Kui sellised tegelased nagu Linus Torvalds räägivad avalikult AI kasutamisest tarkvaratöös, mõjub see teisiti kui järjekordne efektne tootetutvustus. Õpetajad võivad haipi kõrvale jätta; keerulisem on kõrvale jätta muutust professionaalses praktikas. Kui kogenud programmeerijad hakkavad kasutama AI-d arenduse osade kavandamiseks, kontrollimiseks või kiirendamiseks, siis peab kooli arvutiteadus sellele hoolikalt reageerima. See ei tähenda programmeerimise minemaviskamist. See tähendab, et tuleb selgemalt määratleda, milleks programmeerimisharidus on.
Paljude koolide jaoks on esimene samm lihtsalt trendi täpne mõistmine. Vibe coding õpetajatele lahti seletatuna pakub kasulikku lähtekohta, kuid õppekava planeerimine peab minema kaugemale. GCSE ja A-Leveli arvutiteadus peaksid endiselt õpetama õpilasi koodi kirjutama. Kuid nüüd peaksid need rohkem rõhutama koodi lugemist, silumist, kontrollimist ja otsustusvõimet AI-toega arenduses.
Miks see oluline on
Linus Torvalds on siin oluline mitte seetõttu, et üks inimene määraks õppekava, vaid seetõttu, et ta esindab tõsiseltvõetavat tarkvarainseneeriat. Kui lugupeetud arendajad kasutavad AI-d pragmaatiliselt, annab see märku, et eriala muudab oma tööviise, mitte ei loobu standarditest. Tarkvara peab endiselt korrektselt töötama. See peab endiselt olema turvaline, hooldatav ja arusaadav. Erinevus seisneb selles, et rohkem koodi võib alata masinaga loodud mustandina, mitte inimese esimese katsena.
See on koolide jaoks oluline, sest paljud klassiruumi ülesanded premeerivad endiselt ainult rida-realt mälust tootmist. Tegelikus arenduses veedavad programmeerijad aga üha rohkem aega soovituste ülevaatamisele, käitumise jälgimisele, vigade märkamisele, päringute täpsustamisele, eelduste kontrollimisele ja väljundite testimisele. Kõik need on koolis õpetatavad oskused. Need on ka hinnatavad, kui osakonnad kujundavad ülesandeid hoolikalt.
Mis muutub
Professionaalne programmeerimine muutub tempo ja töövoo poolest. Arendajad saavad nüüd kiiresti genereerida boilerplate-koodi, võrrelda alternatiivseid teostusi ja paluda tööriistadel selgitada võõrast süntaksit. Õpilane, keda on õpetatud ainult nullist koodi tootma, võib selliseks keskkonnaks olla ebapiisavalt ette valmistatud.
Ometi ei muutu põhialused kaugeltki nii palju, kui pealkirjad vihjavad. Programmeerijad peavad endiselt mõistma järjestust, valikut, iteratsiooni, andmestruktuure, dekompositsiooni ja abstraktsiooni. Nad peavad endiselt suutma arutleda programmi olekumuutuste üle. Nad peavad endiselt teadma, millal kood on ebatõhus, habras või lihtsalt vale. AI võib suure kiirusega genereerida usutavana näivat jama. See muudab inimese otsustusvõime olulisemaks, mitte vähem oluliseks.
See sarnaneb laiemate muutustega AI kasutamises hariduses. Nagu arutati artiklis ChatGPT saab 3-aastaseks: mõju haridusele ülevaates, ei ole põhiküsimus enam selles, kas AI eksisteerib, vaid selles, kuidas professionaalne praktika selle ümber kohaneb. Arvutiteadus peaks olema üks neist õppeainetest, mis on kõige paremas positsioonis sellele arukalt reageerima.
Säilitage programmeerimisladusus
Oleks viga järeldada, et kuna AI suudab koodi genereerida, ei pea õpilased enam programmeerimist õppima. Programmeerimisladusus on endiselt oluline kolmel põhjusel.
Esiteks ei saa õpilased hinnata koodi, millest nad aru ei saa. Kui AI loob sorteerimisrutiini, vajab õpilane endiselt piisavalt teadmisi, et ära tunda, kas see on korrektne, tõhus ja sobiv. Teiseks on koodi kirjutamine endiselt üks parimaid viise väärarusaamade paljastamiseks. Õppija, kes ei suuda iseseisvalt koostada tsüklit või defineerida funktsiooni, ei mõista tõenäoliselt seda mõistet veel kindlalt. Kolmandaks kasvatab ladusus enesekindlust. Õpilased, kes on ise süntaksi ja loogikaga maadelnud, seavad AI vastuse tõenäolisemalt kahtluse alla, mitte ei võta seda passiivselt omaks.
