编程教师在执行紧急教学设计塑造学生与生成式AI工具交互时面临的障碍

文献标题

Barriers that Programming Instructors Face While Performing Emergency Pedagogical Design to Shape Student-AI Interactions with Generative AI Tools

出版信息

• 主题领域: 生成式人工智能工具对计算机教育的挑战与适应。
• 关键词: 生成式人工智能，计算机教育，应急教学设计，学生与人工智能交互，人机交互，课程重设计，评估，政策，资源。

背景与问题

• 问题/挑战: 教师在适应学生广泛使用生成式人工智能工具时面临挑战，缺乏明确的指导、资源以及对商业人工智能界面的控制。
• 重要性: 生成式人工智能工具的普及影响了学生的学习方式，迫使课程重新设计，以确保学生与人工智能的交互具有建设性，同时解决公平性和有效性的问题。
• 动机与相关工作: 先前的研究探讨了生成式人工智能的能力和教师的看法，但缺乏对实际课程调整的深入研究。本文通过研究教师在现实世界中的努力和障碍，填补了这一空白。

解决方案

• 提出的方法: 应急教学设计——教师在时间紧迫和信息不完全的情况下，通过被动和间接的方式调整学生与人工智能的交互。
• 创新性:
  1. 将应急教学设计概念化为人机交互中的一种独特设计情境。
  2. 记录了教师面临的五大障碍：分散的支持、政策冲突、实施困难、评估不匹配以及资源匮乏。
  3. 为人机交互研究者、高校和资助机构提供支持教师适应生成式人工智能课程的建议。
• 过程与关键技术:
  • 对更新了生成式人工智能相关课程材料的计算机教师进行了访谈 (n=13)。
  • 调查了计算机领域的教师 (n=169)，以获取更广泛的视角。
  • 使用归纳主题分析法识别应急教学设计中的障碍和模式。

结果

• 具体发现:
  • 81%的受访教师愿意采用生成式人工智能，但仅有28%感受到院系的支持。
  • 85%的教师可能会因生成式人工智能改变课程内容，但仅有26%认为机构政策对他们的努力有积极影响。
  • 53%的教师缺乏足够的资源，其中少数族裔服务机构（MSI）的教师报告了更重的教学负担和更少的资源。
• 相较基线的优势: 突出了实际障碍和可操作的见解，这是先前关于教师感知和生成式人工智能能力的研究未能解决的。
• 实验/评估:
  • 访谈集中于那些实施了超越政策调整的课程变更的教师。
  • 调查涵盖了多样化的教师视角，包括少数族裔服务机构（MSI）和历史黑人大学（HBCU）的教师。
  • 分析重点在于有效课程重设计所需的障碍和教师需求。
• 局限性与未来工作:
  • 研究结果可能无法推广到计算机教育或美国以外的背景。
  • 自我报告数据可能受到回忆偏差和社会期望偏差的影响。
  • 未来的研究应探索有效的学生与人工智能交互、公平性问题以及可扩展的教师工具。

总结

本文提出了“应急教学设计”这一概念，用以描述教师在生成式人工智能广泛使用的背景下，为促进学生与人工智能的建设性交互而进行的被动调整努力。通过访谈和调查，作者识别了五大障碍——分散的支持、政策冲突、实施困难、评估不匹配以及资源匮乏——这些障碍限制了教师的努力。研究强调了人机交互研究、机构支持和资金投入的必要性，以解决这些障碍并实现可扩展且公平的课程重设计。研究结果为改善学生与人工智能的交互以及支持教师应对生成式人工智能在教育中的整合挑战提供了可操作的见解。