Mācīt programmēšanu ar DI, neradot vibe coderus: 2026. gada pedagoģiskais ietvars

Ja jÅ«s mācāt programmÄ“Å¡anu 2026. gadā, jums ir divi varianti, kas nedarbojas, un viens, kas darbojas. Divi varianti, kas nedarbojas, ir labi zināmi: aizliegt MI jÅ«su kursā (nav iespÄ“jams Ä«stenot, aizdzen izmantoÅ¡anu pagrÄ«dÄ“ un padara absolventus nesagatavotus industrijai) vai atļaut studentiem brÄ«vi izmantot MI (rada absolventus, kuri prot rakstÄ«t vaicājumus, bet neprot domāt). Variants, kas darbojas, ir sarežģītāks. Tas prasa no jums pārveidot to, kā MI piedalās mācÄ«Å¡anās ciklā — nevis kā problÄ“mu risinātājs, nevis kā aizliegts rÄ«ks, bet gan kā rÅ«pÄ«gi strukturÄ“ts mācÄ«Å¡anās asistents, kurÅ¡ atgriež kognitÄ«vo darbu studentiem, to paÅ¡u darbu, ko MI tikko gatavojās paveikt viņu vietā.

Šis ir pedagoģiskais karkass (framework), kas jums nepieciešams. Ne noteikumu par MI saraksts. Ne ginklošanās sacensības noteikšanā. Reāla mācīšanas sistēma, kas balstīta uz trim desmitgadēm pētījumu mācīšanās zinātnēs par sastatnēm (scaffolding) un tuvākās attīstības zonu (zone of proximal development), pielāgota autonomu programmēšanas rīku ērai, kas spēj atrisināt jebkuru mājasdarbu.

Å Ä« rokasgrāmata ir paredzÄ“ta programmÄ“Å¡anas pasniedzÄ“jiem, kuri vÄ“las izveidot mācÄ«bu programmu, kas rada Ä«stus programmÄ“tājus 2026. gadā. MÄ“s apskatÄ«sim pedagoÄ£iskos pamatus, septiņu soļu karkasu programmÄ“Å¡anas mācÄ«Å¡anai ar MI, auditorijas modeļus, kurus esam redzÄ“juÅ¡i strādājam no CS1 lÄ«dz baigajiem projektiem, un verifikācijas lÄ«meni — ieskaitot Plagly.ai — kas padara Å¡o karkasu praktisku lielā mÄ“rogā.

Kāpēc abas galējības piedzīvoja neveiksmi 2024.–2025. gadā

Divu gadu eksperiments ir beidzies, un verdikts ir pasludināts. Programmas, kas pilnÄ«bā aizliedza MI (neliela datorzinātņu nodaļu daļa 2024. gadā), redzÄ“ja, kā noteikumu ievÄ“roÅ¡ana sabrÅ«k viena semestra laikā, studenti slepeni apej noteikumus, un prāva starp viņu studentiem un darba tirgu tikai paplaÅ¡inās. Programmas, kas izvÄ“lÄ“jās pretÄ“ju pieeju — nekādu noteikumu, studenti izmanto to, ko vÄ“las, — radÄ«ja absolventus, kuri nespÄ“ja novÄ“rst savas kļūdas kodā. Darbā pieņemÅ¡anas vadÄ«tāji atbildÄ“ja, pievienojot dzÄ«vās programmÄ“Å¡anas intervijas un kompetences vÄ“rtÄ“jumus, kurus Å¡ie absolventi izgāza.

Abām neveiksmēm ir kopīgs cēlonis. Tās vērtēja MI kā jautājumu jā/nē, nevis kā pedagoģisku mainīgo. Pareizais jautājums nav par to, vai studentiem vajadzētu izmantot MI. Tas ir par to, kurā mācīšanās cikla vietā MI ir jāiejaucas un kādā režīmā. Tieši uz šo jautājumu atbild šis karkass.

