evidoria

← Voltar à navegação

Boa prática Importada

A «surpresa GPT» — ensaio aleatorizado de Stanford (Code in Place) com chat GPT-4 para 5831 aprendentes em 146 países

Estados Unidos da América · Stanford · Ver o perfil de Estados Unidos da América · Ver o perfil de Stanford

Top 25% 60/100 · Pergunte a Evidence Copilot sobre esta prática

Num curso de programação online gratuito de Stanford, oferecer aleatoriamente chat GPT-4 a 3581 de 5831 aprendentes ativos reduziu em média a participação em exames, trabalhos e sessões, mas quem o adotou teve melhores resultados; a participação subiu em países de baixo IDH.

Detalhes

Promotor
Stanford University — Code in Place
Período
2023 cohort; paper presented at L@S 2025
Palavras-chave
online learning, introductory programming, generative AI tutoring, randomised trial

Descrição

O Code in Place é o curso gratuito e online de introdução ao Python de Stanford, com sessões em pequenos grupos conduzidas por voluntários. Num artigo da Learning @ Scale 2025, Allen Nie, Chris Piech e colegas descrevem um ensaio aleatorizado numa coorte de 8762 inscritos de 146 países. O grupo experimental foi formado pelos 5831 estudantes ainda ativos após a semana 1, distribuídos 60% para tratamento (n=3581) e 40% para controlo (n=2250). Os estudantes tratados receberam uma interface específica do curso para o GPT-4.
Em média, divulgar e oferecer a ferramenta reduziu significativamente a participação em exames (a estimativa de acesso indicada é de cerca de −4,3 pontos percentuais) e diminuiu também a participação nos trabalhos de casa e a presença nas sessões. Os estudantes que realmente adotaram a ferramenta mostraram, contudo, benefícios positivos no desempenho nos exames. Para estudantes de países com baixo índice de desenvolvimento humano, o acesso aumentou em média a participação nos exames, o que aponta para efeitos desiguais consoante o contexto.
Os autores sublinham que os efeitos a mais longo prazo no sucesso dos estudantes continuam por esclarecer e que as comparações entre adotantes não são puramente aleatorizadas. O caso é valioso por combinar uma amostra aleatorizada muito grande com uma tensão clara: o chat com LLM pode ajudar quem o usa, mas reduzir o envolvimento global.

Implementação

Os detalhes de implementação (custo, prazo, equipa, condições de sucesso) ainda não estão disponíveis para esta prática.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Práticas semelhantes que podem ser úteis