СУЧАСНІ МЕТОДИ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ НАВЧАННЯ ПРОГРАМУВАННЯ
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.1.2.16Ключові слова:
штучний інтелект, навчання програмування, CodeGen, CodeBERT, Flask, веб-розробка, офлайн-режим, автоматизація навчання, машинне навчання, генерація коду, аналіз коду, освітні технології, програмна інженеріяАнотація
У статті представлено розробку інтегрованої програмної системи на базі технологій штучного інтелекту для автоматизації та оптимізації процесу навчання програмування. Досліджено актуальні проблеми використання штучного інтелекту в освітньому процесі, включаючи питання доступності технологій, якості генерованого коду та адаптації навчального процесу до сучасних вимог. Запропоновано інноваційне рішення для ефективної співпраці між програмістом і штучним інтелектом, яке базується на інтеграції передових моделей машинного навчання.Розроблена система використовує моделі CodeGen та CodeBERT для комплексного аналізу і генерації програмного коду. Модель CodeGen-350M-mono забезпечує генерацію синтаксично правильного коду і контекстуальні підказки, тоді як модель CodeBERT виконує глибокий аналіз структури програм і семантичних зв’язків. Унікальною особливістю системи є можливість роботи як в онлайн, так і в офлайн-режимах завдяки попередньому завантаженню моделей на локальний сервер, що робить її доступною для використання в різних навчальних умовах.Практична реалізація включає створення веб-застосунку на базі мікрофреймворку Flask, який надає інтуїтивно зрозумілий інтерфейс для взаємодії з моделями штучного інтелекту і забезпечує швидку обробку запитів користувачів. Система демонструє високу ефективність при аналізі введеного коду, наданні контекстуальних пояснень і формуванні рекомендацій щодо покращення програмних рішень. Важливою функціональністю є можливість автоматичного доповнення коду і виявлення потенційних помилок на ранніх етапах розробки програмного забезпечення. Створений веб-застосунок забезпечує ефективну співпрацю між програмістом і штучним інтелектом.
Посилання
The Stanford Daily. Scores of Stanford students used ChatGPT on final exams, survey suggests. 2023, January 22. URL: https://stanforddaily.com/2023/01/22/scores-of-stanford-students-used-chatgpt-onfinal-exams-survey-suggests/ (дата звернення: 10.01.2025).
Zawacki-Richter O., Marín V. I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education. 2019. № 16(1). Article 39. doi: https://doi.org/10.1186/s41239-019-0171-0
Rodríguez-Hernández C. F., Musso M., Kyndt E., Cascallar E. Artificial neural networks in academic performance prediction: Systematic implementation and predictor evaluation. Computers and Education: Artificial Intelligence. 2021. № 2, 100018. URL: doi: https://doi.org/10.1016/j.caeai.2021.100018
Міністерство освіти і науки України. Результати всеукраїнського дослідження про перспективи ШІ в загальній середній освіті. 20 грудня 2023. URL: https://mon.gov.ua/news/rezultati-vseukrainskogo-doslidzhennya-pro- perspektivi-shi-v-zagalniy-seredniy-osviti (дата звернення: 10.01.2025).
Flask documentation. https://flask.palletsprojects.com/en/stable/ (дата звернення: 10.01.2025).
CodeGen (CodeGen-Mono 350M). URL: https://huggingface.co/Salesforce/codegen-350M-mono (дата звернення: 10.01.2025).
CodeBERT: A Pre-Trained Model for Programming and Natural Languages. / Zhangyin Feng, et al. Findings of the Association for Computational Linguistics: EMNLP. 2020, November 16–20. P. 1536-1547. URL: https://aclanthology.org/ 2020.findings-emnlp.139.pdf. (дата звернення: 10.01.2025).
