論文の概要: Exploring Student-AI Interactions in Vibe Coding

• arxiv url: http://arxiv.org/abs/2507.22614v1
• Date: Wed, 30 Jul 2025 12:35:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 16:14:18.193778
• Title: Exploring Student-AI Interactions in Vibe Coding
• Title（参考訳）: バイブ符号化における学生とAIの相互作用の探索
• Authors: Francis Geng, Anshul Shah, Haolin Li, Nawab Mulla, Steven Swanson, Gerald Soosai Raj, Daniel Zingaro, Leo Porter,
• Abstract要約: 本研究の目的は,導入プログラミングおよび高度なソフトウェア工学授業の学生が,ソフトウェア作成時にビブコーディングプラットフォーム(Replit)とどのように相互作用するかを理解することである。 参加者はReplitを使ってWebアプリケーションを構築しているときに考えるように求められた。 どちらのグループでも、Replitと学生のインタラクションの大部分はプロトタイプのテストやデバッグであり、学生がコードにアクセスすることはめったにない。
• 参考スコア（独自算出の注目度）: 6.086654284173657
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background and Context. Chat-based and inline-coding-based GenAI has already had substantial impact on the CS Education community. The recent introduction of ``vibe coding'' may further transform how students program, as it introduces a new way for students to create software projects with minimal oversight. Objectives. The purpose of this study is to understand how students in introductory programming and advanced software engineering classes interact with a vibe coding platform (Replit) when creating software and how the interactions differ by programming background. Methods. Interview participants were asked to think-aloud while building a web application using Replit. Thematic analysis was then used to analyze the video recordings with an emphasis on the interactions between the student and Replit. Findings. For both groups, the majority of student interactions with Replit were to test or debug the prototype and only rarely did students visit code. Prompts by advanced software engineering students were much more likely to include relevant app feature and codebase contexts than those by introductory programming students.
• Abstract（参考訳）: 背景と背景。 チャットベースのインラインコーディングベースのGenAIは、すでにCS Educationコミュニティに大きな影響を与えている。 最近の‘vibe coding’の導入は、学生が最小限の監視でソフトウェアプロジェクトを作成できる新しい方法を導入することによって、学生のプログラムの仕方をさらに変える可能性がある。 目的。 本研究の目的は,導入プログラミングと高度なソフトウェア工学授業の学生が,ソフトウェア作成時にビブコーディングプラットフォーム(Replit)とどのように相互作用するか,プログラミングの背景によってどのように相互作用が異なるかを理解することである。 メソッド。 参加者はReplitを使ってWebアプリケーションを構築しているときに考えるように求められた。 テーマ分析は、学生とリプリットの相互作用に重点を置いたビデオ録音の分析に使用された。 発見。 どちらのグループでも、Replitと学生のインタラクションの大部分はプロトタイプのテストやデバッグであり、学生がコードにアクセスすることはめったにない。 先進的なソフトウェア工学の学生は、入門プログラミングの学生よりも、関連するアプリ機能やコードベースのコンテキストを多く含んでいた。

関連論文リスト

• Students' Feedback Requests and Interactions with the SCRIPT Chatbot: Do They Get What They Ask For? [0.0]
  生成AI(GenAI)と関連するプログラミング教育ツールに関する先行研究に基づいて,初等学習者を支援するためのSCRIPTを開発した。 SCRIPTは、事前に定義されたプロンプトを通じて、オープンエンドのインタラクションと構造化されたガイダンスを可能にする。 学生がSCRIPTとどのように相互作用するかを,フィードバックの好みに焦点をあてて分析した。
  論文  参考訳（メタデータ） (2025-07-23T06:56:26Z)
• The StudyChat Dataset: Student Dialogues With ChatGPT in an Artificial Intelligence Course [2.1485350418225244]
  textbfStudyChatは、LLMベースのチューターと現実世界の学生のインタラクションをキャプチャする公開データセットである。 我々はChatGPTのコア機能を複製したWebアプリケーションをデプロイし、それをLLMとの学生インタラクションのログに使用します。 これらの相互作用を分析し、行動傾向を強調し、特定の利用パターンがコースの結果にどのように関係しているかを分析する。
  論文  参考訳（メタデータ） (2025-03-11T00:17:07Z)
• Analysis of Student-LLM Interaction in a Software Engineering Project [1.2233362977312945]
  我々は、ソフトウェア工学学習におけるAIのメリットを理解するために、13週間の学期で126人の学部生とAIアシスタントとのインタラクションを分析した。 以上の結果から,CoPilotよりもChatGPTが好ましいことが示唆された。 会話ベースのインタラクションは、自動生成コードと比較して生成されたコードの品質を改善するのに役立つ。
  論文  参考訳（メタデータ） (2025-02-03T11:44:00Z)
• Learning Manipulation by Predicting Interaction [85.57297574510507]
  本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。 実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
  論文  参考訳（メタデータ） (2024-06-01T13:28:31Z)
• Generating Situated Reflection Triggers about Alternative Solution Paths: A Case Study of Generative AI for Computer-Supported Collaborative Learning [3.2721068185888127]
  本稿では,学生に動的かつ文脈的フィードバックを提供する概念実証アプリケーションを提案する。 具体的には、ChatGPTを使って、大学レベルのクラウドコンピューティングコースのためのオンラインプログラミング演習ボットを拡張します。 LLMは、コンテキスト内で発生する協調的な議論の詳細を組み込んだ、高度に位置決めされたリフレクショントリガを生成するために使用できることを実証する。
  論文  参考訳（メタデータ） (2024-04-28T17:56:14Z)
• CLGT: A Graph Transformer for Student Performance Prediction in Collaborative Learning [6.140954034246379]
  協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。 実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
  論文  参考訳（メタデータ） (2023-07-30T09:54:30Z)
• InterCode: Standardizing and Benchmarking Interactive Coding with Execution Feedback [50.725076393314964]
  標準的な強化学習環境として,インタラクティブコーディングの軽量でフレキシブルで使いやすいフレームワークであるInterCodeを紹介した。 私たちのフレームワークは、言語とプラットフォームに依存しない、自己完結型のDocker環境を使用して、安全で再現可能な実行を提供します。 我々は、異なるプロンプト戦略で構成された複数の最先端LLMを評価することにより、InterCodeの生存性をテストベッドとして示す。
  論文  参考訳（メタデータ） (2023-06-26T17:59:50Z)
• A Review of Deep Learning for Video Captioning [111.1557921247882]
  ビデオキャプション(VC)は、素早く動き、学際的な研究分野である。 この調査では、注目に基づくアーキテクチャ、グラフネットワーク、強化学習、敵対的ネットワーク、高密度ビデオキャプション(DVC)など、ディープラーニングベースのVCをカバーする。
  論文  参考訳（メタデータ） (2023-04-22T15:30:54Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
  プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。 特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。 単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
  論文  参考訳（メタデータ） (2020-07-28T17:46:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。