أزمة البرمجة الحيوية: لماذا لم يعد بإمكان خريجي علوم الكمبيوتر البرمجة بدون الذكاء الاصطناعي بعد الآن

في موضوع على Reddit في مارس 2026 تجاوز سريعًا 8,000 تصويت مؤيد، نشر مهندس كبير في شركة ناشئة في مرحلة Series-B لقطات شاشة لاختبار منزلي رفضه للتو. المرشح، خريج حديث من برنامج علوم حاسوب محترم بمعدل 3.9، قدّم كودًا يعمل بشكل ممتاز على المسار السعيد ويُفسد البيانات بصمت في كل حالة حافة. عندما طُلب منه شرح المنطق في مكالمة متابعة، لم يستطع المرشح أن يفسر لماذا تستخدم إحدى دواله العودية. السطر الذي أنهى الموضوع كان جوابه الصريح: “أخبرت Claude بما نحتاجه وكتب لي هذا. عادةً لا أقرأ الكود إلا إذا لم يعمل.”

هذه هي أزمة الـ vibe coding، وبحلول 2026 انتقلت من تويتر المطورين إلى خطوط التوظيف، وجلسات مراجعة التوظيف، وبشكل متزايد إلى مكاتب رؤساء أقسام علوم الحاسوب الذين يحاولون فهم ما حدث لخريجيهم. صاغ المصطلح Andrej Karpathy في فبراير 2025 لوصف نمط عمل إيجابي جديد: صِف نيتك، اقبل ما يُنتجه النموذج، وأطلق. خلال عام واحد، أصبحت العبارة نفسها اختصارًا في المجال لجيل من المبرمجين الذين يمكنهم كتابة مطالبات (prompts) بطلاقة لكنهم لا يستطيعون التفكير في ما يفعله كودهم فعليًا.

بالنسبة لمعلمي البرمجة، هذه ليست مشكلة افتراضية حول مستقبل العمل. إنها حالة طوارئ تربوية بصيغة الحاضر تتعلق بالطلاب الذين تُخرّجهم الآن. تستعرض هذه المقالة ما تُظهره الأبحاث والتقارير الميدانية فعليًا حول ضمور المهارات الناتج عن الذكاء الاصطناعي، ولماذا تكون مسيرة الطالب من CS1 حتى مشروع التخرج عرضةً بشكل فريد، وكيف تقوم مجموعة صغيرة لكنها متنامية من المعلمين بإعادة هيكلة المقررات لضمان أن يتخرج الطلاب قادرين على البرمجة — لا مجرد كتابة المطالبات.

ما الذي يعنيه الـ Vibe Coding فعلاً (ولماذا قال Karpathy إنه يجب أن يكون ممتعًا)

كان الإطار الأصلي لـ Karpathy محددًا. عنى الـ vibe coding قبول أن البرمجة في المشاريع الشخصية يمكن أن تبدو الآن وكأنها لعب إبداعي: تخبر النموذج بما تريد، فينتج الكود، ثم تُعدّل المطالبة بدلًا من الكود، وتُطلق شيئًا يعمل. أشار صراحةً إلى أنه لم يعد يقرأ الكود سطرًا بسطر في مشاريعه الجانبية. كان الإطار يدور حول المتعة والإنتاجية والملاحظة المشروعة بأن المراجعة اليدوية الدقيقة مبالغ فيها للكود التجريبي منخفض المخاطر.

ثم انتشر المصطلح في المجال الأوسع، حيث استقر في سياقين مختلفين تمامًا:

• المهندسون الكبار الذين يستخدمونه عمدًا: يتعاملون مع الكود المُولّد بالذكاء الاصطناعي كمسودة، يقرؤونه ويعيدون هيكلته قبل الـ commit، يستخدمون الذكاء الاصطناعي لتخطي الكود التكراري لكنهم يطبقون عقودًا من التعرف على الأنماط لتقييم المخرجات. هذا ما وصفه Karpathy، وهذا ينجح.
• المهندسون المبتدئون والطلاب الذين يتبنونه كنمطهم الافتراضي: يتعاملون مع الكود المُولّد بالذكاء الاصطناعي كمنتج نهائي، يقبلونه دون قراءة، يقومون بالتصحيح فقط عندما تفشل الاختبارات، ويلجؤون إلى مهندس كبير أو معلم فقط عندما يعجز الذكاء الاصطناعي عن إصلاح مخرجاته. هذا ما لم يكن Karpathy يصفه، وهذا لا ينجح.

