Gli errori prodotti dall'IA generativa nella formulazione delle interrogazioni riflettono i fraintendimenti degli studenti nell'apprendimento di SQL?

Abstract

Lo studio confronta le interrogazioni SQL generate da ChatGPT e formulate dagli studenti per analizzare i rispettivi errori comuni e fraintendimenti nella costruzione di interrogazioni SQL. Un contributo importante è la classificazione degli errori comuni e delle misconception come base per lo studio. Le interrogazioni SQL formulate dagli studenti, così come quelle generate da ChatGPT, vengono analizzate per individuare e classificare errori e fraintendimenti da entrambe le fonti. L'ultimo passo consiste in un'indagine approfondita di queste misconception per comprendere il tipo e la frequenza degli errori commessi dagli studenti rispetto a quelli presenti nelle interrogazioni generate da ChatGPT. I risultati saranno utilizzati per orientare iniziative didattiche volte a migliorare l'apprendimento di SQL e per indagare il potenziale utilizzo delle interrogazioni generate dall'intelligenza artificiale a supporto della didattica delle basi di dati.

The study compares the queries generated by ChatGPT and students to analyse the respective misconceptions in SQL query construction. An important contribution is the classification of common misconceptions as a basis for the study. Students' SQL queries as well as those generated by ChatGPT are analysed to find and classify misconceptions from both sources. The final step is a thorough investigation of these misconceptions to gain an understanding of the type and frequency of errors made by students compared to those generated by ChatGPT. The results will be used to guide educational plans aimed at improving SQL learning and to investigate the possible use of queries generated by artificial intelligence to support education.