人工智能輔助會話式編程：一種性別包容的程序設計教學法

王筱竹 Joseph Osunde　Danny Barthaud　Yijun Yu

【摘 要】 由于對計算機科學和職業的陌生和畏懼，技術落伍群體認識不到與真實世界之間存在的聯系，使得將計算機程序設計教學普及到這些群體成為近年來的一項挑戰。英國開放大學等機構通過使用技術手段設計開發教育類游戲等方式在STEM領域擴大學生參與度，使技術落伍群體（包括很多女性）提高對計算機編程的興趣。本文使用以亞馬遜語音技能工具包（ASK）為代表的人工智能工具，讓學生通過語音會話式交互學習程序設計技術，探討了如何把序列性會話轉換為層次性決策樹驅動的交互會話，提供了一種基于知識圖譜的教學法，通過個人軟件助理——“大聲說程序”（Ask Program Aloud）引導人機對話。通過具體案例和用戶參與，定性評估了使用“大聲說程序”發起對話這個方法的有效性。結果表明，人工智能確實能夠提升參與者對學習計算機編程技能的興趣，既可以支持目前單向會話形式的計算機編程教學，也可以鼓勵技術相對落伍的學習者群體獲得計算機編程能力，進一步提高社交友好性和技能轉化能力。

【關鍵詞】 人工智能；語音技能工具包；“大聲說程序”；交互編程；會話式編程；計算機輔助教學；動畫；數字游戲

【中圖分類號】 G40-057 【文獻標識碼】 A 【文章編號】 1009-458x（2018）8-0070-09

一、問題提出

一般情況下，技術可以被定義為銜接科學和工程的接口。美國醫學國家圖書館（United States National Library of Medicine， 2010）把技術定義為“把包括工具、技巧、產品、過程和方法在內的科學知識應用于實踐任務”。現代社會技術無處不在，普遍存在于醫療衛生、安全、通信、教育等各個領域。在教育領域，要在教與學的過程中傳授技術的抽象概念需要進行高層次的思考和令人愉悅的操練（Carbonaro， Szafron， Cutumisu， & Schaeffer， 2010）。近年來，教育技術在推廣STEM[科學（Science）、技術（Technology）、工程（Engineering）和數學（Mathematics）四門學科教育的總稱]專業的學習者當中越來越受到重視。作為STEM專業基礎的計算機科學教育領域，尤其是在程序設計教學方面存在著這樣的不一致：理論上，“有教無類”的原則要求普及計算機教學跟其他科普領域一樣，需要對教學對象一視同仁，不應該根據性別區別對待；在實踐中，鑒于計算機科學的工程學屬性和計算機程序設計對數學的要求，卻又存在著性別上的差異性。這一現象使得性別包容教學法（Gender-Inclusive Approach）引起普遍關注。有研究者嘗試設計普適性數字游戲讓學習者練習程序設計，加深對計算機科學相關概念的理解（Overmars， 2004； Denner， Werner， & Ortiz， 2012； Robertson， 2012）；有研究者針對特定人群設計了創造性教學游戲，促進對編程概念的掌握（Kelleher & Pausch， 2007； Denner， et al.， 2012； Harteveld， Smith， Carmichael， Gee， & Stewart-Gardiner， 2014； Esper， Foster， & Griswold， 2013）。隨著人工智能（Artificial Intelligence， AI）技術的發展和應用，探討基于人工智能賦能的工具作為新的技術路線教授計算機編程基本概念，擴大教學的可能范圍，使得包括視力受損或學習條件受限的學習者在內的弱勢群體更容易接受編程教學（Yu & Wang， 2017），惠及更多學習者。

二、文獻綜述

（一）計算機輔助教學智能輔導系統

為學習者提供個性化的關注以滿足其對教學的需要，最初促成了計算機輔助教學（CAI）領域的研究工作。傳統的智能輔導系統（ITS）主要是為了滿足學習者的個性化需求，在呈現材料方面提供了相當的靈活性和更快的反應（Van Lehn， 2006），能夠通過明確教學法中如何教和如何學智能性地決定內容的呈現（Beck， Stern， & Haugsjaa， 1996； Van Lehn， 2011）。這種創造智能的能力允許更大的通用性，改變著系統與學習者之間的交互方式。 此外，從相關研究中可以看出，ITS在提高學習者的表現、參與、態度和動機方面都非常有效（Bayraktar， 2001； Kulik & Fletcher， 2016）。表現改進方面的研究表明，與僅使用傳統的課程方法相比，學習者使用CAI補充傳統的教學會取得更好的成績，使用更少的時間就能掌握課程內容（Christmann & Badgett， 2003）。然而，傳統ITS的一個主要局限是需要耗費大量的時間和成本才能逐步提高學習者的智力和培養學習者的深度學習（Jonassen & Reeves， 1996； Aleven， Roll， McLaren， & Koedinger， 2016）。

