基于生成式人工智能的高中Python教學實踐研究

摘要：本文將生成式人工智能作為工具應用到編程教學中進行高中Python教學實踐研究。研究表明，基于生成式人工智能的Python教學，可以顯著提升學生的編程自我效能感和學習效果。

關鍵詞：生成式人工智能；Python；自我效能感；CodeGeex

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2024）24-0062-04

引言

生成式人工智能的出現給編程教學帶來了機遇與挑戰，在編程教學中，生成式人工智能技術可以作為輔助工具，進行智能調試與編寫，啟發設計思維和創意思維，支持沉浸體驗和個性化實踐教學，但是也有可能導致學生過度依賴智能工具，失去獨立編程能力。[1]所以，智能工具的引入，其最終目的都是實現“人機共強”，在提高學習效果的同時促進學生核心能力的發展。因此，如何將現有的智能工具和編程教學結合起來，如何選定課程內容和進行課程設計及實施才是研究的重點。在中小學編程教育中，Python語言因其簡單的特性成為學生學習編程的首選語言，高中信息技術學業水平測試以及浙江省高考更是將Python語言作為考試內容，可見Python語言學習的重要性。但在大多數的信息技術課堂中，教師往往都是教授主義的實踐者，抄寫代碼或者是程序填空，導致學生制品千篇一律，沒有創新。因此，本文嘗試在Python語言教學中引入人工智能編程助手，探究生成式人工智能的輔助對學生的編程自我效能感和學習效果的影響。

我國生成式人工智能編程工具的研究現狀

很多學者對人工智能編程工具在教學中的應用進行了研究。姜春茂和段瑩提出了ChatGPT在計算機實踐教學中的SWOT矩陣，從優勢、劣勢、機會和威脅四個方面進行了詳細的分析，針對劣勢提出了應對策略，爭取實現人機和諧發展。[1]

張華峰在《數據結構》一課中使用了CodeGeex輔助軟件開發生成式AI產品，發現可以提高教學質量和學生的學習效果，等等。[2]

由學者的探究可見，當前在編程教學中引入生成式人工智能工具的相關研究尚處于初步階段，還需要不斷探索。ChatGPT可以根據文本提示編寫代碼，但是需要使用者進行優化，后來又出現了人工智能驅動的結對編程編輯器，如CodeGeex。CodeGeex是由清華大學知識工程實驗室團隊主導研發的AI代碼生成工具，擁有強大的多語言代碼生成與理解能力和更優秀的中文理解能力，可以根據自然語言描述的功能自動生成代碼，也可以根據已有的代碼進行續寫，還可以添加逐行注釋，讓代碼變得更容易理解。同時，支持智能問答，當遇到技術性問題時，可以以對話的方式向CodeGeex提問，不需要離開IDE去搜索引擎尋找，所有的功能都可以集成到Python開發的工具Pycharm中，讓學生可以沉浸在代碼編寫環境中，專注于編程，提高學習專注度。

準實驗研究設計

1.實驗假設

基于生成式人工智能的高中Python編程教學比不使用生成式人工智能的高中Python編程教學更有助于提升學生的編程自我效能感和學習效果。

2.實驗環境

信息技術機房中計算機設備搭載Pycharm軟件并且漢化，Pycharm是專為Python設計開發者設計的集成開發環境（IDE），具有豐富的功能。實驗組在Pycharm的基礎上安裝CodeGeex插件，可以在生成式人工智能的幫助下進行編程，對照組則直接使用Pycharm軟件進行編程，其他環境保持一致。

3.實驗對象

研究對象為筆者所在學校高二年級的兩個班（實驗組和對照組各30人），兩個班均是物化生選科班，按照成績和性別均衡分班。高一階段學生學過Python的基礎語法，有一定的編程基礎，兩個班級授課教師相同，可以認為實驗組和對照組兩個班級的初始能力相近，不具有差異性。

4.實驗工具

對于編程自我效能感的變化，選取香港教育大學江紹祥教授開發的量表，量表內容圍繞計算思維的編程知識、編程技能展開，共有15道題目，總分75分，采用的是李克特五點計分法。[3]在實驗后進行編程自我效能感問卷調查，通過獨立樣本T檢驗，檢驗實驗組和對照組實驗后編程自我效能感的平均值是否存在差異。

對于學習效果的分析，一方面，在每一輪學習活動結束后，對學生的Python作品進行分析打分，包含作品原創、藝術展現、交互體驗、程序技術四個方面，四個方面各25分，滿分100分，比較學習過程中的學生作品的分數；另一方面，在課程結束后進行Python知識測試，滿分100分。最終通過過程性評價得分和總結性評價得分的平均成績分析學習效果。

5.實驗過程

本實驗由筆者同時授課，共有八大主題，16個課時，一周兩節課，前后各一節課進行評估。采用準實驗研究，隨機選取一個班作為實驗組，一個班作為對照組，實驗組采用基于CodeGeeX軟件的Python教學環境，對照組則采用普通Python編程教學環境，實驗后進行自我效能感問卷調查和Python作品分析和編程測試。

