論文の概要: A vibe coding learning design to enhance EFL students' talking to, through, and about AI

• arxiv url: http://arxiv.org/abs/2509.08854v1
• Date: Tue, 09 Sep 2025 00:27:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.07457
• Title: A vibe coding learning design to enhance EFL students' talking to, through, and about AI
• Title（参考訳）: EFL学生がAIと対話し、会話し、会話し、会話し、AIについて話すことを促進するビブコーディング学習設計
• Authors: David James Woo, Kai Guo, Yangyang Yu,
• Abstract要約: この記事では、外国語教育としての英語のためのビブコーディング(自然言語を使ってAIを使ったソフトウェアアプリケーションを作成する)のパイロット化について報告する。 私たちは、AI(プロンプトエンジニアリング)、AI(著者の交渉)、AI(AI)という3つの次元を持つ、人間とAIのメタランゲージングフレームワークを開発しました。
• 参考スコア（独自算出の注目度）: 5.671810777243196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This innovative practice article reports on the piloting of vibe coding (using natural language to create software applications with AI) for English as a Foreign Language (EFL) education. We developed a human-AI meta-languaging framework with three dimensions: talking to AI (prompt engineering), talking through AI (negotiating authorship), and talking about AI (mental models of AI). Using backward design principles, we created a four-hour workshop where two students designed applications addressing authentic EFL writing challenges. We adopted a case study methodology, collecting data from worksheets and video recordings, think-aloud protocols, screen recordings, and AI-generated images. Contrasting cases showed one student successfully vibe coding a functional application cohering to her intended design, while another encountered technical difficulties with major gaps between intended design and actual functionality. Analysis reveals differences in students' prompt engineering approaches, suggesting different AI mental models and tensions in attributing authorship. We argue that AI functions as a beneficial languaging machine, and that differences in how students talk to, through, and about AI explain vibe coding outcome variations. Findings indicate that effective vibe coding instruction requires explicit meta-languaging scaffolding, teaching structured prompt engineering, facilitating critical authorship discussions, and developing vocabulary for articulating AI mental models.
• Abstract（参考訳）: この革新的な実践記事は、外国語(EFL)教育のためのバイブコーディング(自然言語を使ってAIでソフトウェアアプリケーションを作成する)のパイロット化について報告している。 私たちは、AI(プロンプトエンジニアリング)、AI(著者の交渉)、AI(AIのメンタルモデル)の3次元のヒューマンAIメタランゲージングフレームワークを開発しました。 後ろ向きの設計原則を使って、4時間のワークショップを作り、2人の学生が本物のEFLを書くためのアプリケーションを設計しました。 我々は、ワークシートやビデオ記録、シンクアラウドプロトコル、スクリーン記録、AI生成画像からデータを収集するケーススタディ手法を採用した。 対照的に、ある学生は意図した設計と協調して機能的なアプリケーションをコーディングすることに成功し、別の学生は意図した設計と実際の機能の間に大きなギャップがある技術的困難に遭遇した。 分析は、学生の迅速な工学的アプローチの違いを明らかにし、異なるAI精神モデルと著者の帰属における緊張を示唆している。 私たちは、AIが有益なランゲージングマシンとして機能し、学生の会話の仕方、通し方、AIについての違いが、バイブコーディングの結果のバリエーションを説明する、と論じています。 効果的なバイブコーディング指導には、明確なメタランゲージの足場、構造化された迅速なエンジニアリングを教えること、重要な著者の議論を促進すること、AIのメンタルモデルを表現するための語彙を開発することが必要である。

関連論文リスト

• Deploying AI for Signal Processing education: Selected challenges and intriguing opportunities [44.18936398140735]
  記事は、教育の促進と強化のためのAIツールの使用について考察している。 プライマーは、AIを教育環境で使用する際に生じるいくつかの技術的な問題について提供されている。 この記事は、AIのエンジニアリング教育における役割を前進させようとする研究者や教育者のためのリソースとして機能する。
  論文  参考訳（メタデータ） (2025-09-10T19:19:26Z)
• Exploring EFL Secondary Students' AI-generated Text Editing While Composition Writing [2.8109476541924234]
  生成人工知能(Generative Artificial Intelligence)は、外国語の学生としての英語の書き方を変えつつある。 本研究では,説明書作成タスクを完了すると,学生がAI生成テキストをどのように統合し,修正するかを検討する。
  論文  参考訳（メタデータ） (2025-05-13T03:46:00Z)
• Distributed agency in second language learning and teaching through generative AI [0.0]
  ChatGPTは、テキストまたは音声形式のチャットを通じて非公式な第二言語プラクティスを提供することができる。 インストラクタはAIを使って、さまざまなメディアで学習と評価材料を構築することができる。
  論文  参考訳（メタデータ） (2024-03-29T14:55:40Z)
• RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control [140.48218261864153]
  本研究では,インターネット規模のデータに基づいて学習した視覚言語モデルを,エンドツーエンドのロボット制御に直接組み込む方法について検討する。 提案手法は,インターネット規模のトレーニングから,RT-2による創発的能力の獲得を可能にした。
  論文  参考訳（メタデータ） (2023-07-28T21:18:02Z)
• HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in Hugging Face [85.25054021362232]
  大規模言語モデル(LLM)は、言語理解、生成、相互作用、推論において例外的な能力を示した。 LLMは、複雑なAIタスクを解決するために既存のAIモデルを管理するコントローラとして機能する可能性がある。 本稿では,機械学習コミュニティのさまざまなAIモデルを接続するLLMエージェントであるHuggingGPTを紹介する。
  論文  参考訳（メタデータ） (2023-03-30T17:48:28Z)
• Designerly Understanding: Information Needs for Model Transparency to Support Design Ideation for AI-Powered User Experience [42.73738624139124]
  設計者は、事前訓練された言語モデルなどのAI技術を設計材料として理解するハードルに直面します。 これにより、AIの使用方法、場所、使用方法について、アイデアと意思決定の能力が制限される。 私たちの研究は、UXデザイナがResponsible AIで果たせる重要な役割を強調します。
  論文  参考訳（メタデータ） (2023-02-21T02:06:24Z)

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。