學(xué)術(shù)成果
人工智能賦能軟件測試教學(xué)改革
在大語言模型(LLMs)快速滲透軟件工程實(shí)踐的背景下,軟件測試人才培養(yǎng)正面臨新的結(jié)構(gòu)性挑戰(zhàn)。一方面,學(xué)生已廣泛將大語言模型用于需求分析、測試設(shè)計(jì)與腳本生成等任務(wù),但其使用方式往往缺乏系統(tǒng)指導(dǎo),呈現(xiàn)出明顯的“工具依賴”傾向;另一方面,現(xiàn)有研究多聚焦于大語言模型是否提升結(jié)果質(zhì)量,卻忽視了其對學(xué)習(xí)行為與認(rèn)知過程的深層影響。我們的研究發(fā)現(xiàn),學(xué)生在實(shí)際測試任務(wù)中普遍存在提示設(shè)計(jì)不充分
機(jī)構(gòu)動態(tài)