Imagine por un minuto que es un instructor de programación que ha pasado muchas horas creando problemas creativos para presentar a sus alumnos el mundo de la programación. Un día, un colega le habla de una herramienta de inteligencia artificial llamada ChatGPT. Para tu sorpresa (y alarma), cuando le asignas tus problemas de tarea, resuelve la mayoría de ellos perfectamente, ¡tal vez incluso mejor que tú! Te das cuenta de que a estas alturas las herramientas de inteligencia artificial como ChatGPT y GitHub Copilot son lo suficientemente buenas para resolver todos los problemas de tareas de tu clase y lo suficientemente asequibles como para que cualquier estudiante pueda usarlas. ¿Cómo debería enseñar a los estudiantes en sus clases sabiendo que estas herramientas de IA están ampliamente disponibles? Soy Sam Lau de UC San Diego y mi Ph.D. El asesor (y futuro colega de la facultad) Philip Guo y yo estamos presentando un trabajo de investigación en la conferencia Internacional de Investigación en Educación en Computación (ICER) sobre este mismo tema. Queríamos saber: aprenda más rápido. Excavar más hondo. Ver más lejos. ¿Cómo planean los profesores de informática adaptar sus cursos a medida que cada vez más estudiantes comienzan a utilizar herramientas de asistencia de codificación de IA como ChatGPT y GitHub Copilot? Para responder a esta pregunta, reunimos una muestra diversa de perspectivas entrevistando a 20 instructores de introducción a la programación en universidades de 9 países (Australia, Botswana, Canadá, Chile, China, Ruanda, España, Suiza, Estados Unidos) que abarcan los 6 continentes poblados. Hasta donde sabemos, nuestro artículo es el primer estudio empírico que recopila las perspectivas de los instructores sobre estas herramientas de codificación de IA a las que probablemente cada vez más estudiantes tendrán acceso en el futuro. He aquí un resumen de nuestros hallazgos: Planes a corto plazo: los profesores quieren evitar que los estudiantes hagan trampa Aunque no preguntamos específicamente sobre las trampas en nuestras entrevistas, todos los profesores que entrevistamos lo mencionaron como una razón principal para hacer cambios en sus cursos a corto plazo. Su razonamiento fue: si los estudiantes pudieran obtener fácilmente respuestas a sus preguntas de tarea utilizando herramientas de inteligencia artificial, entonces no necesitarán pensar profundamente en el material y, por lo tanto, no aprenderán tanto como deberían. Por supuesto, tener una clave de respuestas no es un problema nuevo para los instructores, a quienes siempre les ha preocupado que los estudiantes se copien entre sí o recursos en línea como Stack Overflow. Pero las herramientas de inteligencia artificial como ChatGPT generan código con ligeras variaciones entre las respuestas, lo que es suficiente para engañar a la mayoría de los detectores de plagio que los instructores tienen disponibles en la actualidad. El problema más profundo para los instructores es que si las herramientas de IA pueden resolver fácilmente problemas en los cursos introductorios, los estudiantes que están aprendiendo programación por primera vez podrían llegar a creer que las herramientas de IA pueden resolver correctamente cualquier tarea de programación, lo que puede hacer que se vuelvan demasiado dependientes. en ellos. Un instructor describió esto no solo como hacer trampa, sino como “hacer malas trampas” porque las herramientas de inteligencia artificial generan código incorrecto de maneras sutiles que los estudiantes tal vez no puedan entender. Para disuadir a los estudiantes de depender demasiado de las herramientas de inteligencia artificial, los instructores utilizaron una combinación de estrategias, incluida la realización de exámenes en clase y en papel, y también hacer que los exámenes contaran para una mayor proporción de las calificaciones finales de los estudiantes. Algunos profesores también prohibieron explícitamente las herramientas de IA en clase o expusieron a los estudiantes a las limitaciones de las herramientas de IA. Por ejemplo, un instructor copió viejas preguntas de tareas