AI在教育中的应用：软件工程毕业设计中的AI实践经验
外来客 • 2026-09-02 13:16:23
声明：本文为对公开内容的摘要整理，
未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议；
观点与版权归原作者及原平台所有。
如涉及版权问题，请联系我们，核实后立即删除。
[ 免责声明 ]
（原标题：AI in Education: Experiences With AI in the Software Engineering Capstone）
🎓 课程背景与设计理念
- MIT软件工程毕业设计强制要求学生利用大语言模型进行软件设计与编码，核心目标是培养能够连接技术与现实世界的“软件设计师”。
- 教学采用概念设计框架，将系统分解为独立的活动组件，这种模块化结构旨在适配LLM的生成能力，避免传统按实体分层代码结构带来的依赖混乱。
- 课程由Daniel与Mitchell Gordon合作授课，博士生Egon Meng开发了基于Gemini的专用工具，通过限制上下文窗口来控制成本，相比Cursor单夜消耗100美元，定制方案仅需10美元。
🛠️ 技术实施与挑战
- LLM工具显著提升了开发效率，但导致学生对底层框架掌握度下降及代码质量失控，80%的学生未察觉Cursor破坏了底层库代码。
- Agentic工具的使用引发了合并冲突问题，阻碍了团队协作流程，部分学生反映因过度依赖LLM而丧失编码乐趣，甚至考虑转行做水管工。
- 出现了“AI Slop”现象，即反思报告内容空洞泛化，缺乏深度思考；同时，LLM使用导致学生更倾向于独立工作，减少了在Piazza等平台的互动及与教师的面对面交流。
📊 数据洞察与相关性分析
- 沟通技巧、反思性实践、概念设计能力、代码质量、产品品质及LLM应用能力与最终成绩呈现高度正相关，其中沟通能力是主导因素。
- 学习时长、享受程度或难度感知与学业表现及产出质量几乎无相关性，但LLM使用频率显著增加了学生投入的时间。
- 个人独立项目比团队项目更具创意和趣味性，团队存在“最低公分母效应”，成员间相互制约导致创意被削弱，个体优于团队成为明显趋势。
🏆 项目成果与案例验证
- 学生完成了如Iowa农场牲畜健康追踪、PDF论文讨论工具等高质量应用，验证了LLM在复杂集成中的可行性。
- LLM支持了更宏大的设计产出并促进深度参与，使得原本难以实现的功能模块得以快速原型化，展示了AI辅助开发在工程实践中的实际价值。
⚖️ 教育挑战与文化反思
- 学生并非懒惰，而是受GPA、成绩单等外部指标驱动，将作业视为最终产品而非自我成长的工具，导致缺乏内在好奇心与自主性。
- LLM具有双刃剑效应，既能支持宏大设计，也可能成为限制创造力、损害学习过程及增加评分负担的“拐杖”，教育者需在鼓励工具使用与维护核心工程技能之间寻求平衡。
💡 结论与建议
- 有效利用LLM取决于学生的个人自主性、好奇心及反思性实践，而非单纯的技术工具；需通过严格上下文管理避免成本失控与代码破坏。
- 教学范式需向主动学习与反思性实践转变，借鉴Lev Vygotsky理论，改变当前鼓励被动应试的文化，引导学生关注自身认知能力的提升，防止学生陷入被动执行而非主动设计。
0 条评论
发表评论
请先 登录 后参与讨论。