DOI: https://doi.org/10.1007/s11528-025-01052-6
تاريخ النشر: 2025-02-17
المؤلف: Hsiao-Ping Hsu
الموضوع الرئيسي: تعليم وتعلم البرمجة
نظرة عامة
تناقش ورقة البحث إمكانيات الذكاء الاصطناعي التوليدي القائم على نماذج اللغة الكبيرة (LLM-based GenAI) في تعزيز تعليم التفكير الحسابي (CT)، وهو أمر حيوي لحل المشكلات في العصر الرقمي. يقترح المؤلفون إطار عمل تحفيزي بناءً يستخدم LLM-based GenAI لتعزيز CT من خلال البرمجة بلغة طبيعية وهندسة التحفيز. يشجع هذا الإطار المتعلمين على الانخراط في صياغة وتحسين التحفيزات، مما يتماشى مع عناصر CT مع خمسة مبادئ تحفيزية: التحفيز المعنوي، تحليل استجابة التحفيز الميتامعرفي، تحسين التحفيز التكراري، التحفيز الاجتماعي، والتحفيز الموجه من المتعلم. يُقترح ورشة عمل من ثلاث مراحل لتعليم المعلمين، مما يمكّن المعلمين المستقبليين من دمج هذا الإطار بفعالية في المناهج الدراسية من رياض الأطفال حتى الصف الثاني عشر.
تؤكد الورقة على الآثار النظرية والعملية والاجتماعية للإطار المقترح. توسع هذه الورقة من مفاهيم البناء المعرفي والاجتماعي من خلال تأطير التحفيز كنهج بناء، مما يغني الأسس النظرية للذكاء الاصطناعي في التعليم. عمليًا، يمكن تكييف الإطار لبرامج تدريب المعلمين، مما يسمح للمعلمين بتصميم أنشطة تركز على CT باستخدام LLM-based GenAI. اجتماعيًا، يعزز تعزيز CT من خلال هذا الإطار المهارات الأساسية لحل المشكلات، مما يعزز الانخراط المسؤول والأخلاقي مع التكنولوجيا. يعترف المؤلفون بالتحديات مثل غموض اللغة الطبيعية والحاجة إلى تدريب المعلمين على أدوات LLM-based GenAI، بينما يدعون إلى مزيد من البحث للتحقق من فعالية الإطار وتحسينه في بيئات تعليمية متنوعة.
مقدمة
تناقش مقدمة ورقة البحث أهمية التفكير الحسابي (CT) كنهج معرفي يتضمن التجريد، وتصميم الخوارزميات، والتفكيك، والتعميم، والتكرار لحل المشكلات المعقدة. تؤكد على أن CT ليس فقط ذا صلة في علوم الكمبيوتر ولكنه يعزز أيضًا التفكير المنطقي والإبداع عبر مجالات متنوعة، مما يجعله ضروريًا للتعليم في العصر الرقمي. تسلط الورقة الضوء على الأهمية المتزايدة لـ CT في سياق الذكاء الاصطناعي (AI)، خاصة مع ظهور الذكاء الاصطناعي التوليدي القائم على نماذج اللغة الكبيرة (LLM-based GenAI)، والذي يقدم فرصًا وتحديات في البيئات التعليمية، مثل المخاوف المتعلقة بالنزاهة الأكاديمية والوصول العادل إلى التكنولوجيا.
يقترح المؤلفون إطار عمل تحفيزي بناءً يستفيد من LLM-based GenAI لتسهيل تعليم CT من خلال الانتقال من لغات البرمجة المحددة إلى البرمجة بلغة طبيعية (NLP). يركز هذا الإطار على هندسة التحفيز (PE) كطريقة لتعزيز مشاركة الطلاب وفهمهم لمفاهيم CT من خلال التفاعلات التكرارية مع أنظمة الذكاء الاصطناعي. من خلال دمج CT مع PE، يهدف الإطار إلى خلق بيئة موجهة للمتعلمين تعزز التطبيق السياقي لـ CT. توضح الورقة الأسس النظرية لـ CT والبنائية، تستكشف دور LLM-based GenAI في التعليم، وتقدم ورشة عمل من ثلاث مراحل مصممة لتزويد المعلمين المستقبليين بالمهارات اللازمة لتنفيذ هذا الإطار بفعالية في الفصول الدراسية من رياض الأطفال حتى الصف الثاني عشر.
نقاش
تتناول قسم النقاش في ورقة البحث أهمية التفكير الحسابي (CT) كمهارة حيوية للمتعلمين عبر مجالات متنوعة، وليس فقط في علوم الكمبيوتر. تم تقديم CT في البداية من قبل بابرت، ويشمل عناصر أساسية مثل التجريد، والتفكير الخوارزمي، والتفكيك، وتصحيح الأخطاء، والتعميم، والتكرار. تسهل هذه المكونات حل المشكلات من خلال تمكين المتعلمين من تبسيط القضايا المعقدة، وتطوير أساليب منظمة، وتحسين الحلول من خلال عمليات تكرارية. يُدعى إلى دمج CT في المناهج الدراسية من رياض الأطفال حتى الصف الثاني عشر لتعزيز التفكير المنطقي، والإبداع، والتفكير النقدي، حيث اعتمدت العديد من الدول بالفعل معايير CT في التعليم.