Pedagoģiskie pamati: produktīva cīņa un sastatnes (Scaffolding)

Divi koncepti no mācÄ«Å¡anās zinātnÄ“m guļ visam, kas seko tālāk, pamatā. Pirmais ir produktÄ«va cīņa (productive struggle): kognitÄ«vais stāvoklis, kurā skolÄ“nam ir pietiekami daudz informācijas progresam, bet nepietiekami, lai to veiktu bez pÅ«lÄ“m. PÄ“tÄ«jumi konsekventi rāda, ka mācÄ«Å¡anās notiek tieÅ¡i produktÄ«vajā cīņā. Pārāk viegli uzdevumi nerada prasmes. Pārāk grÅ«ti uzdevumi rada tikai vilÅ¡anos. Ideālā vieta starp tiem — tuvākās attÄ«stÄ«bas zona — ir vieta, kur patiešām veidojas neironu ceļi problÄ“mu risināšanai.

Otrais koncepts ir sastatnes (scaffolding): pagaidu atbalsts, ko sniedz prasmīgāka persona (tradicionāli skolotājs, vienaudzis vai mācību grāmata), kas ļauj skolēnam darboties tieši ārpus savām neatkarīgajām iespējām. Sastatnes tiek noņemtas pakāpeniski, kad skolēns apgūst bāzes prasmi. Labas sastatnes neatrisina problēmu; tās atbalsta studentu patstāvīgā problēmas risināšanā.

Pedagoģiskais „vibe coding“ sabrukums kļūst acīmredzams šajā gaismā: LLM, kas sniedz gatavu risinājumu, sagrauj produktīvo cīņu, novēršot kognitīvo darbu, kas rada mācīšanos. Tas ir līdzvērtīgi personīgajam pasniedzējam, kurš atrisina katru uzdevumu, tiklīdz students sarauc pieri. Students paliek pie galda, bet mācīšanās nenotiek, jo nav cīņas.

PedagoÄ£iskā iespÄ“ja arÄ« ir acÄ«mredzama. Tā pati LLM, kas noregulÄ“ta saglabāt produktÄ«vo cīņu — uzdot diagnostiskus jautājumus, sniegt daļējas norādes, atteikties rakstÄ«t kodu, ko students vÄ“l nav izpelnÄ«jies redzÄ“t, — ir visspÄ“cÄ«gākais sastatņu rÄ«ks, kāds jebkad radÄ«ts. Tas ir pacietÄ«gs. Tas ir pieejams bez ierobežojumiem. Tas pielāgojas katram studentam. Tas nekad nekaitina. Tas pats modelis, kas sagrauj mācÄ«Å¡anos pie viena iestatÄ«juma, padara to iespÄ“jamu pie cita.

Jauns pÄ“tÄ«jums, kas publicÄ“ts arXiv platformā 2025. gada novembrÄ« (Scaffolding Metacognition in Programming Education), apstiprināja to empÄ«riski. PÄ“tÄ«jums atklāja, ka studenti uzsvÄ“ra, ka MI sistÄ“mām vajadzÄ“tu ”atturÄ“ties no pārāk ātras pilnÄ«gu atbilžu sniegÅ¡anas,” dodot priekÅ¡roku strukturÄ“tām pieejām ar soli pa solim norādÄ“m un pielāgojamiem jautājumiem. Studenti neprasÄ«ja mazāk MI palÄ«dzÄ«bas. Tie prasÄ«ja labāk izstrādātu MI palÄ«dzÄ«bu.

Septiņu posmu sistēma AI atbalstītai programmēšanas instrukcijai

Å eit ir karkass, ko esam pilnveidojuÅ¡i pÄ“dÄ“jo astoņpadsmit mÄ“neÅ¡u laikā kopā ar programmÄ“Å¡anas pasniedzÄ“jiem no CS1 lÄ«dz baigajiem projektiem. Tas dala mācÄ«Å¡anās ciklu septiņos atseviÅ¡Ä·os posmos un definÄ“, ko MI vajadzÄ“tu un ko nevajadzÄ“tu darÄ«t katrā posmā. Karkass ir obligāts — mÄ“rÄ·is ir sniegt pasniedzÄ“jiem standartu, ko tie var pielāgot, nevis bezgalÄ«gu variantu izvÄ“lni.

