CodeHelp ist ein automatisierter Teaching Assistant
für Programmierung und Informatik.
Fragen Sie...
... wie Sie mit dem Schreiben eines Programms beginnen.
... nach einer Erklärung für eine verwirrende Fehlermeldung.
... warum Ihr Code nicht korrekt funktioniert.
... wie Sie eine bestimmte Funktion Ihrer Sprache oder Ihres Frameworks verwenden.
... eine Verständnisfrage zu Ihren Kursinhalten.
Für Lehrende
1. Q&A-Abfragen — CodeHelp hilft Ihren Studierenden, ohne Code für sie zu schreiben. Es wurde gezielt dafür entwickelt, anzuleiten und zu erklären, aber keinen Lösungscode bereitzustellen.
- Niedrigschwellige Unterstützung — Immer verfügbar, wenn Ihre Studierenden arbeiten, mit unmittelbaren Antworten.
- Passgenaue Antworten — Sie können Kontext bereitstellen, um Antworten auf Ihren Kurs oder einzelne Aufgaben zuzuschneiden, passend zu den Bedürfnissen Ihrer Studierenden und ihrer konkreten Arbeit.
- Wertvolle Einblicke — Sie sehen schnell, wo Studierende Schwierigkeiten haben und wonach sie fragen.
- Geringe Kosten — Jede studentische Abfrage kostet ungefähr 0,01 US-Dollar, siehe Kosten unten.
- Einfache Integration — CodeHelp lässt sich als Ergänzung zu bestehenden Unterstützungssystemen leicht in jeden Kurs einbinden.
2. Fokussierte TutorenNEU — Sie können schnell Tutoren (Chatbots) entwerfen und bereitstellen, die einem von Ihnen festgelegten Plan aus Themen, Lernzielen und Verständnisfragen folgen.
- Hochrelevant — Bringen Sie Ihre Expertise und Ihr Wissen über Ihre Studierenden und den Lernkontext in den Plan ein.
- Konsistent — Jeder Chat folgt derselben Struktur und passt sich dennoch an die konkreten Antworten der Studierenden an.
- Auswertbar — Engagement und Verständnis der Studierenden lassen sich durch kurzes Überfliegen ihrer Antworten leicht einschätzen.
- Mögliche Einsatzbereiche:
- Niedrigschwellige Lernkontrollen nach einer Lektüre, um die Bearbeitung zu fördern und Inhalte vor der Sitzung zu festigen.
- Vertiefung von Themen und Materialien, die Ihre Studierenden stärker üben sollen, als im Kurs zeitlich möglich ist.
- Spontane Bereitstellung maßgeschneiderter Tutoren für einzelne Studierende, wenn konkrete Bedarfe entstehen.
Zugriff und Teilen
CodeHelp wird über einen einfachen Link mit allen Personen in Ihrem Kurs geteilt. Es gibt zwei Optionen:
- Studierende und Lehrende melden sich automatisch über einen Link auf Ihrer Kursseite an, ohne separate Anmeldung.
- Die Einrichtung dauert etwas und kann Unterstützung durch Ihre LMS-Administration erfordern.
- Sie teilen einen Zugangslink zum Beitritt in den Kurs.
- Studierende melden sich mit einem Google-, GitHub- oder Microsoft-Konto an.
- Kann in weniger als zehn Minuten eingerichtet werden.
Die Dokumentation enthält weitere Details.
Kosten
CodeHelp selbst nimmt keine Zahlungen an, aber die verwendeten Large Language Models sind nicht kostenlos. Sie müssen einen API-Schlüssel eines LLM-Anbieters bereitstellen, der für die Abfragen Ihrer Studierenden genutzt wird.
Die Kosten sind niedrig: Die für CodeHelp besonders geeigneten Modelle von OpenAI und Google kosten ungefähr 0,01 US-Dollar oder weniger pro Q&A-Abfrage. Wenn Ihre Studierenden CodeHelp regelmäßig nutzen und im Semester durchschnittlich 50 Abfragen stellen, was über dem beobachteten Durchschnitt liegt, lägen die Gesamtkosten bei ungefähr 0,50 US-Dollar pro Student/in oder darunter. Weitere Details finden Sie in der Modelldokumentation.
Die Kosten von KI-Tutoren sind je nach Länge des Chats stark unterschiedlich. Ein halbstündiger Chat kann grob fünf- bis zehnmal so viel kosten wie eine Q&A-Abfrage.
Referenzen
[1]
CodeHelp: Using Large Language Models with Guardrails for Scalable Support in Programming Classes.
Mark Liffiton, Brad Sheese, Jaromir Savelka und Paul Denny. 2023.
In Proceedings of the 23rd Koli Calling International Conference on Computing Education Research (Koli Calling '23). DOI: 10.1145/3631802.3631830
[2]
Patterns of Student Help-Seeking When Using a Large Language Model-Powered Programming Assistant.
Brad Sheese, Mark Liffiton, Jaromir Savelka und Paul Denny. 2024.
In Proceedings of the 26th Australasian Computing Education Conference (ACE '24). DOI: 10.1145/3636243.3636249