VS-Code-Plugin, das Studierende während der Bearbeitung von Python-Aufgaben durch kontinuierliche Analyse von Code begleitet und kontextsensitives, lernorientiertes Feedback bereitstellt


Hintergrund:

Studierende bearbeiten Programmieraufgaben typischerweise in lokalen Entwicklungsumgebungen (z.B. Visual Studio Code), während Feedback erst nach Abgabe über automatisierte Tests oder Lehrende bzw. Tutoren erfolgt. Dadurch bleibt der eigentliche Problemlöseprozess weitgehend unsichtbar, obwohl gerade dieser für das Lernen zentral ist. Moderne KI-Systeme ermöglichen eine kontinuierliche Analyse von Codeartefakten sowie der Bearbeitungsprozesse in Echtzeit. Bisherige KI-Assistenzsysteme in Entwicklungsumgebungen (z.B. Copilot) fokussieren jedoch primär auf Code-Generierung und Produktivitätssteigerung, nicht auf didaktisch kontrollierte Lernunterstützung. Es besteht daher Bedarf an einem IDE-integrierten Assistenzsystem, das Studierende beim Bearbeiten von Aufgaben begleitet, typische Fehlermuster erkennt, kontextsensitives Feedback gibt und dabei lernförderlich agiert, ohne vollständige Lösungen zu generieren.

Ziel der Arbeit: Ziel dieser Masterarbeit ist die Konzeption, Implementierung und Evaluation eines Plugins für Visual Studio Code, das Studierende bei der Bearbeitung von Python-Aufgaben lernorientiert unterstützt. Das Plugin soll den aktuell bearbeiteten Code analysieren, Bearbeitungsverläufe (z.B. Änderungen, Fehlermeldungen) berücksichtigen, typische Fehlermuster identifizieren, kontextsensitives, formatives Feedback geben, vollständige Lösungsgenerierung vermeiden und kursbezogene Informationen einbinden.

Aufgaben:

  • Literaturrecherche zu AI in IDEs und Human–AI Collaboration
  • Konzeption der Systemarchitektur für ein VS-Code-Plugin
  • Implementierung eines Prototyps, der Codeänderungen erfasst, Kontextinformationen verarbeitet und Feedback innerhalb der IDE darstellt
  • Implementierung von Guardrail-Mechanismen zur Vermeidung von Lösungsgenerierung
  • Durchführung einer Evaluation mit Studierenden

Erwartete Ergebnisse: 

  • VS-Code-Plugin für lernorientiertes KI-Feedback und IDE-basiertes Lernmonitoring
  • Evaluation der Auswirkungen auf Problemlöseprozesse

Betreuung: Iris Groher

IDE-integriertes KI-Assistenzsystem für kontextsensitives Lernmonitoring