1. posms: Susidūrimas ar problēmu

Students lasa uzdevuma formulÄ“jumu. MI loma Å¡eit — nekāda. Studentam jāizveido sava pirmā izpratne pirms tiek atļauta jebkāda MI palÄ«dzÄ«ba. Å is noteikums nav sarunu objekts. Atļauja MI apkopot vai izskaidrot vaicājumu Å¡ajā posmā pārtrauc izpratni. Praktiski to var nodroÅ¡ināt ar auditorijas noteikumiem (”bez MI pirmās desmit minÅ«tes”), nodoÅ¡anas noteikumiem (obligāta rakstiska uzdevuma pārfrāzÄ“Å¡ana pirms MI palÄ«dzÄ«bas) vai vienkārÅ¡i caur konsekventi stiprinātām kultÅ«ras cerÄ«bām.

2. posms: Dekompozīcija (Decomposition)

Students sadala uzdevumu apakÅ¡uzdevumos. MI loma Å¡eit — diagnostiska jautāšana. Students raksta dekompozÄ«cijas melnrakstu, bet MI uzdod sokrātiskus jautājumus par to: ”Kas mainās, ja ievade ir tukÅ¡a?” ”Kā jÅ«su plāns apstrādā dublÄ“tos elementus?” ”Kurā jÅ«su apakÅ¡uzdevumu daļā notiek reālais algoritmisks darbs?” MI aizliegts piedāvāt savu dekompozÄ«ciju; tas var tikai pÄ“tÄ«t studenta dekompozÄ«ciju.

3. posms: Pieejas izvēle

Students nosaka algoritmisko stratÄ“Ä£iju (rekursija pret iterāciju, hash map pret array utt.). MI loma Å¡eit — salÄ«dzinošā analÄ«ze un kompromisi (trade-off). PÄ“c tam, kad students ir piedāvājis pieeju, MI var salÄ«dzināt to ar alternatÄ«vām, izskaidrot kompromisus un pajautāt, vai studenta izvÄ“le atbilst ierobežojumiem. MI neizvÄ“las. MI palÄ«dz studentam saprast, ko nozÄ«mÄ“ viņa izvÄ“le.

4. posms: Realizācija

Students raksta kodu. MI loma Å¡eit ir vissmalkākā. Pieeja pÄ“c noklusÄ“juma — tikai sintakses un idiomu atbalsts: MI var atbildÄ“t uz jautājumu ”kāda ir Python sintakse list comprehension, kas filtrÄ“ un transformÄ“,” bet ne ”uzraksti list comprehension, kas man nepiecieÅ¡ams Å¡im uzdevumam.” MI var izlabot sintakses kļūdu, bet ne pārveidot funkciju. Padziļinātiem studentiem vai bakalaura darbiem to var mÄ«kstināt: MI kā pāra programmÄ“tājs, kur students vada procesu. CS1 to darÄ«t nedrÄ«kst.

5. posms: Testēšana un kļūdu novēršana (Debugging)

Students palaiž testus un saskaras ar neveiksmÄ“m. MI loma Å¡eit — vadÄ«ta hipotežu Ä£enerÄ“Å¡ana. Kad tests piedzÄ«vo neveiksmi, MI nesaka ”kļūda ir 12. rindiņā.” Tas jautā: ”Kurā koda daļā, jÅ«suprāt, varÄ“tu bÅ«t kļūda? Ko atgriež jÅ«su funkcija, kad ievade ir tukÅ¡a? Pastāstiet man, kas notiek ar Å¡o testÄ“Å¡anas gadÄ«jumu solis pa solim.” TieÅ¡i Å¡eit notiek vislielākā mācÄ«Å¡anās, un kārdinājums saÄ«sināt ceļu ir vislielākais. Labi noregulÄ“ts MI Å¡eit trenÄ“ kļūdu novÄ“rÅ¡anas instinktu, kas ilgst visu karjeras dzÄ«vi. Slikti noregulÄ“ts MI to sagrauj.