（二）教育類數字游戲和性別包容性

如前所述，在計算機編程教學方面存在著理論上“有教無類”的原則與實踐中計算機學科的工程性質和程序設計對數學的要求導致的性別上的差異性。相關的文獻回顧表明，關于數字教育游戲和性別的動機吸引力有三種主要論點：第一種論點認為，數字教育游戲的動機吸引力沒有性別差異（Ke & Grabowski， 2007； Papastergiou， 2009； Koivisto & Hamari， 2014； Mekler， Brühlmann， Tuch， & Opwis， 2017）。相反，因果因素（如個人和情境因素等）可以解釋不同的游戲效果（Wang， Schneider， & Valacich， 2012； Hamari， Koivisto， & Sarsa， 2014）。第二種論點認為，數字教育游戲的動機吸引力存在性別差異（De Jean， Upitis， Koch， & Young， 1999； Young & Upitis， 1999； Przybylski， Weinstein， Murayama， Lynch， & Ryan， 2012； Wu， Yen， & Marek， 2011； Boyle， Connolly， & Hainey， 2012； Powell， Dainty， & Bagilhole， 2012； Possler， Klimmt， Schlütz， & Walkenbach， 2017）。有研究者進一步論證了在數字化教育游戲的動機吸引中性別差異的存在，但是，這些差異取決于對游戲特征的感知，而這些特征既可以支持也可以阻礙動機（Huang， Hood， & Yoo， 2013； Ferguson & Olson， 2013）。第三種論點認為數字游戲提供的動機吸引力的性別差異是與體驗相關的復雜變量，而不是差異產生的真正原因（Ratan， Taylor， Hogan， Kennedy， & Williams， 2015； Shen， Ratan， Cai， & Leavitt， 2016）。雖然第一種論點認為數字游戲的動機吸引力沒有性別差異存在，但第二種和第三種論點都論證了數字游戲的動機訴求存在著性別差異，這些差異是否基于性別誘因尚不確定。相關研究還表明，數字化教育游戲的內容傾向于呈現受限制的性別角色，具有性別身份問題以及不支持女孩的動機吸引力的特征（Hartmann & Klimmt， 2006； Shen， et al.， 2016）。一些創造性的教學游戲，如Talking Alice（Kelleher & Pausch， 2007； Denner， et al.， 2012）、Gram House（Harteveld， et al.， 2014）和CodeSpells（Esper， et al.， 2013），都是針對年輕女性學習者講授基本編程概念而設計的。這些已有的智能指導系統普遍基于女性學習者群體更易接受的一系列經驗事實（Kulik & Fletcher， 2016； Kelleher & Pausch， 2007； Denner， et al.， 2012）。我們在之前的研究中也對性別包容性做出了定性和定量的實驗分析（Osunde， Windall， Bacon， & Mackinnon， 2015），結果表明，動機訴求中的性別差異在很大程度上是可以控制或改變的。

