“像嵌套的娃娃”：使用大语言模型分析计算机科学学生生成的递归类比

掌握复杂的计算概念常常对难以将这些新想法锚定到熟悉经验和理解的学生构成挑战。为了帮助解决这一问题，良好的类比可以搭建由不熟悉概念到熟悉概念之间的桥梁，提供一种引人入胜的辅助理解的方式。然而，即使是经验丰富的教师，也难以创建有效的教育类比。我们研究了大语言模型（LLM），特别是 ChatGPT，能否在需求时提供个人相关类比的可能性。我们聚焦于递归，这是一个具有挑战性的阈值概念，进行了一次调查分析了超过 350 名一年级计算学生生成的类比。他们被提供一个代码片段，并被要求使用 ChatGPT 生成他们自己的基于递归的类比，可选择在提示中包含个人相关主题。我们观察到在学生指定主题的情况下，产生的类比种类极其多样，而常规类比则相对单一，这突显了使用 LLM 时学生创造力的价值。不仅学生们享受了这项活动并报告称对递归的理解得以提高，而且他们描述更容易记住那些在个人和文化上相关的类比。