المشكلة التربوية هي المجموعة الثانية، وهم يشكلون غالبية الطلاب الملتحقين ببرامج علوم الحاسوب في 2026. Karpathy نفسه تراجع عن إطاره لاحقًا في 2025، مشيرًا إلى أن الـ vibe coding منطقي للخبراء في المشاريع الشخصية ومُدمّر للجميع الآخرين.

نمط ضمور المهارة بالأرقام الحقيقية

الأدلة الآن وفيرة، وتشير إلى اتجاه واحد. وجد تحليل نشره CodeRabbit في ديسمبر 2025، شمل طلبات السحب (pull requests) عبر مئات مستودعات المصدر المفتوح، أن الكود الذي شارك في تأليفه الذكاء الاصطناعي التوليدي احتوى تقريبًا على 1.7× ضِعف عدد المشكلات “الكبرى” مقارنة بالكود المكتوب يدويًا. أخطاء المنطق (تبعيات غير صحيحة، تدفق تحكم معيب) والثغرات الأمنية كانت كلاهما مرتفعتين بشكل ملحوظ، مع ظهور عيوب أمنية بمعدل 2.74× ضِعف معدل الكود البشري.

أجرى تقرير لـ TechSpot في أواخر 2025 استطلاعًا للمطورين العاملين حول الآثار المعرفية لتدفقات عمل الـ vibe coding المفروضة. النمط المُبلَّغ عنه شائعًا: ارتفاع وقت التصحيح، وتراجع القدرة على محاكاة الكود ذهنيًا، وتدهور الحدس لما يبدو عليه كود الجودة الإنتاجية. وصف أحد المطورين تجربته بعد ستة أشهر من العمل بأسلوب vibe-first بأنه “فقدان الذاكرة العضلية” لحل المشكلات كليًا.

جاء أوضح توضيح من مطور أجرى تجربة لمدة 30 يومًا في أوائل 2026: لا مساعدة من الذكاء الاصطناعي لمدة شهر، ثم التأمل في الفرق. أصبح المنشور على dev.to، برمجت دون ذكاء اصطناعي لمدة 30 يومًا: كانت النتائج مُحرجة، من أكثر مقالات المطورين انتشارًا في العام. النتيجة الجوهرية: مهندس كبير عامل بثماني سنوات من الخبرة لم يعد قادرًا على كتابة اجتياز شجرة ثنائية بسيطة من الذاكرة. كانت المهارة قد أُسندت ثم تآكلت بهدوء.

إذا كانت عضلة التصحيح لدى مهندس كبير عامل تتدهور خلال أشهر من الاعتماد على الذكاء الاصطناعي، تخيل المسار لطالب CS1 الذي لم يمتلك تلك العضلة قط — الذي كانت تجربته الكاملة في البرمجة عبر نموذج لغوي كبير يُنتج حلًا يعمل في غضون عشر ثوانٍ من رؤية بيان المشكلة.

لماذا تعليم البرمجة معرّض للخطر بشكل فريد

تتعامل مجالات أخرى مع الذكاء الاصطناعي في التعليم بشكل غير كامل، لكن معظمها لا تزال تمتلك أُطُر تقييم سليمة. لا يزال بإمكان طالب الأدب أن يُطلب منه مناقشة مقطع في حلقة دراسية. لا يزال بإمكان طالب الكيمياء أن يُطلب منه إجراء تجربة معملية. لا يزال بإمكان طالب الرياضيات أن يُطلب منه اشتقاق برهان على السبورة. تعليم البرمجة لا يمتلك أيًا من هذه أنماط التقييم السليمة. تقريبًا كل تكليف برمجي هو واجب منزلي، يُقيَّم بناءً على ما إذا كان الكود يجتاز الاختبارات — وذكاء اصطناعي عام 2026 يجتازها بسهولة.