（三）自然語言處理和機器學習在計算機輔助教學中的應用

最近，傳統的ITS也在不斷改進，并在自然語言處理（NLP）和機器學習（ML）中得以應用。自然語言處理（NLP）作為計算機科學和人工智能的一個領域，涉及計算機和人類（自然）語言之間的交互，通過編程使得計算機能夠成功地處理大量自然語言的數據（Hindl， Barr， Su， Gabel， & Devanbu， 2012）。自然語言處理（NLP）與機器學習（ML）的結合使得計算機系統擁有在沒有明確編程的情況下也能夠逐步提高智能的能力（Samuel， 1959； Koza， Bennett， Andre， & Keane， 1996； Mikolov， Joulin， & Baroni， 2016）。由此產生的代理程序擁有模擬人類認知（如學習和解決問題）的能力，被稱為“人工智能”的能力（Russell & Norvig， 2016）。相關研究表明人工智能技術在CAI中的廣泛應用，包括建立一個對話程序以支持增量的方式對素材編碼，以規避諸如文法解析、強大計算能力以及創建用于編碼的框架所需的時間（Carbonell， 1970； Koffman， 1972； Michalski， Carbonell， & Mitchell， 2013）。實現人工智能技術的早期CAI系統是從具備相關專業知識的人工設計出發生成的，因此自然而然地可以導出相應的問題和解決方案，提供廣泛的訓練和輔導，診斷學習者的問題，并提供反饋（Koffman， 1972； Lowyck， 2014）。實現人工智能技術的最新CAI系統進一步將其專業領域知識擴展到基于互聯網的資源，以及數據和計算處理設施的物聯網（IoT）（Wenger， 2014）。

通過對相關文獻的回顧，我們認為，探索一種借助語音產生人機交互的新型程序設計輔助教學法，嘗試取代以傳統的程序文本顯示的方式進行教學，通過語音對學習者進行教學，有助于控制或改變當前計算機編程教學中實際存在的性別差異；通過對新教學法的案例結果進行定性評價，探討實驗得失，總結經驗，展望未來的研究方向。

三、研究設計

（一）研究問題

借助Web和物聯網（IoT）擴展的專業知識，結合有效的計算處理能力，可以進一步在計算機編程教學方面進行模式上的變革，從單向和孤立的學習環境轉變為以學習者為中心且更注重敘事的友善環境（van Deemter， Krenn， Piwek， Klesen， Schr?der， & Baumann， 2008）。為此，我們在亞馬遜提供的Alexa Skill Kit（ASK）音效庫的基礎上構建了人工智能（AI）工具，讓參與者使用語音交互技術生成敘事的方式達成學習計算機編程的目的。我們提出了“大聲說程序”（Ask Programs Aloud， APA）教學法，這是借助語音人機交互的新型程序設計輔助教學法，假設教學可以通過語音同學習者交互，而不是通過傳統的程序文本的顯示進行。

研究假設1：“大聲說程序”這種新型的交互手段能否在計算機編程教學中進行模式上的變革，從單向和孤立的學習環境轉變到以學習者為中心、更為注重敘事的友好環境？

研究假設2：“大聲說程序”方法應用于編程教學能否比傳統的數字化教育游戲帶來更好的性別包容性？

針對假設1，我們設計了一個對話性敘事的Skill實驗，用以展示研究方案的可行性。

針對假設2，通過實驗我們對傳統的采用圖形用戶界面（GUI）的教育游戲和采用語音交互界面（Voice User Interface）的“大聲說程序”游戲進行比較，研究兩者在不同學習者之間的性別包容性。

（二）研究方法

1.“大聲說程序”的技術可行性實驗

我們提出使用對話性敘事作為一個包容性的形式，以開發交互式和敘事性的計算機編程技術。通過使用語音交互AI功能（如Alexa Skill Kit），將順序性的單一敘述轉換成由學習者需求驅動的分層敘事（Lapouchnian， Yu， Liaskos， & Mylopoulos， 2006）。在實驗中使用了若干臺Alexa Echo Dot設備，讓多個實驗對象可以同時參與。這項設計的目的是既能夠聚焦于學習者編程練習的任何細節，又能夠同時概括學習相關的抽象概念。在實踐方面，我們引入了一個基于知識地圖的教學方法——“大聲說程序”，一類個人軟件助理，可以響應語音命令觸發對編程概念的解釋，并對編程上下文進行概括等。這種語音驅動是響應學習者的新型交互模式，可以與學習者產生智能對話，中肯地回答關于編程概念的問題（Yu & Wang， 2017； Yu， Thein， & Bashar， 2011）。為了在編程概念的上下文中展示我們的方案，以下面的一個簡單Java程序為例來說明問題。