6. posms: Pārkārtošana un refleksija

Studentam ir strādājoÅ¡s kods. MI loma Å¡eit — kritika un alternatÄ«vu sniegÅ¡ana. MI tagad var parādÄ«t, kā vecākais inženieris uzrakstÄ«tu to paÅ¡u kodu, izskaidrot, kāpÄ“c viņu versija ir labāka vai atÅ¡Ä·iras, un palÅ«gt studentam novÄ“rtÄ“t Å¡o salÄ«dzinājumu. Tas ir posms, kurā MI var bÅ«t visvairāk Ä£eneratÄ«vs — bāzes mācÄ«Å¡anās jau ir notikusi, un pievienotā vÄ“rtÄ«ba ir augstākas kvalitātes modeļu rādÄ«Å¡ana.

7. posms: Generalizācija (Generalization)

Studentam jāpārnes prasme uz nedaudz citādu uzdevumu. MI loma šeit atgriežas pie nekādas. Tiek piedāvāta neliela oriģinālās problēmas variācija, un students risina to bez MI palīdzības. Tas ir vērtēšanas brīdis. Ja students ir apguvis bāzes prasmi, variācija ir pilnīgi vienkārša. Ja tie to nav apguvuši, variācija atklāj prāvu.

Karkasa pārvēršana auditorijas modeļos

Karkass ir princips. Auditorijas modeļi zemāk — tā ir prakse. Katrs modelis pārvÄ“rÅ¡ vienu vai vairākus karkasa posmus konkrÄ“tā uzdevumā vai aktivitātÄ“. PasniedzÄ“ji konsekventi ziņo, ka tieÅ¡i Å¡ie modeļi darbojas.

• Divvirzienu uzdevums. Katram lielam uzdevumam ir daļa "solo" (7. posms generalizācijas, bez MI) un daļa "rÄ«ks" (1.-6. posms, MI sastatnes). Solo daļa ir Ä«sāka, bet tiek vÄ“rtÄ“ta tikpat daudz. Tas atklāj, ko students patiešām spÄ“j darÄ«t patstāvÄ«gi, ļaujot viņam mācÄ«ties no MI lielākā darbā.
• DekompozÄ«cijas nodoÅ¡ana vispirms. Pirms jebkāda koda rakstÄ«Å¡anas, students nodod rakstisku uzdevuma dekompozÄ«ciju. MI Å¡ajā posmā ir aizliegts saskaņā ar kursa noteikumiem. Tiek vÄ“rtÄ“ta domāšanas skaidrÄ«ba, nevis galÄ«gā pareizÄ«ba. Parasti tas veido 20-30% no uzdevuma vÄ“rtÄ“juma.
• MI tutors, kas uzdod jautājumus. Sniedziet studentiem specifisku kursam MI tutoru (sistÄ“mas vaicājums, kas nodroÅ¡ina karkasa 2.-5. posma uzvedÄ«bu), pie kura tiem jāvÄ“rÅ¡as pÄ“c palÄ«dzÄ«bas un kurÅ¡ atsakās dot gatavu kodu. Vairākas universitātes ir izveidojuÅ¡as šādas sistÄ“mas iekÅ¡Ä“ji; gatavi varianti, tādi kā AI Tutor no Code.org, ievieÅ¡ sokrātiskos principus tieÅ¡i.
• VÄ“rtÄ“jumi tikai no kļūdu novÄ“rÅ¡anas. Dodiet studentiem strādājoÅ¡u MI uzÄ£enerÄ“tu kodu ar smalkām kļūdām un novÄ“rtÄ“jiet viņu spÄ“ju tās atrast un izlabot. Tas trenÄ“ 5. posmu tieÅ¡i un apbalvo prasmi, kurā pats MI uzrāda sliktākos rezultātus.
• Vaicājuma un vÄ“rtÄ“Å¡anas uzdevums. Studenti raksta vaicājumus MI problÄ“mas risināšanai, vÄ“rtÄ“ rezultātu pÄ“c precizitātes un efektivitātes, nosaka jebkuras kļūdas vai stila problÄ“mas un nodod gan vaicājumu, gan izlaboto versiju. VÄ“rtÄ“ brÄ«vu MI pārvaldÄ«bu kā vÄ“rtÄ“jamu prasmi, nevis Ä«sāko ceļu.
• Mutiska aizstāvÄ“Å¡ana. Piecas minÅ«tes studentam pie lieliem uzdevumiem. Divi diagnostiski jautājumi: izskaidro man Å¡o funkciju, un modificÄ“ to nelielai variācijai apstrādāt. Atklāj visu, ko karkasam vajadzÄ“ja iemācÄ«t, un gandrÄ«z neko citu.
• Grupas verifikācijas noskenÄ“Å¡ana. Katrs darbs iziet cauri verifikācijas lÄ«menim, kas izceļ darbus, kuri vÄ“rti dziļākas pārbaudes. MÄ“rÄ·is ir nevis pagÅ«t katru pārkāpÄ“ju. MÄ“rÄ·is — saglabāt sociālo normu patstāvÄ«gi veikt darbu, lai karkass turpinātu darboties.

