TraceYield

Agenci AI do programowania na HBO-ICT: czego uczyć studentów?

Jak rozróżnić obsługę narzędzi, podstawowe umiejętności programistyczne i pracę inżynierską wspomaganą przez AI, nie narzucając jednej ścieżki programu.

TY

TraceYield — wiedza

4 min czytania · Zaktualizowano 7 października 2026

TraceYield

Dowody pracy wspomaganej przez AI

Agenci AI do programowania na HBO-ICT: czego uczyć studentów?

Przegląd programu powinien zaczynać się od efektów i obecnych treści, nie od listy nowych produktów. „Kompetencja do pracy z agentem” jest tu roboczym opisem, a nie zwalidowanym standardem ani wymogiem HBO-i lub ACM.

Oddziel obsługę narzędzia, pracę wspomaganą i podstawy

Obsługa narzędzia obejmuje ustawienia, kontekst i formułowanie próśb. Praca inżynierska z pomocą AI obejmuje określenie zadania, ocenę propozycji, integrację, weryfikację i odpowiedzialność za rezultat. Podstawowe programowanie obejmuje między innymi rozumienie kodu, struktur danych, debugowanie, testy i projektowanie. Te obszary się stykają, ale nie są zamienne.

Przejrzyj każdy efekt przed dodaniem treści

Zapytaj, co student powinien umieć wykonać, wyjaśnić lub zweryfikować. Sama znajomość promptowania nie zastępuje umiejętności rozpoznania, że rozwiązanie nie spełnia wymagania. Testy dostarczają informacji o sprawdzonych przypadkach, nie dowodu pełnej kompetencji. Przed dodaniem nowego modułu sprawdź obciążenie i to, co można zintegrować z istniejącymi zajęciami.

Zdecyduj, co zachować, zaktualizować, dodać lub mniej eksponować

Zachowaj treści potrzebne do realizacji efektów. Zaktualizuj te, których kontekst się zmienił. Dodaj ćwiczenia pracy z AI, oceny, weryfikacji i integracji, jeśli wspierają określony efekt. Mniej eksponuj temat tylko wtedy, gdy program ma na to uzasadnienie. Nie usuwaj podstaw dlatego, że agent potrafi wygenerować kod. Nie ma uniwersalnego podziału ani sekwencji.

Nie ma jednej obowiązkowej kolejności wprowadzania AI

Nie ma podstaw do reguły „AI od pierwszego dnia” ani do powszechnego wymogu „najpierw wszystkie podstawy”. W jednym kursie może być potrzebne kontrolowane ćwiczenie bez AI, w innym zadanie z agentem i weryfikacją. Badanie Bassner i współautorów dotyczyło jednego 90-minutowego zadania współbieżności w kursie CS1 na TUM, 275 studentów oraz porównania warunków z Iris/ChatGPT i bez AI. Wynik zadania i przyrost wiedzy nie układały się identycznie; to ograniczony kontekst jednego kursu i zadania, nie uniwersalna sekwencja programu.

Przykład: przegląd sekwencji backendowej

Przykład ilustracyjny — nie są to dane studentów, badania programu ani dane TraceYield. Zespół programu przegląda sekwencję drugiego roku. Zachowuje efekty projektowania endpointów i testowania; aktualizuje ćwiczenie walidacji, dodając analizę propozycji agenta; wprowadza zadanie integracji, gdzie student musi sprawdzić przypadki negatywne; ogranicza powtarzanie ćwiczeń składniowych, jeśli służą temu samemu efektowi. To jedna możliwa lokalna decyzja, nie model uniwersalny.

Korzystaj ze źródeł edukacyjnych i zawodowych z uwzględnieniem ich zakresu

HBO-i, CS2023, ACM i Npuls mogą dostarczać różnych rodzajów kontekstu. Raport ACM opisuje praktyki nauczycieli, nie potwierdza ich efektywności. AI-GO Npuls nie jest standardem HBO-ICT. CS2023 również nie wyznacza jednej kolejności dla holenderskich programów zawodowych. Każde źródło należy interpretować w granicach jego celu i odbiorców.

Utrzymuj trwałe efekty i jasne granice

Szczegółowe interfejsy i modele szybko się zmieniają, więc program nie powinien zależeć od jednej wersji narzędzia. Trwalsze pozostają efekty dotyczące rozpoznawania problemu, oceny rozwiązania, testowania, integracji i odpowiedzialności. TraceYield nie definiuje programu ani nie mierzy automatycznie kompetencji, uczenia się lub oceny studenta.

Nie narzucaj uniwersalnej kolejności

Dostępne źródła nie ustanawiają ogólnej kolejności rok po roku dla HBO-ICT. Nie ma powszechnej zasady, że studenci muszą najpierw opanować wszystko bez AI albo korzystać z AI od pierwszego dnia. Kolejność zależy od wiedzy wstępnej, efektu, złożoności zadania, wsparcia i odpowiedzialności. Niektóre efekty wymagają demonstracji bez AI; inne mogą dotyczyć profesjonalnej pracy z AI.

Wynik zadania nie jest tym samym co uczenie się

Badanie w pojedynczym kursie TUM pokazuje, dlaczego lepsze wykonanie krótkiego zadania nie powinno być utożsamiane z większym przyrostem wiedzy lub lepszym rozumieniem kodu. To obserwacja z określonych warunków; nie rozstrzyga, czy ani kiedy AI wspiera uczenie się w innych kursach. Program powinien oddzielnie określać wynik zadania i efekt uczenia się.

Unikaj przeciążenia programu i zależności od produktu

Dodając temat agentów, sprawdź, czy można włączyć go do istniejących efektów z inżynierii oprogramowania, testowania, debugowania, przeglądu lub utrzymania. Nie każda aktualizacja produktu wymaga nowego przedmiotu. Funkcje zmieniają się szybciej niż umiejętność oceny rozwiązania, weryfikacji zachowania i uzasadnienia decyzji.

Referencje