Tables nan Lès Abstraksyon ak 1. Introduction 2. Konteks, metòd ak travay 3. Rezilta konbine 3.1. bon jan kalite ak 3.2 Produktivite 3.3. aprantisaj ak 3.4 pri 4. moderatè 4.1. Types nan travay & konplisite 4.2 Konpatibilite 4.3 Kominikasyon 4.4 Kolaborasyon 5. Logistik nan 5. Diskisyon ak travay pwochen 5.1. LLM, pwogramè pafè ou? 5.2. LLM, yon pi bon pafè pwogramè? 5.3. LLM, elèv yo 'pAIr pwogramè? Konklizyon, rekonesans ak referans 5.2 LLM, yon pi bon pafè pwogramè? Kòm revize nan seksyon 3, literati anvan yo te eksplore yon varyete de metòd pou evalye diferan aspè nan pwogramasyon paire moun-animal, pandan y ap eksplorasyon an kounye a nan pwogramasyon paire moun-AI se trè limit. Murillo ak D'Angelo [54] te pwopoze metrik evalyasyon pou LLM ki baze sou kreyatif kòd ekri asistan nan enjenyè lojisyèl. Plis travay ta ka sèvi ak metrik ki pi valab nan literati pwogramasyon paire moun-animal yo eksplore ki jan yo pi byen ede moun ak LLM ki baze sou asistans pwogramasyon AI kolaborasyon ansanm. Li ta tou enteresan yo gen yon estrikti etid ak twa kondisyon - moun-animal, moun-AI, ak moun solo - travay sou travay la menm. Literatwa anvan yo te suggere kèk faktè kle nan siksè nan pwogramasyon pafè moun-lwa, kòm yo rezime nan Tablo 1. Sa yo moderatè ki fè pwoblèm pou pwogramasyon pafè moun-lwa ka bay opòtinite pou eksplore nan pwogramasyon pafè moun-AI (Tablo 2). Pou egzanp, efikasite pwòp tèt ou ka mennen nan yon diferans nan satisfaksyon [81] ak jèn ka mennen nan yon diferans nan aprantisaj [47], yo moderatè konpatibilite enfliyanse pAIr tou? Èske nou ka amelyore rezilta pAIr lè l sèvi avèk konsèp ki sòti nan literati moun-lwa (pwa egzanp, simile yon patnè AI ak nivo pwòp tèt ou-efikasite ak menm jèn)? Se Èske faktè sa yo ka aplike pou pwogramasyon paire moun-AI? Èske yo ta fè pwogramasyon paire moun-AI plis efikas, mwens efikas, oswa pa gen okenn enfliyanse, ak poukisa? Kòm nou konnen soti nan literati a nan pwogramasyon moun-mwa, yon travay kolaboratif bon nan konpleksite a dwat se enpòtan, men kreye oswa chwazi travay sa yo ka difisil. Nan mitan sa a, LLMs ede edikatè efikasman kreye materyèl enstriksyon tankou kesyon [85], kesyon-respon [40], feedback [20] ak pwen [61], ki ta ka gen bon jan kalite menm jan ak kontni ki te ekri pa moun. Gen tou travay ki te suggere siksè prensipal la nan lè l sèvi avèk LLM yo ranplase pwoblèm nan subquestions [78]. Se poutèt sa, ki baze sou konsèp ki soti nan literati a pwogramasyon moun-mwa ak kapasite yo konnen nan LLM, gen yon kesyon louvri yo eksplore nan pwogramasyon Task Types & Kompleksite. - Ekspè. Kòm nan eksperyans faktori konpatibilite, literati a pwogram parye suggere ke konpare patnè ak yon nivo eksperyans menm jan an ka pi bon nan pwomosyon pwodiktivite ak aprantisaj [5, 16, 31]. Etid evalyasyon montre ke modèl ki baze sou GPT3 ka yon elèv ki pi wo pase mwayèn nan yon klas CS1 [22, 68] ak pèfòmans li pi mal lè kòd la vin pi konplike [89]. GPT4 fè menm pi bon nan solisyon pwoblèm pwogramasyon