[论文解读] Programming Is Hard -- Or at Least It Used to Be: Educational Opportunities And Challenges of AI Code Generation

Brett A. Becker, Paul Denny+4 more|arXiv (Cornell University)|Dec 2, 2022

Teaching and Learning Programming被引用 36

一句话总结

本立场论文讨论基于 AI 的代码生成工具（Codex、AlphaCode、CodeWhisperer）在入门编程教育中的机遇与挑战，并敦促教学实践的迅速适应。随着 AI 生成的代码越来越可获得，它调查对学习、教学法、伦理与评估的影响。

ABSTRACT

The introductory programming sequence has been the focus of much research in computing education. The recent advent of several viable and freely-available AI-driven code generation tools present several immediate opportunities and challenges in this domain. In this position paper we argue that the community needs to act quickly in deciding what possible opportunities can and should be leveraged and how, while also working on how to overcome or otherwise mitigate the possible challenges. Assuming that the effectiveness and proliferation of these tools will continue to progress rapidly, without quick, deliberate, and concerted efforts, educators will lose advantage in helping shape what opportunities come to be, and what challenges will endure. With this paper we aim to seed this discussion within the computing education community.

研究动机与目标

• 评估 AI 代码生成工具如何影响入门编程学习与评估。
• 识别提升学习资源、示例与多样化解题方案的机会。
• 强调计算教育的伦理、诚信与可持续性问题。
• 提出教学转向，以利用 AI 代码生成并降低风险。

提出的方法

• 对现有 AI 代码生成工具（Codex/OpenAI Codex、AlphaCode、CodeWhisperer）及其能力进行综述。
• 综合先前的计算教育文献关于 CS1/CS2 的教学法与评估。
• 基于引用的研究与工具文档，讨论机遇与挑战。
• 提出新的教学方法和资源生成策略的建议。

实验结果

研究问题

• RQ1 AI 驱动的代码生成工具为入门编程的学习、教学与评估提供了哪些机遇？
• RQ2 在 CS1/CS2 环境中，这些工具带来哪些挑战（学术诚信、偏见、安全性、可持续性）？
• RQ3 如何通过教学法的调整在保持核心学习成果与伦理实践的同时，利用代码生成？

主要发现

• AI 生成的代码可以提供示例解，并暴露解决方案的多样性，便于学习与评估。
• 代码生成可以在大规模生成学习资源，如练习、解释和带解示例。
• 新型教学法可能将重点从逐行编写代码转向对高级算法理解与代码评审。
• 存在显著的伦理、许可与安全问题，需要在教育中进行前瞻性引导与监督。