An Explainable AI Assistant for Introductory Programming Education: Improving Feedback Reliability with Instructor-AI Collaboration
作者: Muntasir Hoq, Griffin Pitts, Bradford Mott, Seung Lee, Jessica Vandenberg, Shuyin Jiao, Narges Norouzi, James Lester, Bita Akram
分类: cs.CY, cs.AI, cs.ET, cs.HC, cs.LG
发布日期: 2026-06-12
💡 一句话要点
提出可解释AI助手以提升编程教育中的反馈可靠性
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 可解释AI 编程教育 主动学习 个性化反馈 教学支持 AI助手
📋 核心要点
- 现有的编程教育方法常常缺乏及时和个性化的反馈，限制了学生的学习效果。
- 本文提出了一种AI驱动的课堂助手，利用可解释AI模型分析代码并提供教师验证的反馈。
- 实验结果显示，该助手能够提供准确的反馈，并提升学生的使用体验。
📝 摘要（中文）
主动学习被广泛认可为提高初级编程课程学习效果的有效方法。然而，缺乏足够的教学支持常常限制学生获得及时、个性化反馈的机会，这对掌握基础编程概念至关重要。尽管最近在AI领域，特别是大型语言模型方面的进展为反馈提供了可扩展的机会，但可解释性和可靠性的问题依然存在。本文提出了一种基于AI的课堂助手，利用可解释AI模型分析学生代码，将逻辑错误映射到教师识别的误解，并提供教师撰写的反馈，从而将可靠性建立在教师定义的教学知识基础上。我们通过专家评估和课堂部署来评估该框架的有效性，结果表明该助手能够为学生提供准确的、经过教师验证的反馈，同时促进积极的学习体验。
🔬 方法详解
问题定义：本文旨在解决初级编程课程中学生反馈不足的问题，现有方法在提供个性化和及时反馈方面存在明显不足。
核心思路：通过引入可解释AI模型，分析学生的代码并将逻辑错误与教师识别的误解相映射，从而提供基于教师知识的反馈。
技术框架：整体架构包括学生代码分析模块、误解映射模块和反馈生成模块，形成一个闭环反馈系统。
关键创新：本研究的主要创新在于将可解释AI与教师的教学知识相结合，确保反馈的可靠性和有效性，这与传统的AI反馈方法有本质区别。
关键设计：在模型设计中，采用了特定的损失函数以优化反馈的准确性，并结合教师的知识体系进行参数设置，确保反馈内容的专业性和针对性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，该AI助手能够提供与教师验证反馈高度一致的准确反馈，且在学生使用体验上获得积极评价，显示出其在编程教育中的有效性和实用性。
🎯 应用场景
该研究的潜在应用领域包括高等教育中的编程课程、在线学习平台以及任何需要个性化反馈的教育场景。通过提高反馈的可靠性和可解释性，能够有效提升学生的学习体验和编程能力，未来可能影响更广泛的教育技术发展。
📄 摘要（原文）
Active learning is widely recognized as an effective approach for improving learning outcomes in introductory programming courses. However, insufficient instructional support often limits students' access to timely, personalized feedback, which is crucial for mastering foundational programming concepts. Although recent advances in AI, particularly large language models, offer scalable opportunities for feedback, concerns about explainability and reliability remain. In this paper, we present an AI-driven classroom assistant that leverages an explainable AI model to analyze student code, map logical errors to instructor-identified misconceptions, and deliver instructor-authored feedback, thereby grounding reliability in instructor-defined pedagogical knowledge. To evaluate the effectiveness of our framework, we conducted an expert evaluation to examine its alignment with instructor-verified feedback and deployed the system in a classroom setting to assess students' perceptions of its usability. Results indicate that the assistant can provide accurate, instructor-verified feedback to students while fostering a positive experience.