From Idea to Classroom in Days: Using "Vibe Coding" to Create a Programming Process Visualizer from IDE Activity Logs
Institute of Computer Science University of Tartu Tartu, Estonia ORCID: 0000-0002-2638-7253;Institute of Computer Science University of Tartu Tartu, Estonia ORCID: 0000-0003-3303-5245
利用人工智能辅助的“氛围编码”,快速开发并在课堂部署Thonny日志可视化工具,可分析Python IDE日志,生成学生编程过程视图,支持教师决策,经评估和试点收集反馈后进行了可用性改进。
2026-07-29 cs.AI cs.CY cs.HC
Generative AI Usage of University Students: Navigating Between Education and Business
Heilbronn University of Applied Sciences(海尔布隆应用科学大学);University of Hagen(哈根大学)
本研究通过扎根理论分析大学生在教育与商业中使用生成式AI的特点,揭示其潜力与挑战,为教育者和开发者提供参考。
2026-02-18 cs.AI cs.CY cs.HC
Scaffolding Metacognition in Programming Education: Understanding Student-AI Interactions and Design Implications
Kyushu University(九州大学);Osaka Kyoiku University(大阪教育大学)
本文通过分析三年间超过一万条学生与AI对话日志,从元认知视角研究生成式AI对编程学习的影响,并提出支持而非取代元认知参与的AI编程助手设计启示。
2025-11-06 cs.AI cs.HC
Next-Step Hint Generation for Introductory Programming Using Large Language Models
Utrecht University(乌得勒支大学)
本研究探索大语言模型在入门编程教育中生成自动化下一步提示的应用,构建StAP-tutor并经学生实验与专家评估验证其个性化提示效果,同时指出作业末期提示存在的不足及后续研究方向。
2023-12-03 cs.AI cs.CY cs.HC
CodeAid: Evaluating a Classroom Deployment of an LLM-based Programming Assistant that Balances Student and Educator Needs
University of Toronto(多伦多大学);Microsoft Research(微软研究院);The University of Auckland(奥克兰大学)
本文开发并部署了不直接泄露代码答案的编程助手CodeAid,基于700名学生一学期的使用数据与师生访谈,提出四项面向未来教育AI助手的设计原则。
2024-02-25 cs.AI cs.HC
Insights from Social Shaping Theory: The Appropriation of Large Language Models in an Undergraduate Programming Course
University of Michigan(密歇根大学)
本研究基于社会塑造理论,通过调查、访谈和成绩数据发现,本科编程课程中学生对LLM的使用受职业预期和同伴感知影响,且早期使用与较低自我效能感和期中成绩相关,过度依赖感知则与后期自我效能下降相关。
2024-06-10 cs.AI cs.CY cs.HC
Probing the Unknown: Exploring Student Interactions with Probeable Problems at Scale in Introductory Programming
针对入门编程练习限制学生澄清模糊需求能力且易受LLM影响的问题,本研究探索“可探测问题”(需先提交探测澄清模糊规范的自动评分任务),通过分析4万余次探测发现其可提升任务成功率、关联课程表现,还能培养关键技能。
2025-04-16 cs.CY cs.HC
Students' Reliance on AI in Higher Education: Identifying Contributing Factors
University of Florida(佛罗里达大学)
本研究通过问卷与编程任务实验,考察了本科生AI依赖的三种模式及影响因素,发现编程素养、自我效能等与适度依赖正相关,为教育领域AI合理融入及干预设计提供依据。
2025-06-16 cs.AI cs.CY cs.HC
Educational impacts of generative artificial intelligence on learning and performance of engineering students in China
Xi’an Jiaotong-Liverpool University(西交利物浦大学)
本研究基于148名中国工科学生的调查,分析生成式AI对学习效率、主动性、创造力和独立思考的积极影响,同时揭示其在学业表现提升、准确性与领域可靠性方面的局限,并为工程教育整合生成式AI提出建议。
