2025年度移动应用创新赛于11月2日圆满落幕，吸引了来自大中华地区的40000名选手参与。赛事首次向高职院校开放，强调“人人可编程”的理念。95%的参赛作品使用AI开发，80%的选手无技术背景。获奖作品如VCook和LumiQuest展示了创新与实用性。Apple捐赠3000万元支持基础编程教育，并设立孵化基金助力优秀开发者创业。

这篇文章讨论了Turbo Vision文本模式窗口库的历史及其在编程教育中的影响，尤其是在印度的大学中。尽管技术迅速发展，许多学校仍在使用过时的编程语言，如Turbo C++。现代编程语言和工具（如Python和MATLAB）逐渐取代了这些旧技术。作者强调了更新编程工具和教育内容的必要性。

在慕尼黑举行的德国Perl/Raku研讨会上，参与者探讨了开源开发、社区可持续性和编程教育，重点讨论了网络安全、实习生招聘及Perl新特性，强调了社区的韧性与合作精神。

随着WWDC25临近，Swift学生挑战赛圆满结束，旨在鼓励全球学生开发者。获奖作品创意丰富，涵盖手语学习和碳足迹追踪，体现学生的社会责任感。Apple为学生提供技术支持，促进编程教育发展。最终350名获奖者中，50名杰出者将受邀参加WWDC。

本研究评估了大型语言模型（LLMs）在编程问题解决中的反馈生成能力。结果显示，63%的反馈提示准确且完整，表明LLMs在编程教育中的潜力与局限性，强调提升模型可靠性的重要性。

本论文探讨了大型语言模型（LLMs）在代码生成和调试中的应用，提出了BugFarm和DebugBench等工具，评估了LLMs在逻辑错误识别和程序修复中的表现。研究表明，LLMs在生成代码和自动评分测试用例方面具有提升编程教育效率和质量的潜力。

第一批AI原住民小学生正在使用大模型进行编程教育，微信小程序教育平台已接入腾讯混元大模型，提供AI助手功能，学生们可以轻松入门编程知识，小程序教育平台与腾讯混元团队合作优化大模型的编程能力，培养学生们对AI时代的适应能力。

该研究评估了ChatGPT-3.5和GPT-4在入门级编程任务中的表现，并提出了利用LLMs进行教学和评估的可能性。研究选择了72个Python任务，结果显示得分高，正确响应率为94.4％至95.8％，为将LLMs应用于编程教育和评估开辟了新的途径。

研究聚焦于大型语言模型在编程教育中的应用，特别关注人工智能生成内容检测器在学术不端中的潜在漏洞，并通过生成代码来检验大型语言模型对于绕过检测的努力。研究结果表明现有的人工智能生成内容检测器在区别人工编写的代码和人工智能生成的代码方面表现不佳。

本文研究了利用大型语言模型进行自然语言生成的能力，并应用于编程课程中常见的两种学习资源的制作。研究发现，使用大型生成机器学习模型作为教学工具是有重要价值的，但在交付给学生之前需要一些监督来确保生成的内容质量。文章还探讨了 OpenAI Codex 及类似工具对初学者编程教育的影响，并强调了可能改善教学体验的未来研究方向。

研究开发了自动化工具，比较了学生独立完成、抄袭和AI助手的表现。结果显示，参与此类行为的学生在考试中获得相当的分数，且用时更短，但抄袭和独立提交的差异仅在细微方面存在，而AI助手的提交则更为复杂不易读懂，学生认为适当使用AI助手可以提高效率，但对解决方案的可读性和正确性不满意。

该研究使用ChatGPT-3.5和GPT-4解决初学者Python编程任务，结果表明LLMs的得分高，正确响应率为94.4％至95.8％，为将LLMs纳入编程教育和评估中打开了新的途径。

该研究探讨了大型语言模型在初学者编程任务中的表现，并提出了利用LLMs进行教学和评估的建议。研究选取了72个Python任务，结果表明得分高，正确响应率为94.4％至95.8％，文本解释和程序代码的可用性可靠。这为将LLMs纳入编程教育和评估中打开了新的途径。