這個簡單的Java程序要實現在控制臺輸出“Hello，World！”。將由學習者的個人助理軟件（即“大聲說程序”）表達出來，從而構成了人機對話的基礎。

“大聲說程序”，請告訴我程序的類名是什么？系統可能回應：程序的類名是“Hello”。下一個問題：“調用了方法嗎？”可能的反應是：程序調研了“print”方法。下一個問題：“要print什么呢？”可能的反應是：程序將在控制臺打印“Hello，World！”消息。下一個問題：“有沒有其他顯示消息的方法可以調用？”可能的反應是：也可以在對話框中顯示消息。下一個問題：“如何在對話框中顯示消息呢？”可能的反應是：需要通過“import javax.swing.Joptionpane”語句導入類庫，才能在對話框中顯示消息“Hello，World！”。從上述對話可以看出使用“大聲說程序”的優點：不必提供程序的每一個細節，只需要提供部分答案，并通過后續問題的回答對答案進一步擴展。換言之，這是一種對話，而不是一言堂式的獨角戲，是與學習者溝通的全新方式。圖1給出了ASK大聲說程序（APA）框架的概述。

圖1 一個APA框架的說明

該框架的第一階段把Java程序解析為一個抽象語法樹（AST），將代碼的嵌套結構表示為一棵樹，其根節點通常是一個對話的起點。APA系統將初始問題Q0翻譯成初始參數（通常被置為AST的根節點）。結合問題Qi和參數Ti，APA將答案Ai（Ti）作為結果返回給學習者。學習者可以使用返回參數Ti作為新的上下文詢問后續問題Qi+1（Ti）。為了便于AST的逐級導航和Alexa的語音合成，需要在ASK的服務器端將程序解析成AST，并根據學習者在交互中提出的附加問題移動參數Ti。所使用的基礎設施遵循亞馬遜AWS云服務，使用Alexa Skill Kit工具包基于云的開發環境，并使用開源項目Flask簡化開發和部署Python接口的服務器端實現。在客戶端使用Alexa強大的合成模型，ASK必須被配置為可以回答多種類型的問題，而我們則必須通過識別在先前問題的答案中使用的參數來定義上下文變量。由于Alexa可以問開放式的問題，我們預定義了一些參數，便于學習者在遇到困難時能夠使用AST導航設置的初始著陸點（根節點），跳出上下文的局限。

2.“大聲說程序”的對照實驗

（1）采用傳統圖形交互的游戲

要成功地調查這些游戲結構是否可以用作創建為11-14歲女孩學習基本的計算機編程概念的具有吸引力的數字教育游戲，必須確定和應用合適的方法。在現有的學習基本的計算機編程概念的數字教育游戲基礎上，定制兩個實驗數字教育游戲：第一個包括游戲結構，包含支持女孩的動機吸引力；第二個游戲與第一個游戲相反，所包含的結構不支持吸引女孩的動機。

（2）研究樣本規模及素材

由于這項研究的超前性，我們采用了探索式的定性研究方法。152名女生和152名男生共304名參加者都參加了這兩項實驗游戲，以獲得研究中參與兩個游戲的女孩和男孩兩組看法的數據。

（3）樣本分布和實驗結構

采集的樣本數據包括在線問卷和兩個探索類游戲。參與的男女同學年齡在11-14歲之間，都來自英國東南區的5所初中，包括3所單一性別學校和2所混合性別學校。這樣選擇的目的是進一步分析不同類型的學校是否會對結果造成影響。學生選取的過程由學校老師根據研究者提供的指導原則完成，這些原則對學習成績、計算機科學的興趣或者領域的背景知識并不預設要求。另外，指導原則只要求參與者的年齡在11-14歲之間，并不要求學生的家境和階層。表1列出了參與調查的學校人員結構分布情況。

表1 參與調查的學校人員結構分布情況

[ 學校1 學校2 學校 3 學校4 學校5 參與者總數 149 50 50 27 28 女性參與者數量 76 26 50 0 0 男性參與者數量 73 24 0 27 28 參與者性別 男女 男女 女 男 男 ]

在實驗過程中，允許參與者自主選擇游戲的次序。這樣設計的理由是消除或最大程度上減少次序可能帶來的偏好，從而避免影響實驗結果的有效性。每個實驗過程持續60分鐘，而不同批次的學生可以在不同日期完成。但是，每個實驗進程都必須在同一天完成，避免影響實驗的有效性。

