في دراسة حديثة تم إجراؤها حول تطور الذكاء الاصطناعي التوليدي (Generative Artificial Intelligence) ودوره في التعليم، تم التركيز على تقييم أداء خمسة أنظمة معروفة، وهي: ChatGPT-5.2 وDeepSeek-V3 وGemini 2.5 Flash وClaude Sonnet 4.5 وM365 Copilot، في اختبارات برمجة كائنية التوجه (Object-Oriented Programming - OOP).

يعكس هذا البحث التقدم الكبير الذي أحرزته نماذج اللغة الكبيرة (Large Language Models) في فهم وتوليد الأكواد المصدرية، حيث قامت الأنظمة بالتقييم استنادًا إلى معايير الدرجات المستخدمة مع الطلاب. وعند مقارنة الأداء مع النتائج التاريخية للطلاب في نفس المقرر، تبيّن أن هذه الأنظمة حققت درجات أعلى من متوسط درجات الطلاب، بل تمكنت من اجتياز بعض المهام البرمجية بشكل كامل.

لكن على الرغم من هذه الإنجازات، فإن الأنظمة التوليدية لم تكن خالية من العيوب، إذ تناولت الدراسة الأخطاء الشائعة التي ارتكبتها، مثل إنتاج أكواد غير قابلة للتنفيذ، بالإضافة إلى صعوبات في المفاهيم المتقدمة مثل الواجهات (Interfaces) والفئات المجردة (Abstract Classes) ومهام الوراثة المعقدة. كما كانت هناك محدودية في الأداء بالنسبة للأسئلة المرتبطة بالرسوميات وتفسير الصور.

مقارنة بالعام الماضي، أظهرت الأنظمة المحللة تحسنًا ملحوظًا في أغلب التقييمات، مع بقاء بعض أنماط الأخطاء المتكررة. هذه النتائج لا توفر فقط تقييمًا محدثًا لقدرات وحدود الأنظمة التوليدية الحالية، بل تعكس كذلك أهمية تصميم تقييمات البرمجة بمهارة ودمج الأدوات التوليدية بشكل مسؤول في تعليم هندسة البرمجيات. وهذا يمهد الطريق لدراسات مستقبلية تتناول تطور البرمجة المدعومة بالذكاء الاصطناعي.