以口頭程式碼審查與翻轉課堂對抗 CS1 中生成式 AI 的危害
arXiv - Human-Computer InteractionPeter Fowles, Erik Falor, Sulove Bhattarai, John Edwards, Seth Poulsen
透過每週口頭程式碼審查與翻轉課堂，評估並減緩學生使用大型語言模型的負面影響，觀察其對考試成績的影響
AI 幫你先抓重點
AI 重點 1
口頭程式碼審查結合翻轉課堂能在減緩 LLM 風險的同時，保留學生對工具的實驗空間。
滑鼠懸停看 AI 判斷理由
此結合提供了即時的形成性評量，讓學生在使用 AI 時仍需主動理解程式碼，從而維持概念掌握；同時翻轉模式讓課堂時間可用於討論與反思，提升學習成效。
AI 重點 2
AI 使用量雖上升，但期末考試成績未顯著提升，說明 AI 幫助完成作業並不等於提升概念理解。
滑鼠懸停看 AI 判斷理由
這一發現提醒教師在設計課程時，可允許 AI 作為輔助工具，但仍需透過考試或其他評量確保學生真正掌握核心概念。
核心研究發現
- 1
期末考試成績在 2025 秋季學期與前幾學期相比，平均分數無顯著提升。
- 2
鍵盤輸入日誌顯示 2025 秋季學期學生在程式碼作業中粘貼字符比例顯著上升，暗示 AI 使用增加。
- 3
問卷調查顯示學生對口頭程式碼審查持正面態度，負面回饋多可透過更佳排程與 TA 培訓解決。
對教育工作者的啟發
實務建議包括：1) 在課程中加入每週口頭程式碼審查，讓學生在提交前接受即時回饋；2) 採用翻轉課堂模式，將概念講授放在課前影片或閱讀材料，課堂時間專注於討論與審查；3) 透過鍵盤輸入日誌監測 AI 使用趨勢，若粘貼比例過高可調整作業要求；4) 加強 TA 培訓，確保其能有效引導學生討論程式碼背後的邏輯；5) 針對學生負面回饋，提供彈性排程或額外輔導，提升參與度。這些措施可在維持學習成效的同時，減少 AI 造成的學習表面化風險。
原始文獻資訊
- 英文標題：
- Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom
- 作者：
- Peter Fowles, Erik Falor, Sulove Bhattarai, John Edwards, Seth Poulsen
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。