学生对大语言模型在需求工程教育中的使用的看法：来自两所大学的实证研究

大语言模型（LLMs）在需求工程（RE）教育中的整合正在重塑教学方法，旨在增强学生的参与感和动机，同时提供实用工具以支持他们的职业未来。本研究实证评估了在RE课程中整合LLMs的影响。我们考察了引导使用LLMs如何影响学生的学习体验，以及他们在使用LLMs进行RE实践时感知的益处和挑战。该研究收集了来自两所大学的两个RE课程的179名学生的调查数据。LLMs通过不同的教学形式整合到课程中，即个人作业与基于团队的敏捷项目。我们的发现表明，LLMs改善了学生对RE概念的理解，特别是在需求获取和文档编写等任务中。然而，学生对教育中的LLMs提出了关注，包括学术诚信、过度依赖AI以及在作业中整合AI生成内容的挑战。进行个人作业的学生认为他们的收获比进行团队作业的学生更多，这突显了情境AI整合的重要性。本研究提供了在RE教育中有效整合LLMs的建议，并提出了未来研究方向，以平衡AI辅助学习与RE课程的批判性思维和协作实践。