人-人-AI三元编程：揭示AI智能体在协作学习中的角色与人类伙伴的价值

文献标题

Human-Human-AI Triadic Programming: Uncovering the Role of AI Agent and the Value of Human Partner in Collaborative Learning

出版信息

• 主题领域: 教育环境中的AI协作编程
• 关键词: 人工智能与人类协作, 三方编程, 协作学习, AI辅助编程, 社会存在感, 共享AI, 个人AI, 主动AI, 编程教育, 责任感

背景与问题

• 问题/挑战: 现有关于AI辅助编程的研究通常聚焦于人类与AI的二元关系，将AI定位为人类协作的替代者。这忽视了人类协作在社会性和教育性方面的益处，例如共享推理和责任感。
• 重要性: 协作编程能够培养批判性思维、问题解决能力和社会参与感，这些对学习和职业发展至关重要。理解AI如何增强而非取代人类协作，对于设计有效的教育工具至关重要。
• 动机与相关工作: 先前研究表明，像GitHub Copilot和ChatGPT这样的AI工具可以提高生产力和代码质量，但缺乏人类协作中的社会存在感和相互参与感。在编程环境中关于多主体（多个人类与AI）协作的研究仍然有限，尚不清楚如何将AI整合以增强学习和团队合作。

解决方案

• 提出的方法: 人类-人类-AI（HHAI）三方编程，其中两个人类与一个AI代理作为第三个团队成员协作，AI可以配置为共享或个人模式。
• 创新点:
  1. 提供人类-人类-AI三方编程与人类-AI二元协作的实证对比，突显增强的协作学习和社会存在感。
  2. 将AI定位为协作编程中的增强工具，而非替代工具的概念框架。
  3. 为AI支持的协作编程设计原则，强调责任感、对话流畅性以及教育益处的强化。
• 方法与关键技术:
  1. 开发了一个集成系统，包括协作代码编辑器、对话界面和主动AI干预功能。
  2. 进行了一个20名参与者（10对）参与的组内实验，测试了三种条件：共享AI、个人AI和人类-AI基线。
  3. 通过问卷调查、定性访谈和交互数据分析协作学习、社会存在感、AI使用情况和编程表现。

结果

• 具体发现:
  • 两种HHAI条件（共享AI和个人AI）显著提升了协作学习（CLS：共享AI β = 0.93, p < .001；个人AI β = 0.55, p = .028）和社会存在感（SPQ：共享AI β = 1.43, p < .001；个人AI β = 1.04, p = .007），相较于HAI基线。
  • 共享AI增强了参与者对理解AI建议的责任感（M = 6.05, p < .001），并减少了对AI生成代码的依赖（共享AI: 1.4%，HAI: 23.1%）。
  • 主动AI干预在共享AI中干扰性较低（M = 2.71, p < .001），相比HAI（M = 6.01）和个人AI（M = 6.18）。
  • 编程表现（完成的子任务数量）在各条件间保持一致。
• 相较基线的优势:
  • HHAI条件恢复了HAI中缺失的社会和教育益处，例如同伴责任感、对话以及减少对AI的过度依赖。
  • 共享AI更能与团队流畅性对齐，且干扰性低于个人AI。
• 实验/评估:
  • 参与者: 20名计算机科学学生（10对），具有编程和AI使用经验。
  • 任务: 三个LeetCode风格的问题，每个问题包含多个子任务。
  • 指标: 协作学习量表、社会存在感问卷、AI使用情况和编程表现。
• 局限性与未来工作:
  • 缺乏人类-人类基线，限制了AI附加价值的比较。
  • 研究集中于单一机构的学生和短期任务，限制了普适性。
  • 参与者之间的熟悉程度可能影响了协作动态。
  • 未来工作: 纵向研究、多样化人群以及促进有效人类间互动的支架设计。

总结

本研究提出了人类-人类-AI三方编程，其中AI代理增强了人类协作而非取代。通过组内实验，作者证明了HHAI相比人类-AI二元协作在协作学习、社会存在感和负责任的AI使用方面的提升。共享AI配置在促进责任感和团队流畅性方面尤为有效。尽管编程表现在各条件间保持一致，HHAI鼓励了更丰富的对话行为并减少了对AI生成代码的依赖。这些发现表明，将AI嵌入同伴协作中可以加强学习的社会和教育动态，为未来AI支持的教育工具设计提供了原则指导。