首先預調查問卷記錄下每個參與者對實驗的理解，然后在兩個游戲結束時分別回答一個事后調查問卷，最后再回答一個比較兩個游戲的評估問卷。設計預調查問卷是為了在游戲之前了解參與者對數字游戲的認識；兩個事后調查問卷是為了了解參與者對游戲中的知識的理解；設計評估問卷是為了獲得參與者對兩個游戲差異的認識。在線問卷采集到的數據首先用定性分析的方法處理，然后使用SPSS統計分析軟件分析并統計數據的顯著差異。

具體來說，從每個參與者那里獲取的數據包括每一個游戲對參與者的吸引度、游戲中使用的特定游戲特征的吸引力以及每個游戲對數字教育游戲參與者的感知的影響。通過對現有的數字教育游戲進行定制，創建出包括探索性研究中需要識別的游戲特征變量的兩個實驗游戲。谷歌Blockly Maze迷宮游戲滿足了技術和教育上的定制化學習需求，用來創建兩個實驗游戲以供研究。該游戲環境中包含10個層次，每個層次都集中在使用不同的編程結構，如排序、決策和循環指令。難度較小的游戲允許參與者使用無限數量的指令塊，而更高級別的游戲則只允許使用指定數量的指令塊，從而迫使玩家提出更有效的解決方案。圖2為定制的實驗游戲（a）“迷失的宇航員”和（b）“迷失的河馬”。

（4）采用“大聲說程序”語音交互的游戲

在最初的APA助手的實現中，我們采用了一個簡單的非編程語言分層對話來說明這個教學法的關鍵。這個例子是一個游戲，通過與參與者進行有意義的對話幫助他們在五分鐘內解除定時炸彈。該示例采用Python語言實現，其核心知識點在數據結構中呈現為嵌套幾何圖形，而不是前面程序語言教學中提到的抽象語法樹。盡管存在差異，從游戲概念產生的對話也遵循一種基于規則的通用教學方法。參與者需要通過確認游戲程序陳述所生成的句子來表達他們對游戲概念的理解，這個陳述是通過對比顯示的內容和游戲概念自動生成的。諸如“左邊有箭頭嗎？”的“是非題”和諸如“方塊的顏色是什么”的“枚舉題”，都是游戲啟發參與者的提示性問題。當學習者能夠正確地理解這些概念時，他們的答案被組合起來滿足預先配置的定時炸彈解除條件。

最初實施的目的是確定如何應用APA框架來啟動APA助理和學習者之間的有意義對話。樣本組涉及女性（n=7）和男性（n=5），參與者與APA助理互動，使用問卷調查他們的反應。對性別反應差異的定性評價可以用來檢驗這種方法的性別包容性。實際任務是在五分鐘內將基本的陳述句子翻譯成層次化幾何表示。在五分鐘內圓滿完成對話才能確保定時炸彈被解除，否則定時炸彈將會爆炸。圖3說明了模擬APA助手和實際任務。任務完成后，參與者完成問卷以提供對活動的評價性反應。

游戲開始于隨機生成定時炸彈，它的幾何元素必須被正確地描述給APA助理才能提供正確的化解代碼。圖3顯示了三個炸彈生成的例子，其中要傳達的元素是形狀、顏色、箭頭方向以及字母和數字。應用程序實際上并不是在任何時候都知道向參與者顯示哪個炸彈，而是有一個“參考手冊”，幫助理解如何用所描述的拓撲幾何生成解除炸彈的正確代碼。這樣，如果參與者錯誤地描述了炸彈或者錯誤地解析了他們的描述，APA助手實際上可以提供不正確的撤消代碼（導致炸彈爆炸）。參與者還可以看到倒計時計時器，并鼓勵他們以“說出你所看到的”開始。

圖3 游戲可能產生的一些炸彈

當APA框架解析語音時，它響應參與者以便能夠檢查指令是否被正確理解。參與者可以通過重復一個元素來輕松地在任何時候糾正APA的輔助理解。參與者也可以在任何時候通過問“你知道了什么？”和其他類似的問題讓助手進行回顧。參與者參看了Alexa平臺配置（翻譯并解釋過的語音命令）和處理文本化命令的Python代碼以及驅動前端應用程序的Web技術。接下來，參與者被給予再次嘗試的機會，他們對游戲的功能有了更高的技術理解。

