提供了 allowing AI-assisted programming practice 同时通过 assignment-driven、AI-free quizzes 验证理解的认识，表明认知转移的风险可以通过这种方式得到缓解。这些发现支持在 paired with rigorous、independent assessment mechanisms 的情况下，在 upper-level CS courses 中采用开放式 GenAI 政策是负责任的。