Rīku līmenis: kas padara to praktisku lielā mērogā

CS1 kurss ar 200 studentiem nevar manuāli pārbaudīt katru uzdevumu, manuāli veidot sastatnes katra studenta mijiedarbībai ar MI vai manuāli veikt mutisko aizstāvēšanu katram darbam. Šis karkass ir reālistisks tikai tad, ja rīku līmenis pārņem lielu pasniedzēja darba apjomu, atstājot cilvēku procesā tiem gadījumiem, kur cilvēka vērtējumam ir unikāla vērtība. Tas ir praktiskais Plagly.ai loma kursā, kas izveidots ap šo karkasu.

• Nododamo kodu verifikācija. Katrs augÅ¡upielādÄ“tais fails iziet noskenÄ“Å¡anu pret MI Ä£enerÄ“Å¡anu, kas atgriež uzticamÄ«bas novÄ“rtÄ“jumu un karodziņus rindiņu pa rindiņai. Plagly.ai sasniedz 99% precizitāti GPT-5.5, Claude 4.6, Gemini 3.1 un autonomajos programmÄ“Å¡anas rÄ«kos, kas tos savieno. Darbi ar zemu MI vÄ“rtÄ“jumu neprasa turpmāku pārbaudi. Darbi ar augstu vÄ“rtÄ“jumu tiek celti mutiskai aizstāvÄ“Å¡anai.
• Modeļu analÄ«ze grupas lÄ«menÄ«. Kad astoņi studenti grupā nodod risinājumus ar vienādiem idiomātiskiem mainÄ«go nosaukumiem, vienādu komentāru blÄ«vumu un vienādu aizsardzÄ«bas koda Å¡ablonu, Å¡Ä« grupa tiek izcelta automātiski. Tas izgaismo kļūdas, kuras palaiž garām atseviÅ¡Ä·u darbu analÄ«ze.
• Procesa autentiÅ¡kuma verifikācija. Lielākiem projektiem Agentic Council no Plagly.ai — septiņi ekspertu modeļi, kas analizÄ“ darbu, balstoties uz rakstÄ«Å¡anas kvalitāti, struktÅ«ru, MI noteikÅ¡anu, oriÄ£inalitāti un konsekvenci — uzÄ£enerÄ“ atskaiti ar atsaucÄ“m, kas dokumentÄ“, vai darbs uzrāda iteratÄ«vus rakstÄ«Å¡anas pÄ“das, kuras parasti demonstrÄ“ autents studenta darbs.
• Atgriezeniskais Humanize mācÄ«Å¡anas mÄ“rÄ·iem. Funkcija „Humanize“ rāda, kā izskatās tipisks MI kods. Izmantota auditorijā, tā kļūst par mācÄ«bu rÄ«ku: parādiet studentiem funkciju, kas uzrakstÄ«ta tipiskā MI stilā, blakus tai paÅ¡ai funkcijai idiomātiskā studenta formātā, un palÅ«dziet viņiem uzskaitÄ«t redzamās atÅ¡Ä·irÄ«bas. Tas trenÄ“ spÄ“ju atpazÄ«t, uz ko balstās mÅ«su karkasa 2. posma uzdevumi.
• Daudzvalodu pārklājums. Signāli darbojas Python, JavaScript, Java, TypeScript, C++, Rust, Go un citām plaÅ¡i mācÄ«tām valodām. MācÄ«bu programmas dizainam nav jāpielāgojas rÄ«ku ierobežojumiem.