2025-05-14 cs.AI cs.HC
ClassCode: An Interactive Teaching and Learning Environment for Programming Education in Classrooms
随着对计算机素养和编码技能的需求不断增长,编程教育变得越来越重要。尽管交互式在线学习系统越来越受欢迎,但学校中的许多编程课程并没有改变传统课堂设置的教学形式。我们在这里看到了两个研究机会。学生可能有不同的专业知识和编程经验。因此,特定的内容和教学速度可能会让有经验的学生分心,也可能会让初学者感到沮丧。在一个大教室里,教师无法监督每个学生的学习进度,并且很难将教材与每个学生的理解水平相匹配。我们推出ClassCode,这是一个为课堂编程教育量身定制的基于网络的环境。学生可以按照自己的进度参加教师准备的在线教程。然后,他们可以通过在教程中进行交互式编码练习来加深理解。ClassCode跟踪每个学生的所有互动,并将其汇总给教师。这是一份进度报告,便于教师在现场提供额外的解释或修改课程材料。我们的用户评估通过一个小型讲座和专家评审,由教师和助教证实了ClassCode的潜力,揭示了它如何解决大学现有编程课程中的问题。
2020-01-22 cs.CY cs.HC
Effects of Human vs. Automatic Feedback on Students' Understanding of AI Concepts and Programming Style
自动评分工具的使用在大型本科编程课程中几乎无处不在,最近的工作集中在提高自动生成反馈的质量上。然而,在接受计算机生成的反馈和人类书面反馈时,直接比较学生成绩的数据相对缺乏。本文通过将一个90名学生的班级分成两个反馈组,并分析两组学生的表现差异来解决这一差距。这门课是人工智能的入门课,有硬件编程作业。一组学生收到了关于他们编程作业的详细的计算机生成的反馈,描述了算法逻辑的哪些部分缺失;另一组学生还收到了人类撰写的反馈,描述了他们的程序语法如何与他们的逻辑问题相关,以及改进他们代码的定性(风格)建议。测验和考试问题的结果表明,人类的反馈有助于学生获得更好的概念理解,但分析发现,小组在最终项目上的合作能力没有差异。课程成绩分布显示,接受人类书面反馈的学生总体表现更好;这种效果在每组的中间两个四分位数中最为明显。这些结果表明,反馈的语法逻辑关系可能是一个主要的机制,人类的反馈提高学生的成绩。
2020-11-20 cs.CY cs.HC
Human-Generative AI Collaborative Problem Solving Who Leads and How Students Perceive the Interactions
本研究通过分析79名本科生的调查与反思,识别出人类与ChatGPT协作的三种类型,发现多数学生感知自身主导或贡献均衡,且积极互动体验与能动性正相关,为优化人机协作教育设计提供依据。
2024-05-19 cs.AI cs.HC
Beyond Perspectives: A Trio-Ethnography of Interpretation Evolution in LLM-Supported Programming Education
Mercer University(梅森大学);University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
研究通过三人民族志研究,探讨两位教学理念不同的计算机教育工作者和一名学生在大语言模型支持的编程教育中,如何通过对话使解释演变,揭示课堂外学习过程,促使教育工作者反思,为教学适应提供参考。
2026-07-27 cs.AI cs.HC
Exploring Student Choice and the Use of Multimodal Generative AI in Programming Learning
University of Michigan(密歇根大学);Carnegie Mellon University(卡内基梅隆大学);University of Toronto(多伦多大学);University of Toronto Mississauga(多伦多大学滑铁卢分校)
本研究通过16次出声思考会话和访谈,探索编程新手选择多模态GenAI工具的标准,发现其支持文本、音频、图像和屏幕共享等多模态交互,为CS教育中AI应用提供洞见。
2025-10-06 cs.AI cs.HC
Leveraging Large Language Model and Story-Based Gamification in Intelligent Tutoring System to Scaffold Introductory Programming Courses: A Design-Based Research Study
University of Sheffield(谢菲尔德大学)
编程技能正在迅速成为许多教育途径和职业机会的必要条件。然而,对于许多国际学生来说,由于语言的复杂性,缺乏先前的编程知识以及语言和文化障碍,传统的入门编程课程教学方法可能是一个重大挑战。本研究探讨了大语言模型和游戏化如何帮助中国学生在入门编程课程中学习编程并增加归属感。在这个项目中,开发了一个游戏化智能辅导系统,以适应中国国际学生的学习需求,并提供脚手架,以支持他们在入门计算机编程课程的成功。
2023-02-25 cs.AI cs.HC
The Teacher's Dilemma: Balancing Trade-Offs in Programming Education for Emergent Bilingual Students
