Исследование arXiv анализирует, как использование генеративного ИИ меняет процесс обучения программированию. Авторы выявили двойственный эффект: инструменты помогают новичкам быстрее преодолевать синтаксические барьеры и генерировать код, однако чрезмерная зависимость от них снижает глубину понимания алгоритмов и способность к самостоятельному решению задач, создавая разрыв в компетенциях между теми, кто использует ИИ осознанно, и теми, кто делегирует ему всё мышление.
Работа подчеркивает, что начинающие разработчики часто воспринимают ответы ИИ как безоговорочно верные, что приводит к закреплению ошибок и поверхностному усвоению концепций. В то время как опытные инженеры используют модели для ускорения рутины, новички рискуют попасть в ловушку «когнитивной разгрузки», где ИИ берет на себя не только написание кода, но и процесс логического проектирования системы.
Авторы призывают к пересмотру методов обучения в вузах и на курсах. Вместо запрета технологий предлагается внедрять стратегии «ИИ-поддерживаемого обучения», где акцент смещается с написания синтаксиса на проектирование архитектуры и критическую оценку сгенерированных решений. Это позволит сохранить фундаментальную базу знаний, не отказываясь от преимуществ автоматизации.
Ключевые факты
- Исследование сфокусировано на влиянии LLM на когнитивные процессы студентов и начинающих разработчиков.
- Выявлен риск «деградации навыков»: пользователи ИИ показывают худшие результаты в задачах на отладку кода без помощи нейросетей.
- Основная проблема заключается в снижении способности новичков к самостоятельному анализу логических ошибок в коде.
- Рекомендуется переход к методологиям, где ИИ используется как тьютор для объяснения концепций, а не как генератор готовых решений.