علاوة على ذلك، تربط الورقة CT بالبنائية، مشددة على أن الانخراط النشط في إنشاء قطع أثرية ذات معنى يعزز التعلم. يسمح هذا النهج التربوي للمتعلمين بتجسيد عمليات تفكيرهم، مما يعزز فهمًا أعمق لعناصر CT. كما يبرز النقاش دور البرمجة، خاصة من خلال منصات مثل سكراتش وMIT App Inventor، في تطوير مهارات CT. يُلاحظ أن ظهور تقنيات الذكاء الاصطناعي، وخاصة نماذج اللغة الكبيرة (LLMs)، هو عامل تحويلي في التعليم، مما يسهل البرمجة بلغة طبيعية (NLP) وهندسة التحفيز (PE). تمكن هذه التطورات المتعلمين من التفاعل مع الذكاء الاصطناعي بطريقة أكثر حدسية، مما يعزز قدراتهم في CT ويعدهم لمستقبل مدفوع بالتكنولوجيا. تدعو الورقة إلى مزيد من الاستكشاف لإمكانات الذكاء الاصطناعي في دعم تعليم CT، خاصة من خلال دمج LLMs في البيئات التعليمية.
DOI: https://doi.org/10.1007/s11528-025-01052-6
Publication Date: 2025-02-17
Author(s): Hsiao-Ping Hsu
Primary Topic: Teaching and Learning Programming
Overview
The research paper discusses the potential of large language model-based generative artificial intelligence (LLM-based GenAI) in enhancing computational thinking (CT) education, which is vital for problem-solving in the digital era. The authors propose a constructionist prompting framework that utilizes LLM-based GenAI to promote CT through natural language programming and prompt engineering. This framework encourages learners to engage in crafting and refining prompts, aligning CT elements with five prompting principles: meaningful prompting, metacognitive prompt-response analysis, iterative prompting improvement, social prompting, and learner-directed prompting. A three-phase workshop is suggested for teacher education, enabling future educators to effectively integrate this framework into K-12 curricula.
The paper emphasizes the theoretical, practical, and social implications of the proposed framework. It expands the cognitive and social constructivism paradigms by framing prompting as a constructionist approach, thereby enriching the theoretical foundations of AI in education. Practically, the framework can be adapted for teacher training programs, allowing educators to design CT-focused activities using LLM-based GenAI. Socially, fostering CT through this framework equips learners with essential problem-solving skills, promoting responsible and ethical engagement with technology. The authors acknowledge challenges such as the ambiguity of natural language and the need for teacher training in LLM-based GenAI tools, while advocating for further research to validate and refine the framework’s effectiveness in diverse educational settings.
Introduction
The introduction of the research paper discusses the significance of computational thinking (CT) as a cognitive approach that incorporates abstraction, algorithm design, decomposition, generalization, and iteration to solve complex problems. It emphasizes that CT is not only relevant in computer science but also enhances logical reasoning and creativity across various domains, making it essential for education in the digital age. The paper highlights the growing importance of CT in the context of artificial intelligence (AI), particularly with the rise of large language model-based generative AI (LLM-based GenAI), which presents both opportunities and challenges in educational settings, such as concerns over academic integrity and equitable access to technology.
The authors propose a constructionist prompting framework that leverages LLM-based GenAI to facilitate the teaching of CT by moving beyond specific programming languages to natural language programming (NLP). This framework emphasizes prompt engineering (PE) as a method to enhance student engagement and understanding of CT concepts through iterative interactions with AI systems. By integrating CT with PE, the framework aims to create a learner-directed environment that fosters the contextual application of CT. The paper outlines the theoretical underpinnings of CT and constructionism, explores the role of LLM-based GenAI in education, and presents a three-phase workshop designed to equip pre-service teachers with the necessary skills to implement this framework effectively in K-12 classrooms.
Discussion
The discussion section of the research paper elaborates on the significance of Computational Thinking (CT) as a critical skill for learners across various disciplines, not limited to computer science. Initially introduced by Papert, CT encompasses essential elements such as abstraction, algorithmic thinking, decomposition, debugging, generalization, and iteration. These components facilitate problem-solving by enabling learners to simplify complex issues, develop structured approaches, and refine solutions through iterative processes. The integration of CT into K-12 curricula is advocated to enhance logical reasoning, creativity, and critical thinking, with many countries already adopting CT standards in education.
Moreover, the paper connects CT with constructionism, emphasizing that active engagement in creating meaningful artifacts enhances learning. This pedagogical approach allows learners to externalize their thought processes, fostering a deeper understanding of CT elements. The discussion also highlights the role of programming, particularly through accessible platforms like Scratch and MIT App Inventor, in developing CT skills. The emergence of AI technologies, particularly Large Language Models (LLMs), is noted as a transformative factor in education, facilitating natural language programming (NLP) and prompting engineering (PE). These advancements enable learners to interact with AI in a more intuitive manner, thereby enhancing their CT capabilities and preparing them for a technology-driven future. The paper calls for further exploration of AI’s potential in supporting CT education, particularly through the integration of LLMs in educational settings.