本文探讨K-12计算机教师为新兴双语学生选择编程教育方案时,在包容性、课程一致性与职业准备间的权衡决策,揭示其面临的语言障碍挑战及影响工具选择的关键因素。
2025-08-22 cs.HC
Students' Perception Accuracy of Partners' AI Use and its Relation to Collaboration Performance
Technical University of Munich(慕尼黑工业大学)
通过103对学生的纵向研究,发现对同伴AI使用感知的偏差与团队最终项目得分负相关,尤其对低编程水平团队影响更大,且面对面编程未能减少这种偏差。
2026-06-23 cs.CY cs.HC
Generative AI Perceptions: A Survey to Measure the Perceptions of Faculty, Staff, and Students on Generative AI Tools in Academia
Texas A&M University(得克萨斯农工大学)
本文探讨ChatGPT对工程教育领域的影响,并发布了一项针对高校学生与教职员工的调查问卷,作为技术报告供其他机构评估生成式AI工具的影响。
2023-04-21 cs.AI cs.CL cs.CY
Integrating AI Tutors in a Programming Course
University of California, Irvine(加州大学欧文分校)
本研究将RAGMan AI导师系统整合到编程课程中,通过检索增强生成提供作业协助,约半数学生使用,98%准确率,78%认为有助学习。
2024-07-14 cs.AI cs.CY cs.HC
Unpacking Vibe Coding: Help-Seeking Processes in Student-AI Interactions While Programming
CATALPA;FernUniversität in Hagen(费尔恩大学);School of Computing and Information Systems(计算与信息系统学院);University of Melbourne(墨尔本大学);School of Computing(计算学院);University of Eastern Finland(东芬兰大学)
研究通过分析110名学生的19418次互动,探讨学生在编程中与AI协作的求助过程,发现高绩效学生采用探索性求助,低绩效学生则依赖任务委托,指出AI需转向教育导向设计以促进认知发展。
2026-04-29 cs.AI cs.HC
Tracing Prompt-Level Trajectories to Understand Student Learning with AI in Programming Education
Purdue University(普渡大学)
研究通过分析学生与AI交互的轨迹,揭示其在编程作业中使用AI工具的学习策略与能力差异,发现学生通过迭代改进而非直接复制AI生成代码的方式提升编程能力。
2026-04-12 cs.HC
What Students Ask, How a Generative AI Assistant Responds: Exploring Higher Education Students' Dialogues on Learning Analytics Feedback
UCL Knowledge Lab(UCL知识实验室);University College London(伦敦大学学院);UCL Centre for Artificial Intelligence(UCL人工智能中心)
研究探讨了学生与生成式AI助手在学习分析反馈中的对话,发现低自我调节学习能力学生寻求澄清,高能力学生则提问技术细节,AI助手在解释和个性化方面有限,但对低能力学生有帮助。
2026-01-08 cs.AI cs.HC
Eskwai for Students: Generative AI Assistant for Legal Education in Ghana
ETH Zurich, Switzerland(瑞士苏黎世联邦理工学院);Charité - Universitätsmedizin Berlin, Germany(柏林夏里特医学院);Kwame AI Inc., U.S.(美国瓦卡姆AI公司)
本文介绍了Eskwai for Students,一个基于检索增强生成(RAG)的生成式AI助手,用于帮助加纳法律学生解答法律问题,通过超过12000份案例法和1400项立法数据库,评估其对学生查询的帮助性及伦理影响。
2026-05-14 cs.CL cs.CY cs.HC
Unlimited Practice Opportunities: Automated Generation of Comprehensive, Personalized Programming Tasks
本文提出并评估了Tutor Kai系统的新功能,通过自动生成包含问题描述、代码骨架、单元测试和模型解决方案的个性化编程任务,结合专家评级与学生研究,验证了其任务质量及对学生学习的积极影响。
2025-03-12 cs.CY cs.HC cs.SE
Student programming behavior with and without phone notification suppression
Utah State University(犹他州立大学)
本研究探讨了手机通知抑制对学生编程任务参与度和生产力的影响,发现抑制通知能提高注意力和专注时间,但效果在学生间存在显著差异。
2026-05-21 cs.HC
