Tích hợp các mô hình ngôn ngữ lớn (LLMs) vào giáo dục lập trình đại học: Cơ hội và thách thức

- Tương tác người-máy (HCI) tập trung vào thiết kế và sử dụng công nghệ máy tính, đặc biệt là giao diện giữa người dùng và máy tính, nhằm tạo ra các giao diện trực quan và hiệu quả.
- Một thách thức lớn trong HCI và giáo dục là tích hợp các mô hình ngôn ngữ lớn (LLMs) vào các khóa học lập trình đại học, như các mô hình GPT của OpenAI.
- Giáo dục lập trình truyền thống dựa vào bài giảng, sách giáo khoa và bài tập mã hóa tương tác, nhưng việc tích hợp LLMs vẫn đang ở giai đoạn đầu.
- Các mô hình LLM có thể tạo, gỡ lỗi và giải thích mã, cung cấp các cách mới để hỗ trợ sinh viên trong quá trình học tập.
- Nghiên cứu từ Đại học Michigan đã khám phá các yếu tố xã hội ảnh hưởng đến việc sử dụng LLMs trong khóa học lập trình đại học, sử dụng lý thuyết định hình xã hội.
- Phương pháp nghiên cứu bao gồm khảo sát ẩn danh cuối khóa với 158 sinh viên, khảo sát tự tin giữa khóa, phỏng vấn sinh viên và phân tích hồi quy dữ liệu điểm giữa kỳ.
- Kết quả cho thấy việc sử dụng LLMs sớm liên quan đến tự tin thấp hơn và điểm giữa kỳ thấp hơn, nhưng sự phụ thuộc quá mức vào LLMs, thay vì việc sử dụng thực tế, mới là yếu tố giảm tự tin sau này.
- Khảo sát cuối khóa bao gồm 25 câu hỏi về sự quen thuộc với công cụ LLM, mô hình sử dụng và lo ngại về sự phụ thuộc quá mức, cùng với 5 câu hỏi tự tin để đánh giá khả năng lập trình của sinh viên.
- Phân tích hồi quy cho thấy sinh viên cảm thấy phụ thuộc quá mức vào LLMs có điểm tự tin thấp hơn, nhấn mạnh tầm quan trọng của việc sử dụng công cụ một cách cân bằng.
- Kỳ vọng nghề nghiệp và nhận thức về việc sử dụng của bạn bè ảnh hưởng mạnh mẽ đến quyết định sử dụng LLMs của sinh viên.
- Sinh viên tin rằng sự phụ thuộc quá mức vào LLMs sẽ ảnh hưởng xấu đến triển vọng nghề nghiệp có xu hướng học kỹ năng lập trình độc lập hơn.
- Ngược lại, những người dự đoán sẽ sử dụng LLMs nhiều trong tương lai có xu hướng tham gia nhiều hơn với các công cụ này trong khóa học.
- Kết quả nghiên cứu cho thấy việc tích hợp LLMs vào giáo dục lập trình có thể cải thiện trải nghiệm học tập nhưng cũng có thể ảnh hưởng tiêu cực đến tự tin và hiệu suất của sinh viên nếu không được sử dụng một cách cân bằng.

📌 Nghiên cứu nhấn mạnh sự phức tạp trong việc tích hợp LLMs vào giáo dục lập trình đại học. Các yếu tố xã hội như kỳ vọng nghề nghiệp và nhận thức của bạn bè ảnh hưởng mạnh mẽ đến việc sử dụng LLMs. Việc sử dụng cân bằng các công cụ AI là cần thiết để đảm bảo sinh viên xây dựng kỹ năng nền tảng vững chắc trong khi tận dụng lợi ích của công nghệ AI.

https://www.marktechpost.com/2024/06/11/balancing-ai-tools-and-traditional-learning-integrating-large-language-models-in-programming-education/