Seega ei ole eesmärk vähem programmeerimist. Eesmärk on paremini tasakaalustatud programmeerimine. Õpilased peaksid endiselt kirjutama väikseid programme ilma abita. Nad peaksid endiselt harjutama põhikonstruktsioone, kuni need muutuvad tuttavaks. Kuid see töö peaks üha enam käima käsikäes ülesannetega, kus kood on juba olemas ja väljakutse seisneb selle tõlgendamises, parandamises või kontrollimises.
Lugege ja kritiseerige koodi
Tugevam õppekavaline vastus algab koodi lugemisest. Paljudes klassiruumides kulutavad õpilased koodi lugemisele palju vähem aega kui selle kirjutamisele. See on vale tasakaal maailma jaoks, kuhu nad sisenevad. Arendaja võib veeta suure osa päevast olemasolevate süsteemide mõistmisele, loogika jälgimisele harude kaudu, vea päritolu leidmisele või kontrollimisele, kas genereeritud funktsioon teeb tõesti seda, mida kommentaar väidab.
Õpetajad saavad reageerida lihtsate muudatustega. Andke õpilastele lühike programm ja küsige enne selle muutmist, mida see teeb. Paluge neil jälgida muutujate väärtusi rida-realt. Esitage kaks lahenduse versiooni ja küsige, kumb on selgem, turvalisem või lihtsam hooldada. Näidake neile AI loodud koodi ühe peene loogikaveaga ja paluge viga tuvastada. Need ülesanded kujundavad tähelepanelikkuse ja skepsise harjumusi.
See sobitub hästi ka osakondade aruteludega AI-poliitika ja klassiruumi rutiinide üle. Sellised artiklid nagu Jaanuari INSETi AI-poliitika kiirpakett võivad aidata juhtidel ootusi seada, kuid ainepõhine vastus peab olema juurdunud distsiplinaarses praktikas. Arvutiteaduses tähendab see, et koodi tuleb käsitleda tekstina, mida kriitiliselt lugeda, mitte pelgalt toota.
Silumine esikohale
Silumine võib olla praktiline oskus, mis väärib nüüd kõige suuremat rõhku. AI-toega maailmas katkine kood ei kao. Kui midagi, siis võivad õpilased seda kohata isegi rohkem, sest koodi saab genereerida kiiremini, kui seda kontrollida jõutakse.
Tugev silumise õppekava õpetab õpilasi püstitama hüpoteese, isoleerima muutujaid, kontrollima väljundeid ja testima järk-järgult. Selle asemel et ekraani vahtida ja oletada, õpivad nad esitama distsiplineeritud küsimusi. Mida programm pidi tegema? Mida see selle asemel tegi? Milline sisend taastoodab probleemi? Millises punktis muutub olek valeks?
Õpetajad saavad selle muuta konkreetseks, põimides veajahti tavapärastesse tundidesse. 10. klassi rühm võib saada lühikese Python programmi, mis peaaegu töötab, kuid ebaõnnestub piirväärtuste korral. A-Leveli rühm võib võrrelda otsingurutiini kahte teostust, millest üks on korrektne ja teises on off-by-one viga. Võti on selles, et õpilased selgitavad oma arutluskäiku, mitte ei paranda rida lihtsalt juhuse abil.
Kontrollimine ja tõendusmaterjal
Järgmine nihe liigub kontrollimise, testimise ja tõendusmaterjali suunas. Kui AI suudab kiiresti toota veenvat koodi, siis vajavad õpilased tugevamaid harjumusi selle tõestamiseks, kas lahendus on usaldusväärne. See tähendab mõistlike testjuhtude kirjutamist, tavapäraste ja piirjuhtumite sisendite kaalumist ning väidete põhjendamist tõenditega, mitte enesekindlusega.
Just siin võib arvutiteadus muutuda rangemaks, mitte leebemaks. Õpilane peaks suutma öelda: Usun, et see funktsioon töötab, sest testisin tühja sisendit, tüüpilist sisendit ja maksimaalset eeldatavat sisendit, ning siin on tulemused. Samuti peaks ta suutma selgitada piiranguid. Võib-olla käsitleb programm täisarve, kuid mitte negatiivseid väärtusi. Võib-olla töötab see korrektselt, kuid suurte andmehulkade korral ebatõhusalt. Need on hinnangud, mis tänapäevases arenduses loevad.
Avastage Automated Education võimsus, liitudes meie õpetajate kogukonnaga, kes võtavad tagasi oma aja ja rikastavad oma klassiruume. Meie intuitiivse platvormiga saate automatiseerida administratiivseid ülesandeid, isikupärastada õpilaste õppimist ja suhelda oma klassiga nagu kunagi varem.