Design Implications for Student and Educator Needs in AI-Supported Programming Learning Tools
Kyushu University(九州大学);Osaka Kyoiku University(大阪教育大学)
本文通过对比教育者与学生对AI编程助手需求的调研,揭示了间接支架支持与直接帮助之间的差异,并提出平衡学生自主性与教学约束的设计建议。
2026-03-24 cs.HC
EduAgent: Generative Student Agents in Learning
University of California, San Diego(加利福尼亚大学圣迭戈分校);Allen Institute for Artificial Intelligence(艾伦人工智能研究所)
针对现有学生模拟模型数据需求大、缺教育先验,且直接用LLMs难以捕捉细粒度交互的问题,本文提出融合认知先验的EduAgent生成式学生智能体框架,搭配新数据集,可模拟预测真实学生行为并生成虚拟学生真实学习行为。
2024-03-23 cs.AI cs.CL cs.CY
Model-Driven Synthesis for Programming Tutors
当给一个初学者练习的学生提供自动反馈时,许多编程导师都会遇到完整性问题。一方面,我们希望学生自由实验。另一方面,我们希望学生以这样一种方式编写她的程序,我们可以提供建设性的反馈。我们建议调查我们如何可以克服这个问题,通过使用程序合成,我们用它来生成正确的解决方案,密切匹配的学生程序,并根据结果给出反馈。
2020-11-15 cs.HC
Guardrails or Roadblocks? Effects of Pedagogical Style and Context Awareness in AI Teaching Assistants for Programming
University of Florida(佛罗里达大学);University of Auckland(奥克兰大学)
本研究通过随机对照试验发现,AI助教的教学风格与上下文感知需平衡,否则护栏可能适得其反,降低学生支持感知并促使外部LLM使用。
2026-09-25 cs.AI cs.HC
Constructing Epistemic AI Literacy: Detecting Epistemic Aims and Processes in Student-AI Co-Programming
McGill University(麦吉尔大学)
本研究提出认知性AI素养框架,基于AIR理论分析GenAI支持下的协同编程中认知目标与过程,发现78.8%的交互缺乏认知参与,仅11.1%表现出高水平认知投入。
2026-07-02 cs.AI cs.HC
Exploring Student-AI Interactions in Vibe Coding
University of California San Diego(加利福尼亚大学圣迭戈分校);University of Toronto Mississauga(多伦多大学密西沙加分校)
本研究探讨了入门编程与高级软件工程学生在使用vibe coding平台Replit构建应用时的交互差异,发现多数交互用于测试调试且高年级学生提示包含更多代码库上下文。
2025-11-03 cs.CY cs.HC
Desirable Characteristics for AI Teaching Assistants in Programming Education
本研究通过部署LLM驱动的数字助教并收集813名学生的反馈,识别出编程教育中AI助教应具备即时支持、平等访问及保留学习自主性的关键特征。
2024-05-23 cs.CY cs.HC
"Alexa, Can I Program You?": Student Perceptions of Conversational Artificial Intelligence Before and After Programming Alexa
在一个充满人工智能的世界中长大,Siri和亚马逊Alexa经常在手臂或语音范围内,可能会对儿童产生重大影响。对话代理可以影响学生如何将计算机系统拟人化或发展心理理论。以往的研究探讨了如何会话代理人使用和感知的儿童内和学习环境外。这项研究调查了初中和高中学生如何通过在为期一周的人工智能教育研讨会中编程自己的会话代理来改变对Alexa的看法。具体来说,我们调查了研讨会对学生对Alexa的智能,友好,活泼,安全,可信,人性化和亲密感的看法的影响。我们发现,学生们觉得Alexa更聪明,在研讨会后感觉更接近Alexa。我们还发现,学生对Alexa的友好性和可信度以及安全性和可信度的看法之间存在很强的相关性。最后,我们探讨了学生如何在研讨会后更频繁地使用计算机科学相关的措辞和想法。基于我们的研究结果,我们建议设计师在设计学习环境的CA时,仔细考虑拟人性,透明度,趣味性和实用性。
2021-02-02 cs.HC
A "watch your replay videos" reflection assignment on comparing programming without versus with generative AI: learning about programming, critical AI use and limitations, and reflection
本文设计并部署了一项基于DEAL框架的比较式视频反思作业,让学生对比不使用与使用生成式AI的编程过程,发现该方法能有效培养元认知技能、促进批判性AI使用并激发自发反思习惯。
