一項針對全球電腦科學教育工作者的調查發現，許多教師已因應生成式 AI 程式設計工具，改變了教學與評量方式。這項由 ACM 任務小組進行的調查涵蓋 49 個國家超過 700 名教育工作者，並發現 69 percent 認為 AI 已改變軟體開發所需的技能。

調查結果顯示，教育現場正大幅轉離以從零開始撰寫程式碼為核心的傳統程式設計作業。取而代之的是，教師更重視程式碼理解、除錯、問題解決、口試、程式碼答辯與專案式工作。與此同時，近半數受訪者表示，他們缺乏將 AI 納入課程的成熟案例。

ChatGPT 和 GitHub Copilot 等 AI 程式設計助理可以完成許多入門課程常見的程式設計作業，表現往往達到一般學生的水準。這對傳統上以這類作業測試學生是否能獨立產出並解釋可運作程式碼的課程構成實際挑戰。這項新研究更全面地呈現全球電腦科學教育工作者如何回應這項挑戰。研究由「ACM Task Force on Generative AI and Programming Assessment」進行，該專家小組由國際計算機學會 ACM 的教育委員會成立。

該任務小組在 2025 年 5 月至 10 月間調查了 49 個國家的 763 名教育工作者。分析納入約 500 份接近完整的問卷。結果顯示，69 percent 的受訪者表示 AI 已改變軟體開發所需的技能。教育工作者最主要的擔憂是學生對科技的依賴增加，有 87 percent 提及，其次是作弊與抄襲，有 72 percent 提及。

教學從撰寫程式碼轉向理解程式碼

64 percent 的受訪者表示，他們已經改變教學方式。對開放式回覆進行主題分析後顯示，方向相當一致：減少著重從零開始撰寫程式碼，轉而更重視理解程式碼、找出並修正錯誤，以及解決問題。另有 39 份回覆也將 AI 使用與提示工程列為明確的教學主題。其他教師則表示，他們會在課堂上示範 AI 工具，以說明這些工具的能力及其仍存在的限制。

「We know that students will likely be developing with AI tools when they enter the workforce,」報告主要作者、Ohio State University 教授 Steven Gordon 表示。「The key is to produce graduates who are competent in programming and who understand both the capabilities and limitations of AI.」

口試與專案式評量逐漸普及

評量做法的變化甚至更快。68 percent 的受訪者表示，他們已修改測試學生的方式。最常被提及的變化包括增加有人監考的實體考試，共 56 次提及；降低作業比重，共 38 次提及；口試與程式碼答辯，共 36 次提及；以及紙本測驗，共 35 次提及。專案式評量也被提及 34 次。

一些教育工作者現在要求學生揭露是否以及如何使用 AI 工具，在某些情況下還要提交與這些工具互動的紀錄。這些變化反映出一項日益增強的努力：區分學生自身的理解，與由軟體產出或大量協助完成的作品。

院校政策仍不一致。45 percent 的受訪者表示其所屬機構已有 AI 使用準則，39 percent 則表示沒有。既有政策從完全禁止到明確允許或鼓勵不等，前提是學生必須記錄其 AI 使用情況。對教師而言，這種不一致的政策環境意味著，許多課程層級的評量調整正在進行之際，機構本身仍在決定應如何治理 AI 使用。

教育工作者指出缺乏最佳實務案例

受訪者最常提到的 AI 整合障礙，是缺乏經驗證的最佳實務，有 48 percent 提及。28 percent 表示他們對 AI 的專業知識不足，另有 20 percent 表示完全看不出有必要將 AI 納入教學。

受訪者也指出需要更多專業發展資源。74 percent 表示希望接受有效教學方法的訓練，66 percent 表示希望獲得重新設計評量的支援。任務小組的資源網站透過彙整實務案例來回應這項缺口，但調查結果顯示，許多教育工作者仍在尋找可調整後用於自身課程的成熟模式。

研究作者指出了幾項限制。參與者主要透過 ACM 與 SIGCSE 郵件名單，以及部分國家的教育工作者名錄招募。受訪者分布明顯偏向北美，共 227 人，以及歐洲，共 106 人。亞洲有 57 名受訪者，南美洲 10 人，大洋洲 9 人，非洲 3 人。在回報機構類型的受訪者中，77 percent 任職於大學，而 K-12 學校與職業教育課程的代表性很低。研究結果也基於自陳資料。

ACM 研究可在線上免費取得。該任務小組也建立了一個提供教育工作者實務案例與資源的網站。

近期研究顯示成績提高，但學習成果較弱

多項近期研究與受訪者提出的擔憂相符。Anthropic 的一項研究發現，使用 AI 協助學習新 Python 函式庫的軟體開發者，在後續知識測驗中的得分比沒有 AI 存取權限的對照組低 17 percent。一小部分完全將程式撰寫交由 AI 的參與者最快完成任務，但在知識測驗中的平均分數僅為 39 percent。

類似結果也出現在電腦科學以外的領域。一項追蹤超過 26,000 名學生的中國縱向研究發現，AI 使用使作業成績提高 18 percent，完成時間縮短 30 percent。然而，六個月後的閉卷考試成績下降 20 percent。在後續入學考試中，依測驗不同，成績分別下降 18 percent 和 24 percent。

UC Berkeley 一項涵蓋超過 500,000 筆成績的分析發現，ChatGPT 發布後，高分比例大幅上升，尤其是在寫作與程式設計作業比重較高的課程中。漲幅在未受監考的作業對期末成績占有重要比重的課程中最為明顯。根據 ACM 報告，這正是許多教育工作者目前正在降低重要性的同一類評量。