en ChatGPT como una demostración en vivo en una conferencia y pidió a los estudiantes que criticaran las fortalezas y debilidades del código generado por IA. Dicho esto, los instructores consideraron estas estrategias parches a corto plazo; La repentina aparición de ChatGPT a finales de 2022 significó que los instructores tuvieron que hacer ajustes antes de que comenzaran sus cursos en 2023, que fue cuando los entrevistamos para nuestro estudio. Planes a más largo plazo (Parte 1): Ideas para resistir las herramientas de IA En la siguiente parte de nuestro estudio, los instructores intercambiaron muchas ideas sobre cómo abordar las herramientas de IA a más largo plazo. Dividimos estas ideas en dos categorías principales: ideas que se resisten a las herramientas de IA e ideas que las adoptan. Tenga en cuenta que la mayoría de los instructores que entrevistamos no estaban completamente de un lado o del otro: compartían una combinación de ideas de ambas categorías. Dicho esto, comencemos con por qué algunos instructores hablaron de resistirse a las herramientas de IA, incluso a largo plazo. La razón más común para querer resistirse a las herramientas de IA fue la preocupación de que los estudiantes no aprendieran los fundamentos de la programación. Varios instructores hicieron una analogía con el uso de una calculadora en la clase de matemáticas: usar herramientas de inteligencia artificial podría ser como, en palabras de uno de los participantes de nuestra entrevista, «darles a los niños una calculadora y pueden jugar con ella, pero si no saben lo que significa un punto decimal, ¿qué aprenden o hacen realmente con él? Es posible que no sepan cómo conectar lo correcto o no sepan cómo interpretar la respuesta”. Otros mencionaron objeciones éticas a la IA. Por ejemplo, un instructor estaba preocupado por las demandas recientes en torno al uso de código abierto por parte de Copilot como datos de entrenamiento sin atribución. Otros compartieron preocupaciones sobre el sesgo de los datos de entrenamiento para las herramientas de IA. Para resistir las herramientas de IA en la práctica, los instructores propusieron ideas para diseñar tareas “a prueba de IA”, por ejemplo, utilizando una biblioteca personalizada para su curso. Además, dado que las herramientas de IA generalmente se entrenan con datos centrados en el inglés y los EE. UU., los instructores de otros países pensaron que podrían hacer que sus tareas fueran más difíciles de resolver para la IA al incluir el contexto cultural y lingüístico local (por ejemplo, jerga) de sus países. Los instructores también intercambiaron ideas para evaluaciones a prueba de IA. Una sugerencia común fue utilizar exámenes en papel en persona, ya que los supervisores podían garantizar mejor que los estudiantes solo usaran papel y lápiz. Los instructores también mencionaron que podrían probar exámenes orales en los que los estudiantes hablan en persona con un miembro del personal del curso o graban un video explicando lo que hace su código. Aunque estas ideas se sugirieron inicialmente para ayudar a mantener significativas las evaluaciones, los instructores también señalaron que estas evaluaciones podrían en realidad mejorar la pedagogía al darles a los estudiantes una razón para pensar más profundamente sobre por qué funciona su código en lugar de simplemente tratar de obtener un código que produzca una respuesta correcta. Planes a largo plazo (Parte 2): Ideas para adoptar herramientas de IA Otro grupo de ideas buscaba adoptar herramientas de IA en cursos de introducción a la programación. Los instructores que entrevistamos mencionaron varias razones para querer este futuro. Lo más común es que los instructores sintieran que las herramientas de codificación de IA se convertirían en estándar para los programadores; Dado que “es inevitable” que los profesionales utilicen herramientas de inteligencia artificial en el trabajo, los instructores querían preparar a los estudiantes para sus futuros trabajos. En relación con esto, algunos instructores pensaron que adoptar herramientas de IA podría hacer que sus instituciones