2025-07-23 cs.HC
Emergent Technology, Emergent Critique: Students and Teachers Developing Critical AI Literacy through Participatory Design around Generative AI
University of California, Irvine(加州大学尔湾分校);University of Oulu(奥卢大学)
本文探讨学生和教师通过参与式设计发展批判性AI素养,揭示了共同质疑AI假设、互补学习和基于文化知识的AI批判三种核心实践。
2026-04-29 cs.HC
Three Years with Classroom AI in Introductory Programming: Shifts in Student Awareness, Interaction, and Performance
Kyushu University(九州大学);Osaka Kyoiku University(大阪教育大学)
研究探讨了AI在入门编程课程中的长期影响,发现学生对GenAI的熟悉度和使用逐渐成为常态,帮助行为随AI素养提升而变化,强调课程需重新定义学习实践以维持学生自主性。
2026-03-24 cs.HC
Generative Co-Learners: Enhancing Cognitive and Social Presence of Students in Asynchronous Learning with Generative AI
针对异步学习中学生认知与社会存在感不足的问题,提出基于生成式AI智能体的Generative Co-Learners系统,12人实验验证其可提升两类存在感,为规模化异步学习优化提供了新路径。
2024-10-06 cs.HC
MindScratch: A Visual Programming Support Tool for Classroom Learning Based on Multimodal Generative AI
针对现有编程学习工具难契合课堂目标、指导不足等问题,本研究推出多模态GAI驱动的MindScratch可视化编程工具,平衡课堂任务与自由创作,经用户验证可有效提升项目质量与学生思维能力。
2024-12-12 cs.HC
Novices' Learning Barriers When Using Code Examples in Open-Ended Programming
开放式编程通过让学生解决真实的问题并将编程与他们自己的兴趣联系起来来提高学生的动力。然而,这种开放式项目也具有挑战性,因为它们经常鼓励学生探索新的编程功能,并尝试他们以前没有学过的任务。代码示例是学生的有效学习材料,非常适合支持开放式编程。然而,很少有工作来了解新手如何在开放式编程中通过示例学习,也很少有这样的工具在现实世界中部署。在本文中,我们探讨了新手在开放式编程中与代码示例交互时的学习障碍。我们部署了Example Helper,这是一个提供代码示例库以供搜索和使用的工具,44名新手学生在入门编程教室中使用Snap进行开放式项目。我们发现新手在使用示例时遇到的三个高级障碍:决策,搜索和集成障碍。我们将讨论这些障碍是如何产生的,并设计解决这些障碍的机会。
2021-04-23 cs.HC
TrackThinkDashboard: Understanding Student Self-Regulated Learning in Programming Study
本文介绍TrackThinkDashboard,一种整合浏览与编程日志的可视化工具,旨在帮助学生监控反思学习过程、教师识别风险学习者,并通过33人实验揭示多种学习方法及领域知识影响。
2025-03-25 cs.HC
When LLM Tutoring Responses Work: Evidence from Student Programming Conversations
University of Delaware(特拉华大学)
研究学生在编程教育中使用大语言模型辅导时,哪种回复助于高效学习。通过分析StudyChat数据集,用大语言模型辅助标注并经人工验证,发现回复风格与延续情况相关,支持情境感知的人工智能辅导回复评估和设计。
2026-07-14 cs.HC
Trust in Generative AI among students: An Exploratory Study
本研究针对253名两所大型大学的学生开展调查,探究学生对生成式AI(GenAI)的信任度及其对CS课程表现的影响,发现学生信任、信心及动机水平存在差异,指出需进一步研究影响信任的因素。
2024-02-02 cs.HC
Using Sensor-Based Programming to Improve Self-Efficacy and Outcome Expectancy for Students from Underrepresented Groups
本文通过面向新西兰毛利裔和太平洋岛裔高中生的Scratch编程工作坊,研究即插即用传感器工具包对自我效能感和结果预期的影响,发现传感器使用仅显著提升了结果预期。
2023-04-13 cs.HC
The Effects of Generative AI on Computing Students' Help-Seeking Preferences
本文通过调查和访谈研究了生成式 AI 工具对计算专业学生求助偏好的影响,发现 AI 尚未完全取代传统资源,且利用 AI 求助是一项需培养的技能。
2024-01-04 cs.HC
