将大语言模型融入软件工程教育：一项基于 GitHub 仓库挖掘的初步研究
软件工程
2025-09-08 v1
摘要
背景：诸如 ChatGPT 的大语言模型（LLMs）正越来越多地被应用于软件工程（SE）教育中，既带来了机遇也带来了挑战。它们的采用需要系统性的调查，以确保负责任地融入课程体系。目标：本博士研究旨在通过一个多阶段过程，包括分类法开发、实证调查和案例研究，开发一个经过验证的将 LLMs 融入 SE 教育的框架。本文呈现了第一个实证步骤。方法：我们对 400 个 GitHub 项目进行了初步仓库挖掘研究，分析 README 文件和议题讨论，以识别我们先前文献综述中综合出的激励因素和阻碍因素的存在情况。结果：激励因素如参与度和动机（227 次命中）、软件工程过程理解（133 次命中）以及编程辅助和调试支持（97 次命中）得到了强烈体现。阻碍因素，包括抄袭和知识产权问题（385 次命中）、安全、隐私和数据完整性（87 次命中）以及学习中过度依赖 AI（39 次命中），也显著出现。相比之下，诸如评估学习成果的挑战和课程重新设计的困难等阻碍因素在所有仓库中均未出现。结论：本研究为激励因素/阻碍因素分类法提供了初步的实证验证，突出了研究实践差距，并为开发一个指导在 SE 教育中负责任地采用 LLMs 的综合框架奠定了基础。
引用
@article{arxiv.2509.04877,
title = {Integrating Large Language Models in Software Engineering Education: A Pilot Study through GitHub Repositories Mining},
author = {Maryam Khan and Muhammad Azeem Akbar and Jussi Kasurinen},
journal= {arXiv preprint arXiv:2509.04877},
year = {2025}
}