从培训问卷与反馈中挖掘的洞见
我们整理了历届助教培训留下的问卷/反馈数据（签到、报名、满意度、补学感想、实时提问等），提炼出一些对改进培训有用的观察。
参与情况
新上岗助教朋辈分享的签到人数（大致）：
| 学期 | 场次 | 人数（约） |
|---|---|---|
| 2024 秋 | 0912 新上岗助教培训 | ~34 |
| 2025 春 | 0314 新上岗朋辈分享（线上） | ~21 |
| 2025 秋 | 0918 新上岗朋辈分享 | ~25 |
| 2026 春 | 260323 新上岗朋辈分享 | ~13 |
（以上为签到问卷的粗略计数，未去重。）
2024 秋各场次的人次统计（合计 91 人次）：新助教必修培训（往届助教座谈）34，之后的午餐会各为 5-9：如何教会学生调试 9、如何做好答疑辅导 5、教师交流分享 8、编程作业创新设计 8、计算机教育与游戏 8、中小学编程教育 7、课调委分享 6、作业评分与代码查重 6。可以看出：必修/说明会吸引的人数远多于轻松的午餐会，说明形式与强制性对参与度影响很大。
一次满意度反馈（2024 春 "如何做好平时答疑辅导"）
对开场自我介绍、问题讨论、奖品、SIGCSE 论文与工具分享等环节的满意度多在 4–5 分（满分 5）。
被提到做得好的地方：开放式交流引导；提问和讨论环节非常活跃；大模型回答开场、答疑坊助教加入；最后的论文/工具分享；关于 debugger 环境配置与答疑规则的制订很有启发。
意见/建议与希望了解的话题：
- 如何引导同学找到学习资源？
- 助教与老师之间的沟通（教师往往较传统，与当代学生的行为习惯不一致）。
- 如何引导学生从"直接问 AI 要答案"转向"用 AI 辅助思考"？（例如设计 prompt 只给出思路关键词，让学生自己连逻辑链。）
- 国外助教体系的介绍与典型样例。
- 是否能把往届助教的经验整理出来，并在助教中投票，票数高的加入下一年的第一次助教培训？
- 课程与系答疑坊能否联动？联动方式是什么？
- 希望提供中英文双语版本。
- （轻松反馈：下次还想吃鱼籽拌饭、希望换点别的书等。）
补学感想中的常见主题
未能到场、通过录屏补学的同学提交的感想，反映出 TA 们最受启发、最关心的话题：
- 大模型对作业与评分的影响：如"85% 正确率的 AI 作业"——光看答案没用，得深挖学生是否真正理解逻辑；要引导学生合理使用工具，而非依赖生成答案。有助教提出"有监督的使用"：建立 AI 使用的"操作规范"，明确何时可借助 AI 获得思路，但必须保留自己的调试过程与关键决策。也提到一个具体案例：交叉学科（计算机×人文社科）课程中，有同学把整份作业文档发给 ChatGPT，代码部分一行都没写、也看不懂（一问三不知）。
- 调试教学：怎么引导学生从"直接问 AI 要答案"转向"用 AI 辅助思考"；即使 AI 能给方向，深入的思考仍不可替代。有助教给出了可操作的方法论——把"修好一次"变成"他以后都会"：先讲清目标与边界（不代写代码，只在规定时间内陪他解决最阻塞的问题），要求产出最小可复现示例与一份"原因—证据—修复"记录；过程遵循"复现—最小化—确定性"的顺序，进入"假设—验证"循环（枚举可能根因：环境与依赖、输入前置条件、状态与缓存、边界条件、并发与时序、数值稳定性），并为每个假设设计最低成本的验证实验。
- 从学生到助教的身份转变：言行代表教学团队；"带着学生学"而非"教学生学"；不能用"假设学生与自己能力一致"的方式沟通。
- 职责边界与团队协作：助教不是"全能拯救者"，应依据课程大纲和分工开展工作，避免过度承诺或情绪化沟通；自动化工具与规范化流程能显著提升效率。
- AI 助教与人类助教的关系：AI 可以是辅助工具，但人类助教的陪伴、个性化指导与情感支持在短期内难以被替代。
- 学术诚信与人文关怀的平衡：既要维护课程公平，又不想给学生太大压力，是一道真实的两难。
- 包容性教学（2026 春）：破除"天赋迷思"，强调 CS 靠练习而非"天生聪明"；营造包容氛围，及时制止含歧视意味的玩笑。
论文阅读反思（2026 春）
2026 春的补学任务改为：从 SIGCSETS 2026 会议中任选一篇计算教育论文，聊聊它对助教工作的启发。从提交的感想可以看出，助教们能把论文观点落到具体的辅导/答疑/评分实践里：
- Why Some Students Still Opt Out of CS —— 包容性教学：破除"天赋迷思"（强调 CS 靠练习而非"天生聪明"）、营造包容氛围、打破刻板印象（展现多元的 CS 人形象）、拓宽价值认知（说明代码能用于创意/艺术/解决身边问题）。
- AI-Augmented Instruction: Real-Time Misconception Detection —— 把"教育支持"重新定义为持续感知全班"卡在哪里"，而非等学生举手再解答；启示是答疑时要有意识地记录"错误模式"（如最常见三种概念错误），其价值远超逐一解答，可传给教授、写进复习材料或在下次精讲时主动提醒。
- How AI Ethics is Taught —— 近九成 AI 相关课程不涉及伦理；如今学生普遍使用 AI coding agent，但代码版权归属、AI 生成漏洞的安全责任、敏感代码上传云端等伦理风险几乎无人讨论。提醒：不能只教"会调用 AI 工具的码农"，更要培养能守住伦理底线的工程师。
实时提问（2026 春）
现场通过"实时提问问卷"收集的问题，如："如何看待大三年级开设的导论课？"