Kā karkass izskatās atkarībā no kursa līmeņa

Karkass ir konsekvents visos kursu līmeņos, bet tā kalibrēšana mainās. Jo vairāk attīstījies students, jo vairāk autonomijas viņš saņem katrā posmā. Trīs orientieri:

CS1 (Ievads programmēšanā)

Stingra karkasa ievÄ“roÅ¡ana. 1., 4. un 7. posmam ir minimāla piekļuve MI. 2.-3. posms izmanto MI tikai jautājumu režīmā. 5. posms (kļūdu novÄ“rÅ¡ana) stingri pavadÄ«ts ar sastatnÄ“m. PasniedzÄ“ja mÄ“rÄ·is CS1 — izveidot kognitÄ«vo infrastruktÅ«ru: spÄ“ju lasÄ«t kodu, sekot izpildei, veidot hipotÄ“zes par kļūdām. Atļauja MI veikt jebkuru no Å¡iem darbiem CS1 rada studentus, kuri nekad neattÄ«sta Å¡o spÄ“ju. Apvienojiet to ar obligātu problÄ“mu risināšanu auditorijā un mutisku aizstāvÄ“Å¡anu katram lielam uzdevumam.

Datu struktūras un algoritmi

Vidēja karkasa ievērošana. 4.-6. posmu var nedaudz mīkstināt. MI tagad var izmantot kā pāra programmētāju realizācijai, bet tikai pēc tam, kad students patstāvīgi izvēlas pieeju (3. posms). Kļūdu novēršana paliek ar stingru sastatņu uzraudzību. 7. posms (generalizācijas uzdevumi) kļūst vairāk abstrakts: pierādiet, ka jūsu algoritms darbojas uz O(n log n), modificējiet savu realizāciju papildu ierobežojumam apstrādāt, kas prasa dziļu pārdomu. Tieši šeit stiprie studenti sāk izmantot MI produktīvi, bet vājie studenti tiek atklāti ar generalizācijas uzdevumiem.

Baigie projekti un programmatūras inženierija

BrÄ«va karkasa ievÄ“roÅ¡ana, stingra procesa redzamÄ«ba. PÄ“dÄ“jā kursā studentiem jādarbojas tuvāk darba tirgus modelim: MI kā kolaborators, students kā lÄ«deris. Verifikācijas lÄ«menis pārvietojas no MI noteikÅ¡anas katrā darbā uz procesa autentiÅ¡kumu: kodo izmaiņu vÄ“sture, lÄ“mumu par dizainu dokumentÄ“Å¡ana, ierakstÄ«tas koda pārskatÄ«Å¡anas sesijas. Mutiskā aizstāvÄ“Å¡ana kļūst par dizaina apskatu — vai students var pamatot arhitektÅ«ras izvÄ“li, izskaidrot kompromisus un modificÄ“t dizainu, reaģējot uz jauniem ierobežojumiem? TieÅ¡i Å¡eit investÄ«cijas karkasā CS1 dod savus augļus, vai nÄ“.

