一項針對全球 700 多名教育者的調查發現，大多數人已因人工智慧（AI）而改變了他們的教學和評量方法。口試、程式碼理解和專案式學習正日益受到重視。然而，近半數受訪者表示，他們缺乏將 AI 整合到課程中的實證範例。
諸如 ChatGPT 和 GitHub Copilot 等 AI 程式碼工具，能夠解決入門課程中典型的程式設計作業，其表現水準往往與一般學生相當。一項新研究廣泛探討了全球電腦科學教育者對此的應對方式。這項研究由國際電腦學會 ACM 教育委員會成立的專家小組「ACM 生成式 AI 與程式設計評量專案小組」所執行。
該專案小組於 2025 年 5 月至 10 月間，調查了來自 49 個國家的 763 名教育者，並分析了約 500 份近乎完整的問卷。調查結果顯示，69% 的受訪者認為 AI 改變了軟體開發所需的技能。教育者最關心的問題是學生對科技的依賴日益加劇（87%），其次是作弊和抄襲（72%）。
教學重心從撰寫程式碼轉向理解程式碼。64% 的受訪者已經改變了他們的教學方式。對開放式問題的內容分析指出了一個趨勢：教學不再強調從零開始撰寫程式碼，而是轉向程式碼理解、除錯和問題解決。其中 39 份回覆也明確提及將 AI 使用和提示詞工程（prompt engineering）作為教學主題。其他教育者則在課堂上展示 AI 工具，以說明其能力和限制。
俄亥俄州立大學教授兼報告主要作者 Steven Gordon 表示：「我們知道學生進入職場後，很可能會使用 AI 工具進行開發。關鍵在於培養出具備程式設計能力，並同時理解 AI 能力與限制的畢業生。」
口試和專案式評量日益普及。評量方式的改變更為顯著。68% 的受訪者調整了他們的測驗方法。最常見的轉變包括增加監考的實體考試（56 次提及）、降低作業比重（38 次）、口試和程式碼答辯（36 次），以及紙筆測驗（35 次）。專案式評量（34 次）也呈現上升趨勢。部分教育者現在要求學生揭露其 AI 使用情況，並提交與 AI 工具互動的記錄。
各機構的政策仍舊零散不一。45% 的受訪者表示其機構有關於 AI 使用的指導方針，而 39% 則表示沒有。這些政策從完全禁止到明確允許或鼓勵使用，只要有記錄即可。
近半數教育者缺乏 AI 整合的最佳實踐範例。48% 的受訪者指出，最大的障礙是缺乏經過驗證的最佳實踐。28% 的人表示他們對 AI 缺乏足夠的專業知識，而 20% 的人則認為根本沒有必要將其整合到教學中。在專業發展方面，74% 的人希望獲得有效教學方法的培訓，66% 的人則希望獲得重新設計評量的協助。
這些結果帶有一些注意事項。參與者主要透過 ACM 和 SIGCSE 郵件列表以及選定的國家教育者名錄招募。受訪者嚴重偏向北美（227 人）和歐洲（106 人），而亞洲（57 人）、南美洲（10 人）、大洋洲（9 人）和非洲（3 人）的代表性則遠遠不足。在列出其機構類型的受訪者中，77% 在大學工作，K-12 學校和職業課程的代表性則微乎其微。這些發現也基於自我報告的數據。
這項 ACM 研究可在線上免費查閱。該專案小組也建立了一個網站，收集了供教育者使用的實用範例和資源。
研究顯示 AI 使用能提高成績，但卻損害實際學習。幾項近期研究證實了受訪者提出的擔憂。一項 Anthropic 研究發現，在 AI 協助下學習新 Python 函式庫的軟體開發者，在後續知識測驗中的得分比沒有 AI 輔助的對照組低 17%。一小部分完全將程式碼編寫委託給 AI 的人，雖然最快完成任務，但在知識測驗中平均只得到 39% 的分數。
類似的模式也出現在電腦科學以外的領域。一項追蹤超過 26,000 名學生的中國長期研究發現，AI 的使用使作業成績提高了 18%，並將完成時間縮短了 30%。然而，在六個月後的閉卷考試中，分數下降了 20%。在後來的入學考試中，根據不同測驗，分數下降了 18% 和 24%。
加州大學柏克萊分校一項涵蓋超過 50 萬份成績的分析發現，ChatGPT 發布後，高分成績顯著增加，尤其是在寫作和程式設計作業比重較高的課程中。這種高分激增在未監考作業佔期末成績比重較大的課程中尤為明顯。根據 ACM 報告，這正是許多教育者目前正在降低權重的評量類型。