هذا يخلق ثلاث نقاط ضعف خاصة بتعليم البرمجة:

• حلقة التكليف-الاختبار قابلة للأتمتة بالكامل. يقرأ Codex وClaude Code وCursor التكليف، ويكتبون الكود، ويُشغّلون مجموعة الاختبارات، ويتكررون على الإخفاقات، ويُقدّمون حلًا يعمل. الدورة الكاملة التي يُفترض أن يؤديها الطالب — فهم المتطلبات، تصميم الحل، تنفيذه، تصحيحه — يمكن أن يؤديها الذكاء الاصطناعي بسرعة أكبر مما يقرأ بها الطالب المواصفات.
• التقييم المباشر مكلف لوجستيًا. لا يمكن لصف CS1 يضم 200 طالب أن يُجري واقعيًا دفاعًا شفويًا مدته خمس دقائق على كل تكليف دون استهلاك عشرين ساعة من وقت المعيدين لكل دورة تكليف. النموذج الاقتصادي لمقررات علوم الحاسوب الكبيرة يفترض تصحيح الواجبات المنزلية بشكل غير متزامن.
• الغش غير مرئي للطالب. الطالب الذي ينسخ مقالًا يعلم أنه غش. الطالب الذي يطلب من ذكاء اصطناعي حل تكليف قد لا يُسجّل ذلك كغش — القاعدة الاجتماعية تغيّرت أسرع من السياسة، والفعل يبدو غير قابل للتمييز عن البحث عن شيء ما. بحلول الوقت الذي يصلون فيه إلى السنة الأخيرة ويحتاجون للتفكير بأنفسهم، يكونون قد قضوا أربع سنوات دون بناء أي مهارة ذات صلة.

النتيجة هي خط تخرج يُنتج طلابًا بمؤهلات لم تعد ترتبط بالمهارة. يتجاوز مديرو التوظيف في 2026 بشكل متزايد السيرة الذاتية والمعدل لصالح التقييم التقني المباشر، وذلك بالضبط لأن نظام منح الشهادات قد انفصل عن القدرة الكامنة.

كيف يبدو “عدم تعلّم شيء” في ساعات المكتب لقسم علوم الحاسوب

إذا كنت تُعلّم البرمجة، فمن المحتمل أنك رأيت هذا النمط، حتى لو لم تُسمِّه بعد. لقد جمعنا أكثر الإشارات التشخيصية شيوعًا من معلمين عبر مقررات CS1 وهياكل البيانات ومشروع التخرج في أواخر 2025 وأوائل 2026.

• الطالب لا يستطيع إيجاد الخطأ في كوده. التقديم عمل بشكل ممتاز. اختبار وحدة جديد يفشل. يفتح الطالب الملف، ينظر إلى الكود كأنه يراه لأول مرة، يُمرّر لأعلى ولأسفل دون فرضية، ويقول في النهاية “سأطلب من Claude أن يخبرني ما الخطأ.” ردة الفعل الأولى تجاه اختبار فاشل هي اللجوء إلى الذكاء الاصطناعي بدلًا من تكوين فرضية.
• الطالب لا يستطيع الإجابة على “لماذا”. عند سؤاله “لماذا استخدمت hash map هنا بدلًا من مصفوفة”، الإجابة هي “هذا ما اقترحه الذكاء الاصطناعي.” الاختيار تم؛ المنطق وراءه لم يُستوعب أبدًا. لا يوجد نموذج إدراكي تحت الكود.
• الطالب لا يستطيع عمل تعديل صغير. “عدّل هذا ليتعامل أيضًا مع الأرقام السالبة” يجب أن يكون تحريرًا مدته ثلاثون ثانية. بالنسبة للطالب المعتمد على الذكاء الاصطناعي، يصبح جلسة مطالبة مدتها خمس دقائق لأنه يحتاج إلى إعادة تغذية القيد إلى النموذج بدلًا من التفكير في أين في الكود الموجود يجب أن يذهب التعديل.
• الطالب طليق في الأدوات، أمّي في المشكلات. يمكنه تكوين Vercel، وبناء مكوّن React، وإعداد قاعدة بيانات Postgres، والنشر باستخدام Docker. يمكنه استخدام سلسلة الأدوات الحديثة بأكملها. اطلب منه تنفيذ خوارزمية quicksort. صمت.
• كشف مشروع التخرج. مشروع التخرج، اللحظة التي يجب أن تؤتي فيها المهارات المتراكمة ثمارها، يصبح بشكل متزايد لحظة الكشف عن الغياب المتراكم للمهارة. الفرق التي vibe-codet طريقها من CS1 حتى السنة الثالثة تصل إلى مشروع التخرج عاجزة عن تصميم نظام، عاجزة عن تفكيك ميزة، عاجزة عن التعامل مع الأجزاء من البرمجة التي يُؤديها الذكاء الاصطناعي بأسوأ شكل.

