快速且可遗忘的：AI辅助与人类配对编程范式中初学者绩效、学习、负荷与情感的受控研究

代码生成人工智能在过去几年中在专业和教育编程环境中获得了越来越大的普及。尽管研究和教学正开始适应这一变化，但计算学生却在缺乏关于其影响的实证证据的情况下，必须承担AI所带来的意外后果。虽然学生之间的配对编程已被广泛研究并known为提高自我效能和学术成就的有效方法，但仍被 underutilize 并且进一步受到AI能取代人类编程伙伴的命题威胁。本文我们进行了一次受控的配对编程研究，22名参与者在时间紧张的情况下以两人一组或独立方式使用GitHub Copilot编写Python代码各20分钟。他们因额外的补偿而在绩效与理解之间取得平衡，并在一周的保留间隔后对编程任务进行了独立复测。我们收集了关于负荷和情感的主观测量以及绩效和学习（复测绩效）的客观测量。结果显示，参与者在GitHub Copilot下的绩效显著优于他们的人类团队成员，且多个负荷维度显著降低。然而，人类团队成员的情感效果在与Copilot合作时显著更为积极和唤起。此外，AI条件下的绝对复测绩效存在非显著的下降，而AI条件下的复测绩效下降更大。我们建议教育者在拥抱现代AI的同时，强烈考虑重新审视配对编程作为教育工具。