基于生成式人工智能的大学生编程学习行为分析研究

生成式人工智能可以为教育提供高效且个性化的智能化服务和技术支持。作为典型的生成式人工智能语言模型,ChatGPT在编程中的应用已然获得业界的广泛关注。然而,鲜有学者从实证研究的层面探究学习者如何利用ChatGPT来进行编程学习。研究通过细粒度地采集学习者的编程行为和知识探究问题,对36位学习者的编程过程进行分析。研究结果表明:(1)学习者将ChatGPT视为有用的编程学习资源,依赖其指导学习过程,并倾向于将代码或调试错误信息拷贝至ChatGPT,进而复制其反馈信息;(2)高绩效组主要在前期使用ChatGPT辅助编程,低绩效组在整个编程过程中更频繁地使用ChatGPT进行编程;(3)学习者在使用ChatGPT时主要关注浅层和中层知识的探究,其中,高绩效组通过自主提问获得ChatGPT的反馈,中低绩效组则依赖对ChatGPT反馈内容的追问获得问题解决方案。研究针对如何利用ChatGPT辅助大学生开展编程学习提出了相关的建议,以期为提高编程学习效率提供参考。

近二十年学习科学领域的研究脉络与发展趋势——对《人是如何学习的》系列报告的文本分析

《人是如何学习的》系列报告涵括了过去数十年间人们在学习科学研究中获得的见解,对于全球的学习科学研究人员具有重要的参考意义。本文通过对《人是如何学习的》两个版本英文原著的文本分析,包括文本研读、词频统计、词语归类,管窥近二十年学习科学领域的研究脉络,分析其关注点的流变,并试图从差异中把握学习科学领域的发展趋势。我们筛选了超过一千个词汇的词频数据后,将得到的高频词汇用表格和词云的可视化形式进行了呈现。研究发现:相比于原版报告,新版报告从更广的维度回答了“人是如何学习的”这一问题,扩展了学习者的范畴,超越了单一学习场所,反映了技术进展,跨学科特征更加明显,并且深化了对学习本质的探讨。