.png){kind=icon}
返回
Pacing for Mastery: Optimizing LLM Interactions for Learning
.png){kind=icon}
PRE
AI
DOI：10.1145/3770762.3772501.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
大型语言模型(LLMs)在计算机科学教育中具有显著变革潜力，但对其可能对学生学习和记忆产生负面影响的担忧，延缓了更广泛的教育者采用。关于LLM使用的证据存在矛盾。虽然初学者可能受益于AI的生成能力，但也存在过度依赖的风险。为解决这些担忧，我们通过在课堂环境中部署三种AI助手（快、中、慢）来研究与人机交互的节奏如何影响入门CS课程的学习。结果表明，较慢节奏的苏格拉底式AI助手显著提高了学习效果，尤其对先前知识较少的学生。尽管快节奏交互初期对更高级学生有益，但学习保留的下降足以抵消这些收益。令人惊讶的是，包含典型教师预提示元素的中等节奏助手未显示出统计学上的显著改善。鉴于学生可能无视政策使用快节奏商业AI工具完成作业，提供较慢节奏的苏格拉底式AI替代方案可能显著改善整体学生学习成果。
Keyword:
interaction pace
learning
retention
novice programmers
CS1
LLMs
Generative AI
AI assistants
classroom
期刊
机构
引用论文
.png){kind=icon}
分享收藏Studying the effect of AI Code Generators on Supporting Novice Learners in Introductory Programming研究AI代码生成器在入门编程中支持新手的效果
OAAI
OAAI分享收藏The Robots Are Here: Navigating the Generative AI Revolution in Computing Education机器人在这里: 在计算教育中导航生成AI革命OAAI
OAAI分享收藏
查看更多内容