論文の概要: Building Software by Rolling the Dice: A Qualitative Study of Vibe Coding

• arxiv url: http://arxiv.org/abs/2512.22418v1
• Date: Sat, 27 Dec 2025 00:38:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.042333
• Title: Building Software by Rolling the Dice: A Qualitative Study of Vibe Coding
• Title（参考訳）: ディスを転がしてソフトウェアを構築する - バイブコーディングの質的研究
• Authors: Yi-Hung Chou, Boyuan Jiang, Yi Wen Chen, Mingyue Weng, Victoria Jackson, Thomas Zimmermann, James A. Jones,
• Abstract要約: ビブ・コーダ"は、主にコードを書くのではなく、プロンプトを通じてソフトウェアを構築する。 ライブ・ストリーミング・コーディング・セッション7本と意見ビデオ13本を含む20本のバイブ・コーディング・ビデオについて理論的研究を行った。 ビブコーダーの中にはAIにほぼ完全に依存する者もいれば、生成された出力を調べて適応する者もいる。
• 参考スコア（独自算出の注目度）: 15.145249560710377
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models (LLMs) are reshaping software engineering by enabling "vibe coding," in which developers build software primarily through prompts rather than writing code. Although widely publicized as a productivity breakthrough, little is known about how practitioners actually define and engage in these practices. To shed light on this emerging phenomenon, we conducted a grounded theory study of 20 vibe-coding videos, including 7 live-streamed coding sessions (about 16 hours, 254 prompts) and 13 opinion videos (about 5 hours), supported by additional analysis of activity durations and prompt intents. Our findings reveal a spectrum of behaviors: some vibe coders rely almost entirely on AI without inspecting code, while others examine and adapt generated outputs. Across approaches, all must contend with the stochastic nature of generation, with debugging and refinement often described as "rolling the dice." Further, divergent mental models, shaped by vibe coders' expertise and reliance on AI, influence prompting strategies, evaluation practices, and levels of trust. These findings open new directions for research on the future of software engineering and point to practical opportunities for tool design and education.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、開発者がコードを記述するのではなく、主にプロンプトを通じてソフトウェアを構築する"バイブコーディング"を可能にすることで、ソフトウェア工学を再構築している。 生産性のブレークスルーとして広く公表されているが、実践者が実際にこれらのプラクティスを定義し、関与する方法については、ほとんど知られていない。 この現象を浮き彫りにするために,本研究では7つのライブ・ストリーム・コーディング・セッション(約16時間254プロンプト)と13の意見ビデオ(約5時間)を含む20のバイブ・コーディング・ビデオに関する基礎研究を行った。 一部のビブコーダは、コードを検査せずにほぼ完全にAIに依存している一方、生成された出力を検査し、適応している。 アプローチ全体では、全ては生成の確率的な性質と競合しなくてはならないが、デバッグと洗練はしばしば「サイコロを回す」と表現される。 さらに、バイブ・コーダーの専門知識とAIへの依存、インフルエンシング・ストラテジー、評価プラクティス、信頼レベルによって形成された、異なる精神モデル。 これらの発見は、ソフトウェア工学の将来の研究のための新たな方向性を開き、ツール設計と教育の実践的な機会を示唆する。

関連論文リスト

• "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
  ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。 本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
  論文  参考訳（メタデータ） (2025-12-02T13:32:23Z)
• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• Rapid Development of Omics Data Analysis Applications through Vibe Coding [0.0]
  私は、現代の大規模言語モデル(LLM)と自律型コーディングエージェントがこの障壁を劇的に減らすことを実証します。 Vibeのコーディングを使って、標準的なタスクを実行できる完全に機能するデータ分析Webサイトを作りました。 ユーザインターフェース、バックエンドロジック、データアップロードパイプラインを含むアプリケーション全体は、4つの自然言語プロンプトを使用して10分以内で開発されました。
  論文  参考訳（メタデータ） (2025-10-10T19:06:27Z)
• Prompting in Practice: Investigating Software Developers' Use of Generative AI Tools [17.926187565860232]
  生成人工知能(GenAI)ツールの統合は、ソフトウェア開発を根本的に変えた。 本研究は,ソフトウェア技術者がGenAIツールをプロフェッショナルな実践に統合する方法について,体系的な調査を行ったものである。 我々は、開発プロセス全体でAIの使用パターンを理解するために、アクティブなGenAIユーザ72人を含む91人のソフトウェアエンジニアを調査した。
  論文  参考訳（メタデータ） (2025-10-07T15:02:22Z)
• Modeling Student Learning with 3.8 Million Program Traces [52.153493498021895]
  Pencil Codeのユーザによる380万を越えるプログラミング推論のデータセットを紹介します。 実際のトレースに基づいてトレーニングされたモデルは、多様な学生の振る舞いをモデル化する上で、より強力であることがわかった。 我々は、コード生成モデルを操り、より正しいコードをもたらす一連の編集を識別することで、学生がミスから回復するのを支援できることを示します。
  論文  参考訳（メタデータ） (2025-10-06T17:37:17Z)
• Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook -- a Grey Literature Review [2.5195922470930614]
  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。
  論文  参考訳（メタデータ） (2025-09-30T22:35:00Z)
• 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)
• How Far Have We Gone in Binary Code Understanding Using Large Language Models [51.527805834378974]
  バイナリコード理解におけるLarge Language Models(LLM)の有効性を評価するためのベンチマークを提案する。 評価の結果、既存のLLMはバイナリコードをある程度理解でき、それによってバイナリコード解析の効率が向上することが明らかとなった。
  論文  参考訳（メタデータ） (2024-04-15T14:44:08Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)

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。