في عالم البرمجة المتسارع، يعتبر **مراجعة الأكواد** (Code Review) أحد العناصر الأساسية في تطوير البرمجيات، إلا أن تطبيقها بشكل فعّال يمثل تحدياً كبيراً في المشاريع الأكاديمية الضيّقة بالمواعيد النهائية. لكن، ماذا لو كان هناك حل مبتكر يعتمد على الذكاء الاصطناعي؟
التجربة الجديدة
شملت هذه التجربة استخدام نموذج لغوي كبير (**LLM**) كمدقق للمراجعات مُدمج مباشرة في طلبات السحب في **GitHub**، مما جعل العملية أكثر سلاسة وفاعلية. تضمنت الدراسة طلاب من دفعتين مختلفتين (أكثر من 100 طالب في الفترة من 2023 إلى 2024). من خلال التصميم المختلط للدراسة، اعتمد الباحثون على بيانات من GitHub وتقارير تأملية واستطلاعات مستهدفة لدراسة مستوى الانخراط والاستجابة كدلائل على عمليات التعلم الذاتي.
النتائج الكمية والنوعية
- **الأنشطة التكرارية**: أظهرت دفعة 2024 زيادة ملحوظة في الأنشطة التكرارية (1176 مقارنة بـ 581 للإصدار السابق).
- **تحسين الجودة**: اختفت المشاكل التقنية التي لاحظت في عام 2023 (227 محاولة فاشلة من الذكاء الاصطناعي) بعد تحسين الأدوات والتعليمات.
- **استجابة متناسقة**: بالرغم من اختلاف مستويات الاعتماد على الأداة (93% مقابل 50% من الفرق)، كانت الاستجابة مستقرة بنسبة 32% في 2023 و33% في 2024.
كما استخدم الطلاب التعليقات المنظمة من النموذج اللغوي لتسليط الضوء على جوانب مراجعة الأكواد ومناقشة الجودة، مما ساعدهم في تقليل الاعتماد المفرط على الأداة.
المساهمة في التعليم
تقدم هذه التجربة:
1. تصميم عمل للمراجعة بالذكاء الاصطناعي يدعم تجربة التعلم ويقلل من الإخلال المعرفي.
2. مقارنات عبر دفعتين في بيئات حقيقية.
3. تحليل متعدد الطرق يجمع بين مقاييس GitHub وبلاغات الطلاب عن أنفسهم.
4. توصيات تربوية قائمة على الأدلة لمراجعة بمساعدة الذكاء الاصطناعي بقيادة الطلاب.
خاتمة
مع استمرار تطور الذكاء الاصطناعي، يبدو أن مستقبل مراجعة الأكواد في التعليم البرمجي يكتسب أبعاداً جديدة. هل أنتم مستعدون لاستكشاف كيف يمكن لهذه الأدوات أن تعزز من تجارب التعلم؟