Sign In

Thinking Like a Student: AI-Supported Reflective Planning in a Theory-Intensive Computer Science Course

Created by
  • Haebom
Category
Empty

저자

Noa Izsak

개요

COVID-19 팬데믹 이후 많은 대학에서 어려운 과목을 수강하는 학생들을 지원하기 위해 보충 역할을 도입했습니다. 이 논문은 형식적 방법론 및 계산 모델에 대한 까다로운 학부 강좌에서 대규모 언어 모델(LLM)을 반영적 계획 도구로 사용하여 보충 세션을 재설계한 내용을 보고합니다. LLM은 2학년 학생의 관점을 시뮬레이션하여 개념적 병목 현상, 직관의 격차 및 강의 전달 전에 발생할 수 있는 추론 실패를 식별하도록 프롬프트되었습니다. 이러한 통찰력은 목표 검토, 공동 예제, 개별 학생 작업 및 안내된 연습을 결합한 구조화되고 반복 가능한 세션 형식을 제공했습니다. 한 학기 동안 진행된 이 개입은 긍정적인 학생 피드백을 받았으며, 펌핑 보조 정리 및 형식 언어 표현력 비교와 같은 추상적인 주제에서 자신감 향상, 불안 감소, 명확성 향상을 나타냈습니다.

시사점, 한계점

LLM을 사용한 강사 중심의 반영적 사용은 이론적으로 밀집된 영역에서 교육 설계를 향상시킬 수 있습니다.
인지적으로 어려운 다른 컴퓨터 과학 강좌에도 적용할 수 있습니다.
세션 재설계가 특정 강좌에 초점을 맞추어 다른 과목에 대한 일반화 가능성은 제한적일 수 있습니다.
LLM의 사용이 교육적 개입의 효과에 미치는 장기적인 영향에 대한 추가 연구가 필요합니다.
👍