AI 正在改变编程的教学方式：教授们正从语法转向强调更高层次技能

站长之家(ChinaZ.com) 5 月 3 日消息:生成式人工智能正在改变软件开发行业。AI 驱动的编程工具正在协助程序员完成他们的工作流程，同时 AI 领域的工作岗位也在持续增加。但这种转变在学术界也很明显——学术界是下一代软件工程师学习编程的主要途径之一。

计算机科学的[]学生正在拥抱[]这项技术，使[]用生成式 AI 帮助他们理解[]复杂概念，总[]结复杂的研究[]论文，集思广[]益解决问题的[]方法，提出新[]的研究方向，[]当然还有学习[]如何编程。

「学生是早期[]采用者，并且[]一直在积极测[]试这些工具，[]」斯坦福大学[]计算机科学硕[]士生、助教 Johnny[] Chang 说。他还在 2023 年创立了 AI x Educat[]ion 会议，这是一[]个虚拟的学生[]和教育工作者[]聚会，讨论 AI 对教育的影响[]。

为了不落后，[]教育者也在尝[]试使用生成式[] AI。但他们[]在采用这项技[]术的同时，还[]在努力确保学[]生学习计算机[]科学的基础。[]

「这是一个困难的平衡行为，」新加坡国立大学计算学院的副教授 Ooi Wei Tsang 说。「鉴于大型语言模型正在迅速发展，我们仍在学习如何做到这一点。」

对语法的重视减少，对解决问题的重视增加

大多数初级计算机科学课程都集中在代码语法和使程序运行上，而知道如何阅读和编写代码仍然至关重要，但测试和调试——通常不是课程大纲的一部分——现在需要更明确地教授。

「我们看到这[]种技能的提高[]，学生从生成[]式 AI 中获得代码片[]段，他们需要[]测试其正确性[]，」纽约州波[]茨坦克拉克森[]大学计算机科[]学教授 Jeanna[] Matthe[]ws 说。

另一个重要的专业技能是分解问题。「这是一个早期就需要知道的技能，因为你需要将一个大问题分解成更小的部分，以便大型语言模型可以解决，」加州大学圣地亚哥分校计算机科学副教授 Leo Porter 说。「很难找到课程中教授这一点的地方——也许是在算法或软件工程课程中，但那些是高级课程。现在，它成为了初级课程的优先事项。」

因此，教育者[]正在修改他们[]的教学策略。[]「我以前只关[]注学生编写他[]们提交的代码[]，然后我在代[]码上运行测试[]用例来确定他[]们的分数，」[]多伦多密西沙[]加大学计算机[]科学副教授 Daniel[] Zingar[]o 说。「这是对[]软件工程师含[]义的狭隘看法[]，我只是感觉[]有了生成式 AI，我设法[]克服了这种限[]制性看法。」[]

Zingar[]o 与 Porter[] 合著了一本关[]于 AI 辅助 Python[] 编程的书，现[]在他让学生分[]组工作，并提[]交一个视频来[]解释他们的代[]码是如何工作[]的。通过这些[]演示，他了解[]到学生如何使[]用 AI 生成代码，他[]们在哪些方面[]遇到困难，以[]及他们如何接[]近设计、测试[]和团队合作。[]

「这是一个机会，让我评估他们整个软件开发 [生命周期] 的学习过程——不仅仅是代码，」Zingaro 说。「我感觉我的课程已经开放了更多，它们比以前更广泛了。我可以让学生们在更大、更高级的项目上工作。」

Wei Tsang 也同意这种看法，并指出生成式 AI 工具「将为我们节省时间，教授更高层次的思考——例如，如何设计软件，应该解决的正确问题是什么，解决方案是什么。学生可以花更多的时间在优化、伦理问题和系统的用户友好性上，而不是专注于代码的语法。」

避免 AI 编程陷阱

但教育者对大型语言模型的幻觉倾向持谨慎态度。「我们需要教会学生对结果持怀疑态度，并负责验证和验证它们，」Matthews 说。

Matthe[]ws 补充说，生成[]式 AI「可能会[]缩短学生依赖[]它太多的学习[]过程。」Ch[]ang 同意这种过度[]依赖可能是一[]个陷阱，并建[]议他的同学自[]己探索问题的[]可能解决方案[]，这样他们就[]不会失去批判[]性思维或有效[]的学习过程。[]「我们应该让[] AI 成为学习的副[]驾驶——而不[]是自动驾驶—[]—」他说。