Генерація педагогічного зворотного зв’язку до студентського коду на основі великих мовних моделей

Abstract

Мета. Метою дослідження є розробка та обґрунтування концептуальної моделі генерації педагогічного зворотного зв’язку до студентського програмного коду на основі великих мовних моделей, що забезпечує автоматизований аналіз програмних рішень, виявлення помилок і формування змістовних рекомендацій для підвищення ефективності навчання програмуванню. Методика. Запропоновано концептуальну модель системи генерації педагогічного зворотного зв’язку на основі великих мовних моделей, яка інтегрує аналіз програмного коду, ідентифікацію помилок, формування пояснень та генерацію рекомендацій для подальшого вдосконалення рішення студентом. Модель передбачає використання структурного аналізу коду (AST), механізмів промпт-інжинірингу та педагогічно орієнтованих шаблонів відповіді. Розглянуто архітектуру інтелектуальної системи, що включає модулі збору студентських рішень, аналізу коду, інтерпретації результатів та генерації персоналізованого педагогічного зворотного зв’язку. Результати. Доведено, що традиційні системи автоматичного оцінювання програмного коду здебільшого орієнтовані на перевірку правильності результату виконання програми, але не забезпечують якісних педагогічних пояснень або рекомендацій щодо виправлення помилок. Продемонстровано, що великі мовні моделі здатні формувати пояснення до помилок, надавати рекомендації щодо оптимізації алгоритмів і підтримувати процес навчання шляхом надання підказок різних рівнів складності. Отримані результати свідчать про перспективність використання великих мовних моделей як інструменту інтелектуальної підтримки викладання програмування. Наукова новизна. Наукова новизна полягає у розробці концептуальної моделі системи генерації педагогічного зворотного зв’язку на основі великих мовних моделей, яка поєднує автоматичний аналіз програмного коду, інтерпретацію результатів за допомогою LLM та механізми формування педагогічно орієнтованих пояснень і рекомендацій. Практична значущість. Запропонована модель може бути використана для створення адаптивних освітніх платформ, які забезпечують персоналізований зворотний зв’язок і сприяють формуванню алгоритмічного мислення студентів. Також виділено і обмеження таких систем, зокрема можливість генерації неточних рекомендацій або помилкових пояснень, що потребує використання механізмів перевірки та участі викладача у процесі оцінювання, зокрема із застосуванням підходу human-in-the-loop.