Ko pārtraukt darīt 2026. gadā

Piecas prakses, kas saglabājušās no mācību programmām pirms MI un tagad jāiznīcina. Katra no tām aktīvi grauj karkasu, ja tiek saglabāta.

• Pārtraukt vÄ“rtÄ“t mājasdarbus 70%+ no galÄ«gā vÄ“rtÄ“juma. VÄ“rtÄ“Å¡anas-testÄ“Å¡anas cikls ir pilnÄ«bā automatizÄ“ts. GalÄ«gais vÄ“rtÄ“jums, kas atkarÄ«gs no mājasdarbiem, vairs nevÄ“rtÄ“ to, ko tas apgalvo. Pārvietojiet svaru uz problÄ“mu risināšanu auditorijā, mutiskiem aizstāvÄ“Å¡anām un uzraudzÄ«tiem projektu posmiem.
• Pārtraukt izmantot autogreiderus kā vienÄ«go vÄ“rtÄ“Å¡anas pamatu. Autogreideris nezina, vai students uzrakstÄ«ja Å¡o kodu. Apvienojiet autogreidera vÄ“rtÄ“jumus ar verifikācijas lÄ«meni, bet nozÄ«mÄ«gi vÄ“rtÄ“jumi prasa mutisku aizstāvÄ“Å¡anu.
• Pārtraukt dot vienkārÅ¡us uzdevumus ar plaÅ¡i publicÄ“tiem risinājumiem. Ja uzdevums ir LeetCode, GeeksforGeeks vai jebkurā mācÄ«bu grāmatā, kas izdota lÄ«dz 2024. gadam, MI jau redzÄ“ja tā risinājumu. Specifiskas kursa uzdevumu formulÄ“jumi, datu kopas un ierobežojumi liek MI reāli strādāt, nevis atcerÄ“ties.
• Pārtraukt traktÄ“t MI kā kaut ko ārpus mācÄ«bu programmas. BrÄ«va MI pārvaldÄ«ba tagad ir daļa no tā, ko programmÄ“tāji dara industrijā. Uzdevumi, kas skaidri ietver MI rezultātu vÄ“rtÄ“Å¡anu, kļūdu novÄ“rÅ¡anu no MI uzÄ£enerÄ“tā koda vai piedāvāto MI dizainu kritiku, māca prasmi, kas nepiecieÅ¡ama darba tirgum.
• Pārtraukt slÄ“pt verifikācijas lÄ«meni. Atklāti sakiet studentiem, ka darbi tiek noskenÄ“ti pret MI Ä£enerÄ“Å¡anu, ko sagaida karkasa posmi un kādas ir ļaunprātÄ«gas izmantoÅ¡anas sekas. CaurspÄ«dÄ«gums uzlabo sociālo normu. PaslÄ“ptā kontrole dzemdÄ“ naidÄ«gu uzvedÄ«bu.

Biežāk uzdotie jautājumi

Vai Å¡is karkass darbojas asinhronos kursos un kursos ar savu tempu?

Jā, ar divām korekcijām. Pirmkārt, mutiskā aizstāvēšana pārvēršas ierakstītā video paskaidrojumā, ko students nodod kopā ar katru lielu uzdevumu. Video ir īss (no divām līdz piecām minūtēm) un atbild uz diviem diagnostiskiem jautājumiem, kas sniegti kopā ar uzdevumu. Otrkārt, MI sastatņu rīki kļūst svarīgāki, jo pasniedzēja nav telpā, lai novirzītu studentus, kuri noslīd problēmu risinātāja režīmā. MI tutors, specifisks kursam, ar sokrātiskiem ierobežojumiem (vai rūpīgs sistēmas vaicājums kopīgajā rīkā) dara to iespējamu.

