返回
Owlgorithm: Supporting Self-Regulated Learning in Competitive Programming through LLM-Driven Reflection
DOI:10.1145/3770762.3772662.png)
摘要
En 中文
我们介绍Owlgorithm,一个通过AI生成的反思性问题支持竞争编程(CP)中自我调节学习(SRL)的教育平台。利用GPT-4o,Owlgorithm生成针对学生提交内容进行个性化定制、具有情境意识和元认知能力的提示。该系统被整合到第二和第三年的CP课程中,其提供的反思性提示根据学生结果进行调整:为正确解决方案提供更深入的概念指导,为部分或失败解决方案提供结构化调试。我们对学生评分和助教反馈的初步评估揭示了其既有的前景和显著的局限性。尽管许多人认为生成的问题有助于反思和调试,但也对反馈的准确性和课堂可用性提出了担忧。这些结果表明,对于初学者程序员,大型语言模型(LLM)支持的反思具有优势,但需要改进以确保可靠性和对高级学习者的教育价值。从我们的经验中,几个关键见解浮现:生成式AI可以有效支持结构化反思,但精心设计的提示、动态调整和可用性改进对于实现其在教育中的潜力至关重要。我们为使用类似工具的教育者提供了具体建议,并概述了增强Owlgorithm教育影响的下一步计划。其底层框架也可能适用于其他反思性学习场景。
Keyword:
Competitive Programming
Self-Regulated Learning
Generative AI in CS Education
Reflection
Educational Technology
期刊
机构
引用论文
Automatic Generation of Programming Exercises and Code Explanations Using Large Language Models使用大型语言模型自动生成编程练习和代码说明
Cognitive Consequences of Programming Instruction: Instruction, Access, and Ability
EDUCATIONAL PSYCHOLOGIST
IF11.4
How Pre-service Teachers’ Basic Need Satisfaction Affect their AI Literacy in AI Introductory Courses? the Roles of Emotional Engagement and Self-regulated Learning预服务教师的基本需求满足如何影响他们在人工智能入门课程中的AI素养?情感参与和自我调节学习的作用