Ärge laske administratiivsetel ülesannetel varjutada oma kirge õpetamise vastu. Registreeruge täna ja muutke oma hariduskeskkond Automated Education abil.
🎓 Registreeru TASUTA!
Siin on ka kasulik kokkupuutepunkt kooli laiema AI-valmidusega. Iga-aastane AI lubatud kasutuse poliitika uuendamise kontrollnimekiri võib aidata koolidel määratleda turvalist ja läbipaistvat kasutust, kuid aineõpetajad peavad siiski õpetama, milline näeb välja hea tõendusmaterjal siis, kui vastuse loomisel on kasutatud AI-d.
Mõelge hindamine ümber
Kui osakonnad selle nihkega nõustuvad, peaksid muutuma ka kursusetööd, kodutööd ja eksamid. Mitte iga ülesanne ei peaks paluma õpilastel kirjutada kogu lahendus nullist ajaliselt piiratud tingimustes. Mõned peaksid paluma neil koodi annoteerida, nõrkusi tuvastada, loetavust parandada, teste kavandada või AI loodud lähenemist hinnata.
Kodutöö võib sisaldada lühikesi koodiarvustusi, milles õpilased selgitavad, mida programm teeb ja kus see võib ebaõnnestuda. Klassihindamised võivad esitada vigaseid lahendusi ja paluda parandusi koos põhjendusega. Proovieksamid võivad sisaldada jälitustabeleid, silumislogisid või testimisplaane traditsiooniliste programmeerimisülesannete kõrval. Miski sellest ei alanda standardeid. Paljudel juhtudel tõstab see neid, nõudes sügavamat mõistmist.
Koolid võivad soovida selle töö siduda ka töötajate arendamisega. INSET-päeva AI töötuba: kolm mikrorutiini on kasulik praktiliste rutiinide osas enesekindluse kasvatamiseks, eriti seal, kus õpetajate lähtepunktid on erinevad.
Oskused, mida valdkond väärtustab
Tööalane rakendatavus arvutiteaduses ei ole kunagi seisnenud ainult süntaksis. Valdkond väärtustab endiselt inimesi, kes suudavad probleemi mõista, selgelt suhelda, töötada metoodiliselt ja hinnata kvaliteeti. AI ei kaota neid ootusi. See teravdab neid.
Õpilane, kes suudab rahulikult lugeda tundmatut koodi, selgitada, miks genereeritud vastus on ebausaldusväärne, koostada mõistliku testimisplaani ja parandada segast lahendust, on tõenäoliselt kasulik igas tulevases tehnilises rollis. Samuti õpilane, kes teab, millal automatiseerimist mitte usaldada. Need on püsivad tugevused. Need kanduvad üle programmeerimiskeelte, tööriistade ja platvormide vahel.
Osakondadele, kes muretsevad tulevikukindluse pärast, on see rahustav. Õppekava ei pea taga ajama iga uut mudeliväljalaset. See peab tugevdama harjumusi, mis jäävad väärtuslikuks ka siis, kui tööriistad muutuvad. GPT-5 jälgimine: 1. nädala valmisolekupakett võib aidata koolidel arenguid jälgida, kuid õppekava kujundus peaks jääma ankurdatuks püsivasse distsiplinaarsesse mõtlemisse.
Osakonna plaan
Praktiline vastus sel aastal ei nõua töökavade täielikku ümberkirjutamist. Alustage olemasolevate üksuste auditist. Kui paljud tunnid paluvad õpilastel koodi lugeda, seda jälgida, siluda või testida? Kui paljud premeerivad ainult tootmist? Kui tasakaal on tugevalt paigast ära, kohandage üht üksust korraga.
Key Stage 4-s lisage regulaarsed koodi mõistmise stardiülesanded ja vigade parandamise ülesanded. 16+ vanuserühma klassides tutvustage genereeritud koodi struktureeritud hindamist, sealhulgas arutelu korrektsuse, tõhususe ja hooldatavuse üle. Lisage projektiootustesse testimistõendid. Vaadake kodutööd üle nii, et mõned ülesanded nõuaksid selgitust ja kriitikat, mitte ainult valmis väljundit. Lõpuks leppige osakonnas kokku AI-toega töö sõnastus: millal see on lubatud, kuidas seda tuleb tunnustada ja milline näeb välja iseseisev arusaamine.
See on hallatav nihe. See hoiab programmeerimise keskmes, tunnistades samal ajal, et professionaalne programmeerimine muutub üha hübriidsemaks. Õpilased peavad endiselt teadma, kuidas koodi kirjutada. Nad peavad samuti teadma, kuidas kahelda, kontrollida ja verifitseerida.
Teravama silumise ja targemate programmeerimisotsuste nimel!
The Automated Education Team