論文の概要: Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook -- a Grey Literature Review

• arxiv url: http://arxiv.org/abs/2510.00328v1
• Date: Tue, 30 Sep 2025 22:35:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:20.282977
• Title: Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook -- a Grey Literature Review
• Title（参考訳）: Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook- a Grey Literature Review
• Authors: Ahmed Fawzy, Amjed Tahir, Kelly Blincoe,
• Abstract要約: バイブコーディング(Vibe coding)とは、AIコード生成ツールを直感や試行錯誤を通じて、基礎となるコードを必ずしも理解せずに使用するプラクティスである。 ユーザーがなぜバイブコーディングに関わったのか、何を経験しているか、品質保証(QA)にどのようにアプローチし、AI生成コードの品質を知覚するかを体系的に調査した研究はない。 私たちの分析では、スピードとアクセシビリティによってビブコーダがモチベーションを得て、迅速な即時的な成功とフローを経験する"という、スピード品質のトレードオフパラドックスを明らかにしています。
• 参考スコア（独自算出の注目度）: 2.5195922470930614
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI code generation tools are transforming software development, especially for novice and non-software developers, by enabling them to write code and build applications faster and with little to no human intervention. Vibe coding is the practice where users rely on AI code generation tools through intuition and trial-and-error without necessarily understanding the underlying code. Despite widespread adoption, no research has systematically investigated why users engage in vibe coding, what they experience while doing so, and how they approach quality assurance (QA) and perceive the quality of the AI-generated code. To this end, we conduct a systematic grey literature review of 101 practitioner sources, extracting 518 firsthand behavioral accounts about vibe coding practices, challenges, and limitations. Our analysis reveals a speed-quality trade-off paradox, where vibe coders are motivated by speed and accessibility, often experiencing rapid ``instant success and flow'', yet most perceive the resulting code as fast but flawed. QA practices are frequently overlooked, with many skipping testing, relying on the models' or tools' outputs without modification, or delegating checks back to the AI code generation tools. This creates a new class of vulnerable software developers, particularly those who build a product but are unable to debug it when issues arise. We argue that vibe coding lowers barriers and accelerates prototyping, but at the cost of reliability and maintainability. These insights carry implications for tool designers and software development teams. Understanding how vibe coding is practiced today is crucial for guiding its responsible use and preventing a broader QA crisis in AI-assisted development.
• Abstract（参考訳）: AIコード生成ツールは、特に初心者や非ソフトウェア開発者にとって、コードを書き、より速く、ほとんど、あるいは全く人間の介入なしにアプリケーションを構築できるようにすることで、ソフトウェア開発を変革している。 バイブコーディング(Vibe coding)とは、AIコード生成ツールを直感や試行錯誤を通じて、基礎となるコードを必ずしも理解せずに使用するプラクティスである。 広く採用されているにもかかわらず、なぜユーザーがバイブコーディングに関わったのか、どのように経験し、品質保証(QA)にアプローチし、AI生成コードの品質を知覚するかを体系的に調査する研究は行われていない。 この目的のために、私たちは、ビブコーディングの実践、課題、制限に関する518の手動の行動アカウントを抽出し、101の実践資料の体系的な灰色の文献レビューを行います。 私たちの分析では、スピードとアクセシビリティによってビブコーダがモチベーションを保ち、高速な‘即時成功とフロー’をしばしば経験する、スピード品質のトレードオフパラドックスを明らかにしています。 QAプラクティスはしばしば見過ごされ、多くのスキップテスト、モデルやツールのアウトプットを変更せずに頼りにしたり、AIコード生成ツールにチェックを委譲したりする。 これによって、特に製品を作るが問題が発生した時にデバッグできないような、脆弱なソフトウェア開発者の新たなクラスが生まれます。 ビブ符号化は障壁を減らし、プロトタイピングを加速するが、信頼性と保守性は犠牲である。 これらの洞察は、ツールデザイナやソフトウェア開発チームに影響を与えます。 今日のバイブコーディングの実践方法を理解することは、AI支援開発における責任ある使用の指導と、より広範なQA危機の防止に不可欠である。

関連論文リスト

• Good Vibrations? A Qualitative Study of Co-Creation, Communication, Flow, and Trust in Vibe Coding [6.862249355928346]
  本稿では,AIとの対話,共同創造,開発者フローと喜びを中心に,バイブ符号化の基盤となる理論を提案する。 AIトラストは、委譲から共同創造への継続的な移動を規制し、フローを持続させることで開発者エクスペリエンスを支援する。
  論文  参考訳（メタデータ） (2025-09-15T22:28:42Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• ACE: Automated Technical Debt Remediation with Validated Large Language Model Refactorings [8.0322025529523]
  本稿では、検証された出力を使用してコード改善を自動化するツールであるAugmented Code Engineering (ACE)を紹介する。 ユーザからの初期のフィードバックは、AIが利用できることが、そうでなければほとんど起こらないコードレベルの技術的負債を軽減するのに役立つことを示唆している。
  論文  参考訳（メタデータ） (2025-07-04T12:39:27Z)
• From Teacher to Colleague: How Coding Experience Shapes Developer Perceptions of AI Tools [0.0]
  AI支援の開発ツールは生産性の向上とコード品質の向上を約束するが、開発者による採用は相容れない。 我々は、3380人の開発者による調査データを分析し、コーディングエクスペリエンスがAIの認識、採用、開発者がワークフローでAIに割り当てる役割にどのように関係しているかを調べます。
  論文  参考訳（メタデータ） (2025-04-08T08:58:06Z)
• Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
  GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。 改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
  論文  参考訳（メタデータ） (2024-10-29T12:21:23Z)
• Vulnerability Handling of AI-Generated Code -- Existing Solutions and Open Challenges [0.0]
  AI生成コードの脆弱性検出、ローカライゼーション、修復のためのアプローチに重点を置いている。 AI生成コードの信頼性とスケーラブルな脆弱性処理プロセスを確立するためには,対処しなければならないオープンな課題を強調します。
  論文  参考訳（メタデータ） (2024-08-16T06:31:44Z)
• Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
  本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。 トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
  論文  参考訳（メタデータ） (2023-02-14T18:43:34Z)
• Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets [0.0]
  この研究は、AI駆動のコードアシスタントを使用して、現代技術を形成する影響力のあるコンピュータコードの選択を分析する。 この研究の最初の貢献は、過去50年で最も重要なコードの進歩の半分を調査することであった。
  論文  参考訳（メタデータ） (2023-01-05T23:17:17Z)
• Measuring Coding Challenge Competence With APPS [54.22600767666257]
  コード生成のベンチマークであるAPPSを紹介する。 私たちのベンチマークには1万の問題が含まれています。 GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
  論文  参考訳（メタデータ） (2021-05-20T17:58:42Z)

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。