الحل التربوي: عامل إجادة الذكاء الاصطناعي كمهارة حقيقية (واجعلها قابلة للاكتساب)

المعلمون الذين يديرون هذا الانتقال بنجاح ليسوا أولئك الذين يطبقون أشد سياسات حظر الذكاء الاصطناعي. بل هم الذين أعادوا بناء المقررات حول تمييز واضح: الذكاء الاصطناعي أداة يجب أن يتعلم الطلاب استخدامها جيدًا، ويجب أن يُظهر الطلاب بشكل مستقل المهارات المعرفية التي يُمارسها الذكاء الاصطناعي. هذان المتطلبان ليسا متعارضين — إنهما متكاملان، والمقررات التي تتقن ذلك تُنتج خريجين يتفوقون على كل من الـ vibe-coders والمجموعات المحظور عليها الذكاء الاصطناعي.

أنماط التصميم المحددة التي نراها تعمل في مقررات البرمجة لعام 2026:

• 1. التكليف ذو المسارين. كل تكليف يحتوي على جزء “فردي” (لا يُسمح بالذكاء الاصطناعي، غالبًا مكوّن صغير داخل الفصل) وجزء “بأدوات” (يُسمح بالذكاء الاصطناعي لكن موثّق). الجزء الفردي يلتقط ما يستطيع الطالب فعله حقًا. الجزء بالأدوات يُعلّمه أن يفعل أكثر.
• 2. إجادة الذكاء الاصطناعي ككفاءة مُقيَّمة. يُقدّم الطلاب المطالبات التي استخدموها، والردود التي حصلوا عليها، وتحليلًا لمواضع خطأ الذكاء الاصطناعي أو عدم كفاءته. تُعامل قراءة مخرجات الذكاء الاصطناعي بشكل نقدي كهدف من أهداف المقرر، لا كحل التفافي.
• 3. تقييمات للتصحيح فقط. يُمنح الطلاب كودًا عاملًا مُولّدًا بالذكاء الاصطناعي يحتوي على أخطاء دقيقة (off-by-one، حالة أساس خاطئة، فحص null مفقود، ثغرة أمنية) ويُقيَّمون على قدرتهم على إيجادها وإصلاحها. هذا يدرّب المهارة التي يُؤديها الذكاء الاصطناعي بأسوأ شكل والتي يُثمنها أصحاب العمل أكثر من غيرها.
• 4. تقييم العملية المرئي. سجل commits مطلوب، تعليقات إلزامية تُوثّق قرارات التصميم، شروحات مُسجلة. لم يعد الناتج وحده هو كامل الدرجة.
• 5. محادثات تقنية مباشرة. مكوّن شفوي قصير ومنظم في كل تكليف ذي أهمية. خمس دقائق لكل طالب، مُركّزة على سؤال أو سؤالين تشخيصيين. الاحتكاك حقيقي؛ الإشارة ممتازة.
• 6. التحقق من الأصالة على مستوى النظام. أدوات مثل Plagly.ai تفحص التقديمات بحثًا عن أنماط توليد الذكاء الاصطناعي، والتجانس الأسلوبي على مستوى المجموعة، وغياب آثار التأليف التكراري التي يُظهرها عمل الطالب الحقيقي عادةً. هذا ليس الدرجة؛ إنه إشارة تُظهر التقديمات التي تستحق محادثة في ساعات المكتب.

طبقة الأدوات التي تجعل هذا عمليًا

الاعتراض الأكبر على النموذج أعلاه لوجستي. الصفوف الحقيقية بها مئات الطلاب؛ المعلمون الحقيقيون لا يملكون الوقت لقراءة كل تقديم سطرًا بسطر، أو إجراء دفاع شفوي عن كل تكليف، أو ملاحظة أنماط على مستوى المجموعة بالعين. يجب أن تُجري الأدوات الفحص السطحي ليُمكن للإنسان تطبيق الحكم على الحالات التي تهم.

كيف يبدو هذا عمليًا لقسم CS1 يضم 200 طالب:

