Retrospectiva sobre trapaça com IA em CS240
Um curso introdutório de programação em C em uma universidade tornou-se um ponto de tensão sobre como lidar com o uso em larga escala de ferramentas de IA como o ChatGPT nos trabalhos dos alunos. Comentadores examinam a política rígida de um professor de “sem IA, trabalhe sozinho” e sua retrospectiva após sinalizar quase metade da turma por suspeita de código gerado por IA, com muitos criticando o tom coercitivo das cartas de aviso e o efeito intimidador sobre a colaboração, enquanto outros defendem a necessidade de proteger os padrões acadêmicos e o valor de aprender fundamentos sem automação. A discussão se amplia para propostas como exames orais, programação supervisionada presencialmente e trabalhos redesenhados, e levanta questões mais amplas sobre se as universidades devem proibir a IA, integrá-la ao currículo ou migrar totalmente para métodos de avaliação que não possam ser terceirizados para máquinas.
Reações à Política Anti-IA e à Fiscalização
- Muitos veem a política (sem IA nos trabalhos, fiscalização rigorosa de similaridade) como rígida e desconectada da realidade, argumentando que, se ~50% dos estudantes quebram uma regra, o desenho do curso pode estar desalinhado com a realidade.
- Outros defendem a proibição de IA em cursos iniciais: usar LLMs é comparado a usar uma calculadora enquanto se aprende aritmética básica ou uma empilhadeira numa academia; isso contorna o objetivo de aprendizagem.
- Alguns comentaristas enfatizam a justiça: a trapaça disseminada prejudica estudantes honestos que competem por notas, vagas nos cursos e, depois, empregos; a fiscalização rigorosa é vista como necessária.
Carta-Modelo, Coerção e Devido Processo
- O formulário de notificação que ameaça encaminhamento ao decano, reprovação em disciplina ou zeros se os alunos admitirem “honestamente” o uso de IA é amplamente visto como coercitivo e estruturado para forçar confissões.
- Críticos dizem que, se o instrutor está confiante nas evidências, deveria aplicar as penalidades diretamente em vez de usar um processo de “admissão” cheio de pressão.
- Outros observam que a retrospectiva reconhece erros e apresenta um pedido parcial de desculpas, mas alguns sentem que o tom ainda permanece altamente defensivo e autojustificativo.
Colaboração vs. “Trabalhar Sozinho”
- A linguagem “não trabalhe com outros estudantes / não olhe os arquivos dos outros” é descrita como anti-colaborativa e contrária à forma como os seres humanos aprendem.
- Os defensores argumentam que, nesse nível, os detalhes de implementação são simples e a colaboração facilmente vira cópia; os monitores (TAs) são posicionados como o canal seguro de ajuda.
- Há preocupação de que políticas que tratam a “exposição inadvertida” como violação criem ansiedade até mesmo para conversar com colegas ou TAs, e podem favorecer estudantes mais conectados socialmente.
Avaliação na Era dos LLMs
- Vários propõem migrar para provas presenciais supervisionadas, exames orais ou demonstrações de código ao vivo para testar o entendimento diretamente, aceitando que o trabalho para casa será assistido por IA.
- Outros sugerem avaliação baseada em projetos com questionamento presencial ou modificações de última hora para distinguir compreensão genuína de “vibe coding” com IA.
- A escalabilidade de avaliações orais/interativas para turmas grandes (por exemplo, 600 estudantes) é apontada como uma grande limitação.
Design do Curso e Uso de Recursos da Linguagem
- Alguns estudantes naturalmente explorariam recursos como
malloc,sizeofou outros construtos de C e se ressentem de serem implicitamente suspeitos de trapaça por fazer isso. - A perspectiva do instrutor (como descrita no debate) é que tais recursos frequentemente se correlacionam com soluções copiadas e podem desviar dos objetivos de aprendizagem pretendidos; eles foram desencorajados, não proibidos, e seguidos por conversas breves em vez de acusações automáticas.
Reflexões Mais Amplas sobre a Academia e a Trapaça
- As opiniões variam de “tolerância zero, expulsem os trapaceiros” a “a trapaça é sintoma de incentivos desalinhados e de diplomas excessivamente vocacionais”.
- Há debate sobre se as universidades deveriam adotar a IA como ferramenta central ou tratá-la como ameaça, e se os cursos de CS deveriam focar mais em habilidades da era da IA, como o uso eficaz de LLMs.
- Alguns veem grandes turmas, métricas burocráticas e uma cultura voltada primeiro à pesquisa como fatores subjacentes tanto ao mau ensino quanto às políticas adversariais de integridade acadêmica.