entwodiksyon ak debaz (senk ke korespondans li yo toujou pa konpare ak yon devlopè nan pratik) [14]. Nou ka tou fè bugs ak pèmèt modèl yo fè erè [38], se konsa, potansyèlman, nou ka kreye yon patnè AI ak yon nivo Kompatibilite Rechèchè yo te eksplore ki jan yo pèmèt LLM yo kreye interaksyon ki baze sou yon persona ki fèt ak rezonabman replike konpòtman imen [1, 34], ak nan edikasyon, Cao [15] pèmèt LLM yo interaksyon ak elèv yo pandan y ap jwe rol yo kòm karakter diferan fiktif yo ede diminye anstriksyon elèv yo ak ogmante motivasyon. Gen posiblite pou pèsonalize yon patnè AI ak diferan karakteristik pèsonèl oswa lòt faktori konpatibilite par tankou jèn, etnicite, ak pwopriyete tèt ou ki Salleh et al. [70] pwopoze. Potansyèlman, li ka itilize pou ogmante motivasyon nan pwogrameur yo ak / oswa angaje, men ki jan itil li pou pwogramasyon pa moun-AI pa gen yo dwe egzamine lòt faktori konpatibilite. Pou kominikasyon, nou konnen aspè sosyal la nan yon matyè konvèsasyon [17] ak ke kèk kalite diskurs ka pi efikas nan fasilite debugging [55] nan pwogramasyon paire moun-anm. Se poutèt sa, depi zouti ki baze sou LLM tankou ChatGPT yo kapab simile interaksyon sosyal, li ta enteresan eksplore si LLM ka sipòte diferan kalite kominikasyon, diferan eleman nan kominikasyon ka replike nan yon asistan pwogramasyon ki baze sou LLM, ak si li se efikas oswa pa. Kominikasyon Kòm nan kolaborasyon, se souvan rapòte ke kreye kolaborasyon san danje se yon repitasyon nan tou de endistri [11] ak kontekst edikatif [57, 87]. Dapre ke pwoblèm la nan fre-rider diminye efikasite a nan pwogram par [57] ak regilye rol-switching potansyèlman ranfòse chaj la kognitif nan chofè a ak asire echilibre rezilta aprantisaj [5, 83], li ta enteresan eksplore si AI ki baze sou LLM ka konfigirasyon pou evite over-help, sipòte rol-switching, ak ki jan yo pi byen sipòte pa moun-AI par yo kolabore. Kolaborasyon Logistikman, lè l sèvi avèk Copilot kòm yon patnè pwogramasyon ka gen avantaj espesyal nan evite pwogramasyon pwogramasyon, men gen tou pwoblèm nan responsablite ki bezwen rezoud [12, 22]. An jeneral, gen risk etik ak implikasyon sosyal nan lè l sèvi avèk AI nan pwogramasyon parye nan travay la ak nan kontexte edikatif, ki bezwen yon egzamen pi profòb nan travay kap vini an. Logistik Autè yo: (1) Qianou Ma (Auteur korespondan), Carnegie Mellon University, Pittsburgh, USA (qianouma@cmu.edu); (2) Tongshuang Wu, Carnegie Mellon Inivèsite, Pittsburgh, USA (sherryw@cs.cmu.edu); (3) Kenneth Koedinger, Carnegie Mellon Inivèsite, Pittsburgh, USA (koedinger@cmu.edu). Authors: (1) Qianou Ma (Auteur korespondan), Carnegie Mellon University, Pittsburgh, USA (qianouma@cmu.edu); (2) Tongshuang Wu, Carnegie Mellon Inivèsite, Pittsburgh, USA (sherryw@cs.cmu.edu); (3) Kenneth Koedinger, Carnegie Mellon Inivèsite, Pittsburgh, USA (koedinger@cmu.edu). Papye sa a se disponib sou archiv anba CC BY-NC-SA 4.0 DEED lisans. Papye sa a se anba CC BY-NC-SA 4.0 DEED lisans. Disponib nan dosye Disponib nan dosye