Copilot pro vizuální blokový programovací jazyk Scratch

Abstract

Práce se zabývá návrhem a realizací prototypu asistenta (copilota) využívajícího velký jazykový model (LLM) pro podporu výuky programování v prostředí Scratch na druhém stupni základní školy. Asistent je implementován jako chatbot integrovaný do prostředí Scratch. Poskytuje žákům zpětnou vazbu, návrhy na zlepšení kódu a doporučení dalších kroků v procesu učení.

Výzkumná část zahrnuje rešerši existujících řešení a relevantních studií, analýzu technik prompt engineeringu a diskuzi nad problematikou efektivního předání Scratch projektů jazykovým modelům. Na základě zjištění jsou formulovány klíčové požadavky uživatelů na navrhovaný systém.

V rámci implementace je navrženo algoritmické předzpracování Scratch projektů do podoby pseudokódu, který je dále předáván velkému jazykovému modelu k analýze. Práce prezentuje funkční prototyp a popisuje použité strategie pro práci s modely.

Součástí práce jsou dvě iterace testování s cílovou skupinou uživatelů, jejichž zpětná vazba vede k dílčím úpravám systému. Závěr práce shrnuje dosažené výsledky a formuluje doporučení pro další vývoj a směřování výzkumu v oblasti podpory výuky programování pomocí generativní umělé inteligence.The thesis focuses on the design and implementation of a prototype assistant (copilot) utilizing a large language model (LLM) to support programming education within the Scratch environment at the upper primary school level. The assistant is implemented as a chatbot integrated into the Scratch platform. It provides students with feedback, suggestions for code improvement, and recommendations for subsequent steps in the learning process.

The research section includes a review of existing solutions and relevant studies, an analysis of prompt engineering techniques, and a discussion on the challenges associated with effectively transferring Scratch projects to language models. Based on these findings, key user requirements for the proposed system are formulated.

As part of the implementation, an algorithmic preprocessing of Scratch projects into pseudocode is proposed, which is then fed into the large language model for analysis. The thesis presents a functional prototype and describes the strategies used for working with the models.

The thesis also includes two iterations of testing with the target user group, whose feedback leads to incremental adjustments to the system. The conclusion summarizes the achieved results and provides recommendations for further development and future research directions in the area of programming education support through generative artificial intelligence.