• الفحص الآلي للتقديمات: يمر كل ملف مرفوع بفحص كشف الذكاء الاصطناعي الذي يُعيد درجة ثقة ومؤشرات لكل كتلة. تُجري Plagly.ai هذا التحليل بدقة 99% عبر GPT-5.5 وClaude 4.6 وGemini 3.1 ونماذج رئيسية أخرى، بما في ذلك صيغ الكود المحددة التي تُفضّلها تلك النماذج.
• لوحة معلومات على مستوى المجموعة: يرى المعلم تجمع الأنماط الأسلوبية عبر الشعبة. عندما تشترك ثماني تقديمات في صياغة اصطلاحية، وكثافة تعليقات متطابقة، ونفس نمط التعامل مع حالات الحافة الدفاعية، يظهر التجمع للمراجعة.
• آثار التأليف: ينتج Agentic Council من Plagly.ai — سبعة نماذج خبيرة في المجال تُحلّل التقديم لجودة الكتابة والبنية واكتشاف الذكاء الاصطناعي والأصالة والاتساق — تقريرًا مُرجَّعًا. لا يُؤكد التقرير عدم النزاهة الأكاديمية؛ إنه يُوثّق الأنماط التي يمكن للمعلم التحقيق فيها.
• محادثات ساعات المكتب المُستهدفة: يحصل الطلاب الذين تظهر تقديماتهم على فحص شفوي مدته خمس دقائق. معظمهم يُبرَّأون سريعًا؛ العدد القليل غير المُبرَّأ يصبح الحالات التي يتعامل معها المعلم بعناية وبشكل موثّق.

ليس الهدف الإمساك بكل غاش. الهدف هو الحفاظ على حلقة التعلم سليمة للطلاب الذين يريدون التعلم. الصف بدون تحقق هو صف يُحدد فيه الطلاب الذين يخدعون النظام منحنى الدرجات، ويصبح الطلاب الذين يعملون بنزاهة المغفلين. الصف مع التحقق هو صف تظل فيه القاعدة الاجتماعية — التكاليف لا تزال تُعلّم، والدرجات لا تزال لها معنى، والخريجون لا يزالون قادرين على البرمجة.

آفاق الـ 18 شهرًا القادمة لتعليم البرمجة

معظم معلمي البرمجة العاملين الذين نتحدث معهم في 2026 يشاركون شعورًا بأن الوضع الحالي غير مستقر. التكليف المنزلي المُقيَّم بنجاح الاختبارات غير متوافق هيكليًا مع وجود أدوات برمجة وكيلية (agentic). شيء ما يجب أن يتغير. ثلاثة اتجاهات معقولة، بترتيب تصاعدي تقريبًا من حيث الاحتمالية:

• حظر كامل للذكاء الاصطناعي: ستحاول بعض المؤسسات، ومعظمها سيفشل. الحظر غير قابل للتنفيذ، والسياسات تصبح غير متسقة، والطلاب الذين يتبعون القواعد يتخرجون بمهارات أقل من الطلاب الذين لا يتبعونها. هذا هو نتيجة الأسوأ من العالمين، وقد فقد مصداقيته بالفعل في عدة جامعات حاولته في 2023-2024.
• تحوّل القدرات نزولًا في المنهج: CS1 يبدأ لاحقًا، مع تركيز أكبر على الأسس النظرية. CS2 يُغطي ما كان CS1 يُغطيه. تصبح المقررات المتقدمة أكثر نظرية لأن جزء التنفيذ لم يعد المكان الذي يحدث فيه التعلم. هذا يحدث، ببطء.
• تحوّل التقييم نحو العرض المباشر: تصبح الواجبات المنزلية تكوينية. تُحدَّد الدرجات التحصيلية من خلال البرمجة المباشرة تحت إشراف، والدفاعات الشفوية، والعمل ذي العملية المرئية. هذا هو الاتجاه الذي تتحرك فيه بالفعل أقوى برامج علوم الحاسوب، وهو الاتجاه الذي نعتقد أن معظم البرامج ستستقر فيه في النهاية.

لا تحل أي من هذه النتائج مسألة ما يجب القيام به في هذا الفصل الدراسي مع الطلاب لديك. ولتحقيق ذلك، فإن الخطوة العملية هي خطوة هجينة: احتفظ بمهامك الحالية، وأضف طبقة تحقق تلتقط أسوأ الحالات، وقم بطبقة مكون أو اثنين من مكونات التقييم الشخصي لكل دورة، وابدأ العمل الأبطأ لإعادة تصميم المنهج الدراسي لعالم حيث الذكاء الاصطناعي الوكيل هو خط الأساس. تتيح لك أدوات التحقق الوقت لإعادة تصميم المنهج الدراسي دون فقدان هذه المجموعة النموذجية للبرمجة في هذه الأثناء.

