使用 Copilot 進行註解：學生程式碼生成規範的分類與多年分析
arXiv - Computers and SocietyNasser Giacaman, Valerio Terragni, Paul Denny, Viraj Kumar
本研究分析學生如何透過自然語言註解引導 AI 生成程式碼，並提出描述規範的三維分類法。
AI 幫你先抓重點
AI 重點 1
程式編程的核心能力正從「撰寫程式碼」轉向「撰寫精確的規格說明」。
滑鼠懸停看 AI 判斷理由
這標誌著計算思維的範式轉移。理解學生如何將意圖轉化為 AI 可理解的規格，對於設計未來 AI 輔助教學工具與評量標準至關重要。
AI 重點 2
學生在 AI 協作中更關注結果的正確性而非指令的優化。
滑鼠懸停看 AI 判斷理由
這反映了學生在自主學習過程中的認知策略，顯示他們將 AI 視為一種執行工具，而非對話式的協作夥伴，這對設計引導學生進行深度學習的提示工程（Prompt Engineering）教學具有啟發。
核心研究發現
- 1
學生在撰寫註解時，主要傾向於使用描述「要做什麼（What）」的自然語言，而非詳細描述「如何做（How）」的程序性指令。
- 2
隨著程式碼結構變得更具程序性，學生的註解風格會從描述功能目標轉向描述具體的實作步驟。
- 3
在 AI 輔助編程過程中，學生的行為模式更偏向於「驗證 AI 生成的程式碼」，而非反覆修改註解來重新生成。
對教育工作者的啟發
教育者應意識到 AI 時代程式教學的重心轉移。課程設計不應僅限於語法教學，應增加「規格說明（Specification）」與「提示工程（Prompt Engineering）」的訓練，教導學生如何精確地將邏輯意圖轉化為自然語言指令。此外，評量方式也應從單純檢查程式碼正確性，轉向評估學生撰寫註解與驗證 AI 生成結果的邏輯嚴密性，以培養學生在 AI 協作環境下的批判性思考與驗證能力。
原始文獻資訊
- 英文標題：
- Commenting with Copilot: A Taxonomy and Multi-Year Analysis of Student Code-Generation Specifications
- 作者：
- Nasser Giacaman, Valerio Terragni, Paul Denny, Viraj Kumar
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。