四、研究發現

對304名參與者的調查結果為支持數字教育游戲特征WHI動機和吸引力的性別差異提供了實證證據。他們有的支持動機有的反對動機。也就是說，一個標準并不適合所有方面。這項調查的結果支持教育學家、研究人員以及數字教育游戲設計者，以一種包容（inclusive approach）的方法創設數字教育游戲的學習。對于第一個假設，實驗結論十分明確：采用“大聲說程序”方法是完全可以教授復雜程序結構和概念的。對于第二個假設，實驗結果是經驗式的，借助參與者問卷得出結論。對于對照組（傳統GUI游戲），需要對從評估問卷收集來的數據進行定性和定量分析，以分別比較兩個游戲對于參與的女孩和男孩的吸引力。

（一）游戲對參與的男孩和女孩的吸引力的比較

對使用問卷收集的數據進行分析，用以確認在游戲的吸引力方面是否存在顯著差異，同時需要考慮到它們包含從探索性研究所獲得的有選擇的顯著游戲特征的變量，結果如圖4所示。分析表明，女孩們發現“迷失的宇航員”比“迷失的河馬”更吸引人；男孩們則發現“迷失的河馬”比“迷失的宇航員”更吸引人。

圖4 “迷失的宇航員”和“迷失的河馬”對參與

游戲的男孩和女孩的吸引力比較

為了在抽樣總體的情境下定量地檢驗該結果，我們進行了統計分析以確定數據分布的正態性，測定結果是否具有一般性。通過正態檢驗，確認數據在抽樣總體內的分布。

使用Kurtotic檢驗（Doane & Seward， 2011）、方框圖和夏皮羅-威爾克檢驗（Razali & Wah， 2011）等方法進行測試。有跡象表明，數據并非一致地近似正態分布。對所有試驗數據進行重復試驗，最后確定它們不滿足正態分布。因此，假定分析所獲得的數據不是正態分布的，不使用參數分析工具進行定量分析，而是采納非參數測試方法測量兩個獨立樣本（“迷失的宇航員”和“迷失的河馬”）之間的差異。使用Mann-Whitney測試檢驗游戲對于年齡在11-14歲女孩和男孩參加者的吸引力差異之重要性，測試的結果如表2所示。游戲對女孩的吸引力的平均等級值為64.10，對男孩的吸引力的平均等級值為76.95，差異顯著。

表2 游戲吸引力測試結果的性別等級

Ranks

[ 性別 數量 平均等級 總和 迷失的

宇航員 女 80 64.10 5，128.00 男 58 76.95 4，463.00 總計 138 ]

此外，表3所示的測試統計表明，女孩和男孩之間吸引力值的分布存在統計學意義上的顯著差異（z=-2.154， p=.031）。測試統計的無效假設是：如果p>0.05，那么參與的女孩和男孩對游戲的吸引力沒有顯著差異。因為p=0.031<0.05，無效假設不成立，那么就意味著游戲對參加的女孩和男孩在吸引力方面存在顯著差異。也就是說，有證據表明，在這項試驗中“迷失的宇航員”對女孩的吸引力和“迷失的河馬”對男孩的吸引力之間具有統計學意義上的顯著差異。

表3 游戲吸引力差異的統計測試

測試統計a

[ 游戲 曼-惠特尼U 1，888.000 威爾克森W 5，128.000 Z -2.154 阿西普西格（雙側檢驗） 0.031 ]

（二）采用“大聲說程序”方法設計教育游戲的實驗結果

我們對從調查問卷中獲取的數據集進行了分析，采用描述喜歡程度的Likert五級量表，如“這項活動對你的編程認知有多大的積極影響？”等。圖5顯示了來自參與者初始響應的定性評價，表明它是一個能夠影響計算機編程學習意愿的性別包容性工具。

圖5 調查結果中的定性評價

五、研究結論和建議

計算機輔助教學廣泛應用于個性化學習，并且可以通過人工智能來增強這一應用。AI工具（如ASK）中語音交互技術的出現提供了利用人工智能將序列性敘事轉化成交互式編程的機會。綜上所述，為了實現層次化教學目標，圍繞“大聲說程序”，我們設計了可以回應音頻命令的私人助理，為學習者提供了一個以知識地圖為基礎的教學法以觸發對話。