Kā ar studentiem, kuri mācās labāk, lasot strādājošu kodu?

Karkass veicina to skaidri 6. posmā (pārkārtošana un refleksija). Pēc tam, kad students ir izveidojis savu strādājošo kodu, alternatīvu, ko uzģenerējis MI, rādīšana vai ekspertu veikta pārkārtošana ir ārkārtīgi vērtīga. Ierobežojums slēpjas konsekvencē: MI kā piemērs iet pēc paša studenta darba, nevis pirms tā. Laba koda lasīšana māca, ja lasītājs jau ir mēģinājis risināt problēmu; laba koda lasīšana kā mēģinājuma risināt problēmu aizstājējs nemāca gandrīz neko.

Kā rīkoties ar studentiem, kuri jau intensīvi izmanto MI un pretojas šim karkasam?

Apspriediet to atklāti, ideāli pirmajā dienā. Parādiet tiem „CodeRabbit“ datus no 2025. gada decembra par 1,7 reizes palielinātu kļūdu skaitu kodā, kas uzrakstÄ«ts kopā ar MI. Virziet tos uz dev.to eseju 30 Days Without AI. Runājiet par dzÄ«vajām programmÄ“Å¡anas intervijām un ko darbā pieņemÅ¡anas vadÄ«tāji patiešām dara 2026. gadā. Studenti, kuri pretojas karkasam — tie parasti ir tie studenti, kuriem tas visvairāk nepiecieÅ¡ams. Daudzi no tiem vÄ“l nav saskāruÅ¡ies ar „vibe coding“ sekām, un, kad saskarsies (visbiežāk savā pirmajā tehniskajā intervijā), tie parasti nožēlo, ka neuztvÄ“ra Å¡o karkasu nopietnāk agrāk.

Vai varu ieviest šo karkasu pakāpeniski, nevis pārveidot savu kursu pilnībā uzreiz?

Jā. Minimālā ieviešana ir pievienot trīs lietas savam esošajam kursam: prasību nodot dekompozīciju vispirms vienā lielā uzdevumā, īsu mutisku aizstāvēšanu tajā pašā uzdevumā un verifikācijas līmeni (rīku, kas skenē darbus un nosaka modeļus), kas klusi darbojas fonā. Šie trīs papildinājumi aizved lielāko daļu ceļa bez nepieciešamības pilnībā pārveidot mācību programmu. Lielākā daļa pasniedzēju, ar kuriem esam strādājuši, sāk ar to un paplašina līdz pilnam karkasam divu–trīs semestru laikā.

Ko darīt, ja mana mācību iestāde vēl nav pieņēmusi skaidrus noteikumus par MI?

Lielākā daļa vÄ“l nav to izdarÄ«jusi, un lielākā daļa meklÄ“ priekÅ¡likumus no pasniedzÄ“jiem. Karkasa pieņemÅ¡ana kursa lÄ«menÄ« sniedz jums droÅ¡u modeli prezentācijai katedras lÄ«meņa noteikumu sanāksmÄ“s: re, ko mÄ“s darām CS1, re, loÄ£ika, re, rezultāti. PasniedzÄ“ji, kuri proaktÄ«vi modelÄ“ labu pedagoÄ£iju Å¡ajā jomā, arvien biežāk kļūst par tiem cilvÄ“kiem, kuri veido institucionālo politiku. Karkass ir izveidots aizstāvÄ«bai Å¡ajās sarunās — norādes uz mācÄ«Å¡anās zinātnÄ“m, norādes uz recenzÄ“tiem pÄ“tÄ«jumiem un skaidrs pamatojums produktÄ«vajā cīņā un sastatnÄ“s — tas viss kalpo kā retoriskas sastatnes politiskajam darbam.