ClassAid: A Real-time Instructor-AI-Student Orchestration System for Classroom Programming Activities
Zhejiang University of Technology(浙江工业大学);Zhejiang Key Laboratory of Visual Information Intelligent Processing(浙江省视觉信息智能处理重点实验室);Texas A&M University(德克萨斯农工大学)
ClassAid通过实时动态控制AI支持,为课堂编程活动提供个性化反馈,提升教师指导学生与AI互动的效果。
2026-02-06 cs.HC
The effect of self-efficacy and pair programming experience in learning results of introductory programming courses
该研究通过2x2析因设计和36名学生的问卷与Java测验数据,发现高自我效能感能显著提升编程入门课程成绩,而结对编程经验对学习结果无显著影响。
2024-10-21 cs.HC
Relying on LLMs: Student Practices and Instructor Norms are Changing in Computer Science Education
Beijing Institute of Technology(北京理工大学);University of Edinburgh(爱丁堡大学)
本文研究了计算机科学教育中学生与LLMs的互动,发现学生实践与教师规范存在不同程度的冲突,并提出了LLMs设计指南以促进学习。
2026-02-05 cs.HC
Measuring Student Self-Assessment against Viva-Demonstrated Mastery in a Large First-Year Programming Course
Indian Institute of Technology Ropar(印度技术研究所罗帕尔分校)
本研究通过2023年大型编程课程中203名学生的11,093项任务口试验证,发现自我报告与展示掌握高度一致(98.1%),但高估集中在少数学生和困难任务上,为定向反馈提供依据。
2026-10-01 cs.HC
Exploring Emerging Norms of AI Attribution and Disclosure in Programming Education
University of Toronto(多伦多大学);IBM Research(IBM研究院);University of Toronto Mississauga(多伦多大学密西沙加分校)
研究通过因子情景研究探讨学生在不同情境下对AI协助归属和披露的判断,发现AI协助程度和人类修正影响学生归属感知,提出从声明式政策转向过程导向的归属机制。
2026-03-19 cs.HC
VizGroup: An AI-Assisted Event-Driven System for Real-Time Collaborative Programming Learning Analytics
针对编程协作学习效果不佳的问题,本研究提出AI辅助事件驱动系统VizGroup,借助LLMs推荐事件规范以追踪协作指标与编程任务的关联模式,经12名教师对比实验验证,可有效助力教师监管大型课程中的学生协作学习行为。
2024-10-07 cs.HC
Generative AI as a Tool or Leader? Exploring AI-Augmented Thinking in Student Programming Tasks
本研究通过分析20名大学生编程时与生成式AI(GAI)的互动,开发四维度AI增强思维编码方案,划分人类主导与AI主导组,揭示两组思维模式差异及相关因素,增进对GAI支持编程思维过程的理解。
2024-11-29 cs.HC
Gen-AI-tecture: using generative AI to support architectural students in design tasks
College of Science & Engineering, University of Derby(德比大学科学与工程学部)
本研究探讨生成式AI工具如何影响建筑学生在设计思维过程中的创造力,评估其在学习过程中的包容性提升,并分析其在培养学生AI处理能力方面的作用,以增强未来就业竞争力。
2026-05-20 cs.HC
Exploring the Effectiveness of Using LLMs for Automated Assessment of Student Self Explanations in Programming Education
University of Pittsburgh(匹兹堡大学)
本文研究了在编程教育中使用LLMs自动评估学生自解释的有效性,通过比较LLMs与语义相似性方法在二元分类任务中的表现,探讨了自动评分技术的优劣。
2026-05-20 cs.HC cs.LG
Will Your Next Pair Programming Partner Be Human? An Empirical Evaluation of Generative AI as a Collaborative Teammate in a Semester-Long Classroom Setting
本研究通过39名本科生在PP、PAI、SAI三种条件下完成六项作业的混合方法实验,评估GenAI作为结对编程协作者对学习、表现与态度的影响。
2025-05-12 cs.HC