الأسئلة الشائعة

هل الـ vibe coding دائمًا سيء، أم أنه أحيانًا مشروع؟

إنه مشروع للمطورين ذوي الخبرة الذين يعملون على مشاريع شخصية منخفضة المخاطر حيث تكون تكلفة الأخطاء منخفضة وحيث يمتلك المطور المهارة الكامنة لتقييم المخرجات عند أهميتها. إنه مُدمّر للطلاب الذين ما زالوا يبنون المهارة الكامنة، لأنه يختصر العمل المعرفي الذي من المفترض أن يُطوّره تعليم البرمجة. الفرق يُشبه تقريبًا الفرق بين شيف يطلب طعامًا جاهزًا (لا بأس) وطالب طبخ يطلب طعامًا جاهزًا في امتحانه النهائي (ليس على ما يرام). كلاهما يتلقى طعامًا لم يُعدّه. واحد فقط يُقوّض مشروع التعلم.

هل يستطيع الطلاب الادعاء أنهم كتبوا الكود المُكتشف ذكاءً اصطناعيًا بأنفسهم؟

يستطيعون، وأحيانًا يكونون مُحقين. النتائج الإيجابية الكاذبة في كشف الكود تكون أكثر شيوعًا عندما يكتب الطلاب كودًا بأسلوب مدرسي بحت يصادف أن يتطابق مع الأنماط التي يُنتجها الذكاء الاصطناعي عادةً. سير العمل القابل للدفاع لا يُعامل درجة الكشف كحُكم — إنه يُعاملها كحافز لمحادثة مدتها خمس دقائق. الطالب الذي كتب كوده الخاص يستطيع شرحه، وتعديله فوريًا، وتتبع تنفيذه. الطالب الذي طلبه من ذكاء اصطناعي لا يستطيع غالبًا ذلك. المحادثة، لا الدرجة، هي ما يحسم السؤال. تقارير Plagly.ai مُصمَّمة لدعم تلك المحادثة، لا لاستبدالها.

كيف يختلف كشف الكود بالذكاء الاصطناعي عن كشف النص بالذكاء الاصطناعي؟

يستخدم كشف الكود أُسسًا إحصائية مشابهة — الحيرة (perplexity)، التدفقية (burstiness)، البصمة الأسلوبية — لكنه يُطبّقها على ميزات سطحية مختلفة. في الكود، الإشارات الأكثر إفادة هيكلية وليست معجمية: أنماط تسمية المتغيرات، وكثافة التعليقات وأسلوبها، وأسلوب استخدام المكتبات، والكود التكراري لمعالجة الأخطاء، واختيار البنى الاصطلاحية. تُحقق أدوات الكشف بأنظمة النماذج المتعددة دقة 90-95% على تقديمات الكود المعزولة في 2026، وترتفع جيدًا فوق 95% عندما يُجمع تحليل الأنماط على مستوى المجموعة مع التقييم على مستوى الملف.

ماذا عن الطلاب الذين يستخدمون الذكاء الاصطناعي حقًا كمعلم خصوصي دون نسخ مخرجاته؟

هذه هي الفئة التي صُمِّمت طبقة التحقق صراحةً لعدم معاقبتها. الطالب الذي استخدم الذكاء الاصطناعي لفهم مفهوم ثم كتب حلّه الخاص يُنتج كودًا لا يتطابق مع أنماط توليد الذكاء الاصطناعي على مستوى السطر. تلتقط إشارات الكشف الناتج، لا عملية البحث. إذا كانت سياسة مقررك تسمح بالذكاء الاصطناعي كمعلم خصوصي — ونعتقد أنها يجب أن تفعل — فإن سير العمل يستمر في النجاح. أنت تتحقق من التقديم، لا من طريقة تعلم الطالب.

هل يعمل هذا مع الدورات التدريبية القائمة على المشاريع والمشاريع النهائية؟

نعم مع التكيف بالنسبة لعمل المشروع الذي يستغرق عدة أسابيع ومتعدد الملفات، فإن الإشارات الأكثر فائدة تتحول نحو رؤية العملية: تحليل تاريخ الالتزام (هل ظهرت التعليمات البرمجية في التزام كبير واحد، أم أنها تطورت بمرور الوقت؟)، واتساق التأليف عبر الملفات (هل تُقرأ قاعدة التعليمات البرمجية كما لو أن شخصًا واحدًا كتبها، أو كما لو تم تجميع تصحيحات مختلفة معًا؟)، ووثائق قرار التصميم (هل يمكن للطالب شرح سبب اتخاذ خيارات معمارية محددة؟). تستفيد مشاريع Capstone أكثر من غيرها من الدفاع الشفهي المنظم بالإضافة إلى الأساس المنطقي للتصميم المكتوب، مع اكتشاف الذكاء الاصطناعي كإشارة ثالثة بدلاً من الإشارة الأساسية.