評估參與者的評價意見分析表明，APA框架可以被用作一個包容性的工具，提高女性和男性學習計算機編程技能的意愿。我們在評測中引入的游戲是使用Python構建的，ASK最近升級了自動機以使用故事板創建任何文本冒險游戲，無須直接編寫代碼。接下來我們準備探索使用開源故事線工具TWIN構造教和學的狀態自動機，通過使用通用技能本身開發一種ASK技能來加強學習。我們準備更進一步將英國開放大學的交互式計算機批改作業教學系統（iCMA）設計為一個通用的ASK技能。我們也希望在未來將APA框架應用于使用Java語言學習編程的會話式學習過程中。由于學習和教學的概念是獨立于語言選擇的，我們可以部署試驗到其他的環境，如在中國國家開放大學的動畫教學中進一步擴大參與度。

從遠程教育的目標來看，“大聲說程序”教學法是一個新穎的探索和嘗試。同傳統的面授教學方法相比，遠程教育的局限性是缺乏教學的親和度。雖然通過電子郵件、遠程網站設計、虛擬對話應用等，能夠把教育者和學習者的距離縮短，接近傳統面授教學的效果。但是，這種網絡教學并不能擴大受眾范圍，學習者數量的增加必然導致教育者在每個學習者身上關注時間的減少，從而容易影響到教學質量。MOOC教學法不及傳統遠程教育的教學質量，其根源很大程度上是由于教育者的時間沒有保證。因此，自動化教學過程是一個理想的程序設計授課方式。從遠程教育的社會意義來說，增加學習者的參與度，“有教無類”是一個極為重要的宗旨。對計算機科學領域而言，程序設計是對性別差異敏感的科目。如果在教學法中注意到這一點，就可以有目的地選取教學材料，調整問卷內容。這也是我們在未來計劃實現的目標。從已有的實踐看來，我們的設計方法能夠在一定程度上緩解學習者的性別焦慮。

致謝

感謝英國開放大學eSTEeM基金對Ask Program Aloud和Learner Gender Diversity項目的資助，也感謝ERC Advanced Grant on Adaptive Security and Privacy的財政支持。特別感謝英國皇家計算機博物館對群體實驗的場地支持。

[參考文獻]

Aleven， V.， Roll， I.， McLaren， B. M.， & Koedinger， K. R. （2016）. Help helps， but only so much： Research on help seeking with intelligent tutoring systems. International Journal of Artificial Intelligence in Education， 26， （1）， 205-223.

Amazon： Alexa Skills Kit. Retrieved from https：//developer.amazon.com/alexa-skills-kit

Bayraktar， S. （2001）. A meta-analysis of the effectiveness of computer-assisted instruction in science education. Journal of Research on Technology in Education， 34， （2）， 173-188.

Beck， J.， Stern，M.， & Haugsjaa， E. （1996）. Applications of AI in Education. Crossroads， 3， （1）， 11-15.

Boyle， E.， Connolly， T. M.， & Hainey， T. （2011）. The role of psychology in understanding the impact of computer games. Entertainment Computing， 2， （2）， 69-74.

Carbonaro， M.， Szafron， D.， Cutumisu， M.， & Schaeffer， J. （2010）. Computer-game construction： A gender-neutral attractor to Computing Science. Computers & Education， 55， （3）， 1098-1111.

Carbonell， J. （1970）. AI in CAI： An artificial-intelligence approach to computer-assisted instruction. IEEE transactions on man-machine systems， 11， （4）， 190-202.

Christmann， P. E.， & Badgett， L. J. （2003）. A meta-analytic comparison of the effects of computer-assisted instruction on elementary students academic achievement. Information Technology in Childhood Education Annual， 1， 91-104.

De Jean， J.， Upitis， R.， Koch， C.， & Young， J. （1999）. The story of ‘Phoenix Quest： How girls respond to a prototype language and mathematics computer game. Gender and Education， 11， （2）， 207-223.

Denner， J.， Werner， L.， & Ortiz， E. （2012）. Computer games created by middle school girls： Can they be used to measure understanding of computer science concepts？. Computers & Education， 58， （1）， 240-249.

Doane， D. P.， & Seward， L. E. （2011）. Measuring skewness： a forgotten statistic. Journal of Statistics Education， 19， （2）， 1-18.