生成式人工智能支持下的编程教育问题、策略与案例.docx

生成式人工智能支持下的编程教育问题、策略与案例

摘要：当前，中小学编程教育仍存在编程学习浅表化、大语言模型问答经验缺乏、学习过程黑箱三种使用问题。因此，作者提出，在使用生成式人工智能辅助编程教学时，可以采用元认知策略、提示认知策略以及思路外显策略，帮助学生深度融合计算思维解决实际问题。

中图分类号：G434文献标识码：A论文编号：1674-2117（2024）19-0096-03

随着生成式人工智能技术的不断更新迭代，以ChatGPT为代表的智能工具正在逐渐介入教育教学，成为推动教育智能化变革的新举措。生成式人工智能对编程教育的辅助，能改变以学生编写代码为主的传统教育目标，弱化理解代码含义的能力要求，注重加强学生阅读理解代码以及清楚代码完善要求说明的能力。

生成式人工智能支持下的编程教育存在的问题

1.主体易位：编程学习浅表化，生成式人工智能代替深入思考

2.应用不足：问答经验缺乏，高效获得答案方式存疑

学校引入生成式人工智能参与教学的时间仍较短暂，学生缺少与生成式人工智能交流提问的经验，在学习过程中遇到问题难以准确高效地提问。同时，由于编程语言的特殊性，编程任务指令需要更加清晰具体的问题描述，其中包括代码运行显示的错误原因、学生原先的预想效果、提供错误部分的上下相关的代码以及学生已经尝试过的解决方法，从而获得更具针对性的解决方案。

3.信任缺失：学习过程黑箱，学生学习情况成谜，易涉嫌抄袭侵权

学生黑箱式的任务完成过程，其自主学习、知识探究理解的真实性存疑，难以评判学生的实际学习情况。同时，由于缺乏创造性，生成式人工智能回复的答案往往源自现有数据库，学生直接奉行“拿来主义”，可能会涉嫌侵权。

中小学应用生成式人工智能促进编程学习策略

1.元认知策略：深度融合计算思维，实现解决问题的思维迁移

元认知策略是指对知识以及自我认知的认识理解，学生需要监控自身对编程知识的理解程度，借助生成式人工智能答疑解惑，以调节各级各类编程知识的理解与脉络构建，螺旋提升学生深度融入计算思维下的编程知识的元认知。在编程教学时，教师可以使用元认知策略，从问题与问题链的角度培养学生问题解决的能力。学生在问题解决过程中提升元认知技能，明白算法问题的本质、代码模块使用的原则，最终实现知识思维迁移。

教师在使用生成式人工智能辅助课堂教学时，可以在确保学生能够独立完成简单的程序编写后，让学生使用智能工具辅助完成问题任务。此时，学生会将生成式人工智能作为“智能学Ntbz8y/pjIQbtQh39BrETw==伴”，将关注重点聚焦于问题解构、函数模块的挑选使用、提出命令让生成式人工智能生成符合要求的代码，更强调编程知识运用的元认知知识的培养。此外，在学生能够运用算法编程知识解决问题后，教师可以提升任务维度，让学生根据代码编程提出相应情境的应用问题或异构原先的问题，从编程知识的应用者进阶为问题的生成者和评价者，有效解决学生编程学习浅表化问题。

2.提示认知策略：善用提示词开启新型交互模式，提升沟通解决效率

提示认知策略是学生通过类比已有的提示样例，总结出程序性的提示规则，根据任务要求选择合适的提示方式高效获得解答，减轻学生与生成式人工智能的交流磨合负荷。学生学习编程不仅需要具备良好的计算思维和智能思维，还需要培养提示认知思维，使用恰当的提示词来编写有效的提示技能，弥补生成式人工智能在推理能力上的不足。具有类人属性的生成式人工智能具备很强的类比推理和编程能力，巨大的数据库使其更像一个“程序员团队”的集合体，在提问要求中夹杂示例说明，能够获得更具创造力和符合学生想法的代码效果。[1]因此，学生在和生成式人工智能交互的过程中，可以选用零样本提示、少样本提示与思维链提示的交互方式，以提升交互效率与回答正确性。

编程问题需要较高的逻辑推理能力与知识基础，针对复杂编程问题更适合将思维链提示与零样本提示、少样本提示相结合，以提高大语言模型的理解推理能力。通过分解问题并进行分步推理来引导生成式人工智能做出正确回应，有效减少生成式人工智能的错误反应，以及某段对话引起的先入为主的错误理解，可以更轻松准确地得到问题答案。[2]

3.思路外显策略：展现对话过程，详解答案形成，实现计算思维和智能思维可视化

思路外显策略是指学生在解决问题时，将解决过程中的流程、思路变换历程以及与生成式人工智能的合作内容尽数展露出来，说明思路变换和选用每段代码方案的原因，帮助教师清晰了解学生的知识掌握情况。与此同时，思路外显策略可以培养学生的批判创新思维，如可以分辨生成式人工智能提供的答案正误、可用与否，打破智能工具包围的避风港，揭开作业黑箱幕布等。

教师在编程教学中，不再采用的单一的“刺激—反应”的机械式行为主义策略布置任务[3]，也不盲目抵制学生使用生成式人工智能辅助完成家庭作业，而是在允许学生借助人工智能