paperbot · PL 论文追踪

全部论文 待读 收藏

P2 Toward Intelligent Feedback Systems in Programming Education: AI Tutors, Large Language Models, and Future Directions

迈向编程教育中的智能反馈系统：AI 导师、大语言模型与未来方向
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 2/10 · 该论文聚焦于将 LLM 用于编程教育反馈系统（APAS、AI 导师），属于 LLM 在编程环境中的应用，但并未涉及用户核心关注的静态分析、形式化验证、浮点程序分析或贝叶斯程序分析。其研究目标更偏向教育技术与 LLM 应用本身，与用户“PL→AI”或“AI→PL”的分析/验证主线交集很弱。引用 0 inbox
Eduard Frankford
机器学习与程序语言编程环境与开发者工具
crossref: 2026-09-12

AI 速览

一句话：探索将大语言模型嵌入自动编程评测系统，提供上下文感知、可信且契合学习目标的反馈。

自动编程评测系统（APAS）能够在大规模课程中扩展练习与反馈，但常给出泛化提示、静态测试，且缺乏透明度。本博士论文研究将大语言模型嵌入 APAS，以提供上下文感知、可信赖、并与学习目标（而非仅正确性）对齐的反馈。具体计划包括：扩展 Iris 聊天导师，引入检索增强生成（RAG）；构建面向教育的 LLM arena，用于评估辅导质量与练习生成。作者希望就设计、评估方法与研究范围获得反馈。该工作尚处于构想阶段，重点在于探索 LLM 在编程教育反馈中的可信性与教学对齐问题。

问题
现有自动编程评测系统提供泛化提示与静态测试，反馈缺乏上下文感知、可信度与教学目的对齐。
方法
扩展 Iris 聊天导师并引入检索增强生成（RAG），同时构建面向教育的 LLM arena 以评估辅导与练习生成。
评估
通过教育场景下的 LLM arena 对辅导质量与练习生成进行评估，论文目前处于寻求设计、评估与范围反馈的阶段。
原文摘要（Abstract）

Automated programming assessment systems (APASs) scale exercises and feedback in large courses, but often offer generic hints, static tests, and little transparency. My dissertation explores embedding LLMs into APASs to deliver context-aware, trustworthy feedback aligned with learning goals, not just correctness. I will extend the Iris chat tutor with retrieval-augmented generation and build an education-focused LLM arena to evaluate tutoring and exercise generation. I seek feedback on design, evaluation, and scope.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot11554,
  title = {Toward Intelligent Feedback Systems in Programming Education: AI Tutors, Large Language Models, and Future Directions},
  author = {Eduard Frankford},
  booktitle = {ICSE},
  year = {2026},
  doi = {10.1145/3774748.3787643}
}