fueran más competitivas al adelantarse a otras universidades que dudaban más en hacerlo. Los instructores también vieron posibles beneficios de aprendizaje al utilizar herramientas de inteligencia artificial. Por ejemplo, si estas herramientas hacen que los estudiantes no tengan que pasar tanto tiempo luchando con la sintaxis de programación en los cursos introductorios, los estudiantes podrían dedicar más tiempo a aprender cómo diseñar y diseñar mejor programas. Un instructor hizo una analogía con los compiladores: “Ya no necesitamos mirar los 1 y los 0, y nadie dice: ‘¡Qué gran problema! ¡Ya no escribimos lenguaje de máquina!’ Los compiladores ya son como la IA en el sentido de que pueden superar a los mejores humanos en la generación de código”. Y en contraste con las preocupaciones de que las herramientas de inteligencia artificial pudieran dañar la equidad y el acceso, algunos instructores pensaron que podrían hacer que la programación fuera menos intimidante y, por lo tanto, más accesible al permitir que los estudiantes comenzaran a codificar usando lenguaje natural. Los instructores también vieron muchas formas potenciales de utilizar ellos mismos las herramientas de IA. Por ejemplo, muchos impartían cursos con más de cien estudiantes, donde llevaría demasiado tiempo dar retroalimentación individual a cada estudiante. Los instructores pensaron que las herramientas de inteligencia artificial entrenadas con los datos de su clase podrían brindar ayuda personalizada a cada estudiante, por ejemplo, explicando por qué un fragmento de código no funciona. Los profesores también pensaron que las herramientas de inteligencia artificial podrían ayudar a generar pequeños problemas de práctica para sus alumnos. Para preparar a los estudiantes para un futuro en el que las herramientas de inteligencia artificial estén muy extendidas, los instructores mencionaron que podrían dedicar más tiempo en clase a la lectura y crítica de códigos en lugar de escribir códigos desde cero. De hecho, estas habilidades podrían ser útiles en el lugar de trabajo incluso hoy en día, donde los programadores dedican mucho tiempo a leer y revisar el código de otras personas. Los profesores también pensaron que las herramientas de IA les daban la oportunidad de dar tareas más abiertas, e incluso hacer que los estudiantes colaboraran con la IA directamente en su trabajo, donde una tarea les pediría a los estudiantes generar código usando IA y luego iterar sobre el código hasta que estuviera tanto correcto como eficiente. Reflexiones Los hallazgos de nuestro estudio capturan una rara instantánea en el tiempo a principios de 2023, cuando los profesores de informática apenas están comenzando a formarse opiniones sobre este fenómeno de rápido crecimiento, pero aún no han convergido en ningún consenso sobre las mejores prácticas. Utilizando estos hallazgos como inspiración, sintetizamos un conjunto diverso de preguntas de investigación abiertas sobre cómo desarrollar, implementar y evaluar herramientas de codificación de IA para la educación informática. Por ejemplo, ¿qué modelos mentales forman los principiantes sobre el código que genera la IA y sobre cómo funciona la IA para producir ese código? ¿Y cómo se comparan esos modelos mentales de novatos con los modelos mentales de generación de códigos de IA de los expertos? (La Sección 7 de nuestro artículo tiene más ejemplos). Esperamos que estos hallazgos, junto con nuestras preguntas de investigación abiertas, puedan estimular conversaciones sobre cómo trabajar con estas herramientas de manera efectiva, equitativa y ética. ¡Consulte nuestro artículo aquí y envíenos un correo electrónico si desea analizar algo relacionado con él! Desde “Prohibirlo hasta que lo entendamos” hasta “La resistencia es inútil”: cómo los instructores de programación universitaria planean adaptarse a medida que más estudiantes utilizan la generación de códigos de IA y herramientas de explicación como ChatGPT y GitHub Copilot. Sam Lau y Philip J. Guo. Conferencia ACM sobre Investigación Internacional en Educación en Computación (ICER), agosto de 2023.

Source link