DURA 框架：在電腦科學課程中整合大型語言模型的經驗報告
arXiv - Computers and SocietyMargaret Ellis, Nikitha Donekal Chandrashekar, Sehrish Basir Nizamani, Mohammed Farghally, Jake O'Brien, Naren Ramakrishnan
本文提出 DURA 框架，透過去神祕化、引導使用、反思與評量，成功將 LLM 有效整合於 CS2 課程中。
AI 幫你先抓重點
AI 重點 1
從「禁止使用」轉向「結構化引導」的教學範式轉移
滑鼠懸停看 AI 判斷理由
這項洞察挑戰了傳統以防範 AI 作弊為主的教學觀點，強調透過明確的規範與引導，能將 AI 從威脅轉化為提升學習效率的工具，這對未來數位化課程設計具有指導意義。
AI 重點 2
強化元認知（Metacognition）在 AI 時代的重要性
滑鼠懸停看 AI 判斷理由
透過在學期中安排多次反思環節，教學者能引導學生思考「如何使用 AI」而非僅僅是「使用 AI」，這有助於培養學生在 AI 協作環境下的自主學習能力與批判性思考。
核心研究發現
- 1
學生主要利用 LLM 來釐清課程概念、進行程式除錯、理解作業指南以及設計測試案例。
- 2
儘管 LLM 被廣泛使用，學生仍持續透過 Office Hours、助教諮詢、Piazza 論壇及複習教材來尋求協助。
- 3
實施 DURA 框架後，學生對教師關懷其學習的感知有所提升，且學生展現出具備策略性的 LLM 使用方式。
- 4
課程透過增加監考評量價值、提供補考機會及設計針對程式作業技能的題目，來平衡 LLM 的使用。
對教育工作者的啟發
教育者應建立系統化的 AI 使用規範，而非單純禁止。建議採用「去神祕化、引導使用、反思、評量」的循環模式：首先解釋 AI 原理，接著提供明確的使用準則與引用要求；其次，應在課程中嵌入反思環節，引導學生檢視 AI 對其學習過程的影響，培養元認知能力；最後，評量設計需與 AI 時代接軌，增加監考評量的權重，並設計能檢測實際技能應用而非單純知識記憶的題目，以確保學習成效。
原始文獻資訊
- 英文標題：
- Demystify, Use, Reflect, Assess (DURA): An Experience Report on LLM Integration in CS2
- 作者：
- Margaret Ellis, Nikitha Donekal Chandrashekar, Sehrish Basir Nizamani, Mohammed Farghally, Jake O'Brien, Naren Ramakrishnan
- 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。