En civilingenjör som utbildas idag förväntas ofta att lära sig programmering och för att klara en civilingenjörsutbildning krävs att man ska kunna programmera på många olika nivåer. I samband med den växande populariteten av chatbotar inom utbildning och bland företag så finns det skäl att undersöka hur en chatbot hade kunnat assistera studenter som läser programmeringskurser. Det stora antalet studenter och den begränsade tillgängligheten av lärarassistenter bidrar till lägre nivåer av personlig uppmärksamhet och support inom programmeringskurser. Studien syftar därför till att förstå om en meny-baserad chatbot kan vara ett effektivt komplement till laborationstillfällen. Först utvecklades en meny-baserad chatbot som webbapplikation med hjälp av React, Javascript, HTML5 och CSS3. Den meny-baserade chatbotens prestanda utvärderades sedan under ett simulerat laborationstillfälle där även deltagarnas (N = 6) upplevelser med chatboten samlades in. Resultatet visade att den meny-baserade chatboten användes totalt fyra gånger per student i snitt och kunde hjälpa studenterna att lösa deras problem i 62.5% av fallen, samt att den var generellt uppskattad av studenterna. Genom att möjliggöra hjälp för flera studenter samtidigt och att bättre förbereda studenterna inför deras möten med lärarassistenter uppvisade chatboten potential för att öka laborationstillfällets effektivitet, men att ytterligare undersökningar krävs för att säkerställa detta påstående. Vidare upptäcktes flera potentiella implementationsmöjligheter av meny-baserade chatbotar i denna miljö. Exempelvis kan olika visualiseringar av användardata som chatboten samlar in sammanställas för att få en inblick i studenternas lärande och vilka aspekter av undervisningen som är mer resurskrävande. Potentialen för användandet av meny-baserade chatbotar för programmering inom högre utbildning är därför tydlig.

An engineer educated today is often expected to learn programming, and to successfully complete an engineering education, one needs to be able to code at various levels. Given the growing popularity of chatbots within education and business contexts, it is worth investigating how a chatbot could assist students taking programming courses. Furthermore, the imbalance between the large number of students and the limited availability of teacher assistants leads to a low level of personalized attention and support for students in programming courses. The study therefore aims to understand if a menu-based chatbot can be an effective complement to lab sessions. Firstly, a menu-based chatbot was developed as a web application using React, Javascript, HTML5, and CSS3. The performance of the menu-based chatbot was then evaluated during a simulated lab session where data was collected as well as participants' (N = 6) experiences with the chatbot. The results showed that, on average, the menu-based chatbot was used four times per student and successfully helped students solve their problems in 62.5% of cases. The chatbot was also generally appreciated by the students. By enabling assistance for multiple students simultaneously and better preparing them for interactions with teaching assistants, the chatbot demonstrated potential for increasing the effectiveness of lab sessions. However, further investigations are required to substantiate this claim. Additionally, several potential implementation possibilities for menu-based chatbots in this environment were discovered. For example, different ways of visualizing user data collected by the chatbot could be compiled to gain insights into students' learning and identify more resource-intensive aspects of teaching. The potential for using menu-based chatbots in programming within higher education is therefore evident.