Key points are not available for this paper at this time.
Les grands modèles linguistiques (LLM) comme ChatGPT transforment l'éducation informatique et peuvent créer des obstacles supplémentaires pour ceux déjà confrontés par les locuteurs non natifs d'anglais (NNES) apprenant l'informatique. Nous examinons une opportunité d'impact positif des LLM sur les NNES à travers la génération d'exercices de programmation multilingues. À la suite de travaux antérieurs sur la génération d'exercices LLM en anglais, nous incitons OpenAI GPT-3.5 à créer des problèmes de programmation introductifs, des solutions types et des cas de test dans 4 langues naturelles (anglais, tamoul, espagnol et vietnamien). Nous évaluons ces problèmes sur leur sensibilité, leur lisibilité, leur traduction, l'exactitude des solutions types, leur actualité et leur pertinence culturelle. Nous constatons que les problèmes générés en anglais, espagnol et vietnamien sont largement sensés, facilement compréhensibles et précis dans leurs solutions types. Cependant, les problèmes en tamoul sont principalement non sensés et ont un taux de réussite aux tests beaucoup plus bas, indiquant que les capacités des LLM pour la génération de problèmes ne sont pas généralisables à travers les langues. Notre analyse suggère que ces problèmes ne peuvent pas être donnés tels quels aux étudiants, mais avec un effort minimal, la plupart des erreurs peuvent être corrigées. Nous discutons également des avantages de ces problèmes malgré leurs défauts, et de leurs opportunités de fournir des ressources personnalisées et culturellement pertinentes aux étudiants dans leur langue maternelle.
Jordan et al. (Jeudi) ont étudié cette question.