ابزارهای توسعه مبتنی بر هوش مصنوعی مانند ChatGPT و GitHub Copilot امروزه به راحتی میتوانند تکالیف استاندارد برنامهنویسی در دورههای مقدماتی را حل کنند و نمراتی در سطح یک دانشجوی متوسط کسب کنند. این تسلط چشمگیر، جامعه آموزشی علوم کامپیوتر را وادار به یک تغییر مسیر استراتژیک کرده است. بررسیهای جدید نشان میدهد اساتید در سراسر جهان در حال کنار گذاشتن روشهای سنتی و تمرکز بر مهارتهای نوین هستند.
بر اساس گزارش «گروه کاری ACM در خصوص هوش مصنوعی مولد و ارزیابی برنامهنویسی»، که بین ماههای می و اکتبر 2025 روی 763 آموزشگر از 49 کشور انجام شد، 69 درصد معتقدند هوش مصنوعی ماهیت مهارتهای مورد نیاز برای توسعه نرمافزار را کاملاً دگرگون کرده است. بزرگترین نگرانی در این میان (با 87 درصد موافقت)، وابستگی بیش از حد دانشجویان به فناوری و در پی آن، چالش تقلب و سرقت ادبی با 72 درصد است.
تغییر رویکرد تدریس از تولید کد به درک آن
نتایج این نظرسنجی نشان میدهد 64 درصد از اساتید، روشهای تدریس خود را بازطراحی کردهاند. محوریت این تغییر، دور شدن از کدنویسی از صفر و حرکت به سمت درک منطق کد، دیباگ (رفع اشکال) و حل مسئله است. بخش قابل توجهی از پاسخدهندگان (39 نفر) مهندسی پرامپت (Prompt Engineering) و استفاده اصولی از هوش مصنوعی را به عنوان سرفصلهای مستقل به سیلابس خود افزودهاند.
استیون گوردون، استاد دانشگاه ایالتی اوهایو و نویسنده اصلی این گزارش، معتقد است: «دانشجویان پس از ورود به بازار کار قطعا از ابزارهای هوش مصنوعی برای توسعه نرمافزار استفاده خواهند کرد. وظیفه ما تربیت فارغالتحصیلانی است که ضمن تسلط بر اصول برنامهنویسی، مرزهای دقیق توانمندیها و محدودیتهای هوش مصنوعی را به خوبی بشناسند.» در همین راستا، آشنایی با ابزارهای کدنویسی هوش مصنوعی به یکی از پیشنیازهای ورود به این بازار کار تبدیل شده است.
محبوبیت امتحانات شفاهی و ارزیابی پروژهمحور
شگفتانگیزترین بخش این گزارش، سرعت تغییر در روشهای ارزیابی دانشگاههاست. 68 درصد از شرکتکنندگان، نحوه امتحان کردن دانشجویان را کاملاً تغییر دادهاند. برای جلوگیری از تقلبهای هوش مصنوعی، رویکردهای جدید شامل موارد زیر است:
- افزایش امتحانات حضوری و تحت نظارت مستقیم (اشاره شده در 56 پاسخ)
- کاهش ارزش نمره تکالیف خانگی (38 پاسخ)
- برگزاری امتحانات شفاهی و جلسات دفاع از کد (36 پاسخ)
- تکیه بر آزمونهای کاغذی (35 پاسخ)
- ارزیابیهای مبتنی بر پروژههای عملی (34 پاسخ)
برخی اساتید نوآورانهتر عمل میکنند و از دانشجویان میخواهند لاگهای کامل تعامل خود با ابزارهای هوش مصنوعی را ثبت کرده و در نهایت ارائه دهند. با این حال، در سطح کلان، سیاستهای دانشگاهها همچنان پراکنده است؛ در حالی که 45 درصد دارای دستورالعملهای شفاف هستند، 39 درصد فاقد هرگونه رویه مشخصی در این باره میباشند.
چالش کمبود شیوههای اثباتشده در آموزش
به رغم تلاشها برای همگامسازی با فناوری، 48 درصد از آموزشگران به عنوان بزرگترین مانع، نبود الگوهای موفق (Best Practices) برای ادغام هوش مصنوعی در آموزش را ذکر کردهاند. همچنین 28 درصد اعلام کردند که تخصص فنی کافی در این حوزه ندارند و 20 درصد اساساً نیازی به ورود هوش مصنوعی به کلاسهای خود نمیبینند.
برای عبور از این بحران، 74 درصد از اساتید خواهان دریافت آموزشهای تخصصی برای توسعه روشهای تدریس نوین هستند و 66 درصد به کمک برای بازطراحی سیستمهای ارزیابی نیاز دارند. آینده آموزش برنامهنویسی در گرو تبدیل هوش مصنوعی از یک ابزار تقلب به یک دستیار آموزشی است، فرآیندی که نیازمند بازنگری عمیق در ساختار آکادمیک نهادهای آموزشی در سراسر جهان خواهد بود.
