Исследователи проанализировали влияние генеративного ИИ на обучение программированию через призму трио-этнографии. В эксперименте участвовали два преподавателя с разными методическими подходами и один студент. Работа показывает, как диалог между участниками меняет интерпретацию того, как именно студенты используют ИИ-инструменты, выходя за рамки поверхностных наблюдений в классе и раскрывая глубинные изменения в процессе освоения кода.
Традиционные методы оценки эффективности обучения часто опираются на внешние признаки, такие как скорость написания кода или отсутствие ошибок. Однако данное исследование подчеркивает, что ИИ не просто автоматизирует рутину, а фундаментально меняет когнитивную нагрузку и способы решения задач. Участники эксперимента зафиксировали, как меняется восприятие «помощи» от нейросетей: от простого копирования ответов к более осознанному проектированию логики программ.
Авторы подчеркивают, что разрыв между ожиданиями преподавателей и реальной практикой студентов часто вызван отсутствием глубокой рефлексии над тем, как именно ИИ интегрируется в учебный процесс. Исследование предлагает модель, при которой совместное обсуждение опыта использования ИИ позволяет преподавателям лучше адаптировать учебные программы, превращая нейросети из «шпаргалок» в полноценные инструменты для обучения и развития навыков проектирования.
Ключевые факты
- Исследование основано на методе трио-этнографии, включающем двух преподавателей и одного студента бакалавриата.
- Работа сфокусирована на эволюции интерпретаций использования ИИ в образовательной среде в течение трех этапов взаимодействия.
- Основной вывод указывает на необходимость перехода от поверхностного наблюдения за студентами к глубокому диалогу об их методах взаимодействия с ИИ.
- Исследование подчеркивает сдвиг в обучении от механического написания синтаксиса к архитектурному мышлению при поддержке LLM.