6.教學內容設計

高二年級的學生在高一已經系統學習了信息技術必修1的內容，掌握了Python的基礎語法（分支結構、循環結構、函數、基本數據結構、基礎算法等），所以在內容的設計上，筆者以必修1的知識為基礎，進行復習和拓展，如下頁圖1所示。

圖1中共有八個主題。主題一是循環結構，通過斐波那契數列的求第n項和前n項和，讓學生理清循環的概念；主題二是列表遍歷，通過愷撒密碼加密和解密的例子讓學生掌握循環遍歷列表的方法；主題三是二分查找，通過巧翻字典和猜數字的游戲，讓學生知道二分查找的原理和適用場景；主題四是迭代與遞歸，通過漢諾塔游戲和輾轉相除法兩個例子，對迭代和遞歸過程進行深度剖析；主題五是隊列與棧，通過訂單數據處理程序和單車道死胡同停車管理程序，讓學生了解隊列先進先出和棧先進后出的思想；主題六是數與二叉樹，通過二叉樹的信息加密和解密的例子，讓學生學會二叉樹的基本性質以及前序遍歷、中序遍歷和后序遍歷三種遍歷方法；主題七是簡單排序算法，通過選擇冒泡排序法和快速排序法，讓學生對交換類的排序算法有一個基本的認識；主題八是數組與鏈表，通過車牌搖號問題和約瑟夫問題讓學生學會數組和鏈表的基本操作和思想。

實驗結果與分析

在實驗結束后，筆者對學生的編程自我效能感后測、Python作品分析和Python知識測試的數據進行了分析。

1.編程自我效能感測評結果分析

本研究采用獨立樣本t檢驗來探究實驗組和對照組在編程自我效能感測試題得分上的差異情況，得分越高，則學生編程自我效能感越高。

實驗組的平均得分為61.6、標準差為4.99，對照組的平均得分為58.57、標準差為4.57，t值為2.46，p=0.02＜0.05，這說明實驗組與對照組的學生在編程自我效能感得分上存在顯著性差異，且實驗組優于對照組。因此可以說明，基于生成式人工智能的編程學習能夠顯著提升學生的編程自我效能感。

2.Python作品和測試得分結果分析

在每個主題學習之后筆者都會對學生的Python作品進行打分，并且計算每個班級的平均分，最后還會進行測試。筆者對學習活動結束后實驗組和對照組Python作品和測試評價得分進行記錄，如圖2所示。

從圖2中可知，除了主題一，其他主題Python作品得分實驗組都優于對照組，而且隨著學習的進行，實驗組得分優勢更加明顯。在最終的測試中實驗組的得分也高于對照組，說明基于生成式人工智能的Python編程比不使用生成式人工智能的Python編程的學生作品更優秀。

結語

本研究基于CodeGeex智能編程助手插件，探究基于生成式人工智能的Python編程教學和不使用生成式人工智能的Python編程教學的差異，最終發現基于生成式人工智能的編程教學有助于提升學生的編程自我效能感和學習效果。

當然，本研究也存在一些不足：①學生對CodeGeex插件的使用不熟練，不能完全挖掘出它的所有功能，所以可以嘗試多進行幾輪教學，最大化地發揮新技術的功能。②學習難度較大，高中階段的編程學習，涉及較多的算法，需具備一定的數學基礎，在教學中可以給學生更充裕的時間進行課前復習，以更好地發揮學生學習的主觀能動性。

生成式人工智能時代已經到來，作為生成式人工智能時代的教師，一定要時刻保持對新技術的敏感性和學習能力，及時跟進和掌握新的編程語言和工具，并將它運用于課堂上，同時也要提升跨學科整合能力，幫助學生建立全面的知識體系，以應對不斷改革的未來。

參考文獻：

[1]姜春茂，段瑩.ChatGPT背景下的計算機實踐類課程改革初探[J].實驗技術與管理，2023（12）：1-7.

[2]張華鋒.生成式AI輔助“數據結構”教學研究——以CodeGeeX為例[J].互聯網周刊，2024（06）：73-75.

[3]KONG S C，CHIU M M，LAI M，et al. A Study of Primary School Students’Interest，Collaboration Attitude，and Programming Empower ment in Computational Thinking Education[J].Computers and Education，2018（127）：178-189.

作者簡介：葉紅霞，碩士，一級教師。

基金項目：江蘇省教育學會“十四五”教育科研規劃2022年度立項課題“基于Minecraft游戲的結對編程教學實踐研究”（編號：22A04JSSZ254）；蘇州市教育科學“十四五”規劃2023年度課題“基于‘科學’+理念推動學生信息科技素養發展研究”（項目編號：2023/lx/02/063/07）。