論文の概要: Mitigating "Epistemic Debt" in Generative AI-Scaffolded Novice Programming using Metacognitive Scripts

• arxiv url: http://arxiv.org/abs/2602.20206v1
• Date: Sun, 22 Feb 2026 21:25:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.465824
• Title: Mitigating "Epistemic Debt" in Generative AI-Scaffolded Novice Programming using Metacognitive Scripts
• Title（参考訳）: メタ認知型スクリプトを用いたAI合成初心者プログラミングにおける「情緒的負債」の緩和
• Authors: Sreecharan Sankaranarayanan,
• Abstract要約: 制限のないAIは、初心者にスキーマ形成に必要な固有の認知負荷をアウトソースするように促す。 成功しているビブコーダが自然に自己スケーリングを行い、契約者ではなくコンサルタントとしてAIを扱います。 今後の学習システムは,保守不能なコードの大量生産を防止するためにメタ認知摩擦を強制する必要がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The democratization of Large Language Models (LLMs) has given rise to ``Vibe Coding," a workflow where novice programmers prioritize semantic intent over syntactic implementation. While this lowers barriers to entry, we hypothesize that without pedagogical guardrails, it is fundamentally misaligned with cognitive skill acquisition. Drawing on the distinction between Cognitive Offloading and Cognitive Outsourcing, we argue that unrestricted AI encourages novices to outsource the Intrinsic Cognitive Load required for schema formation, rather than merely offloading Extraneous Load. This accumulation of ``Epistemic Debt" creates ``Fragile Experts" whose high functional utility masks critically low corrective competence. To quantify and mitigate this debt, we conducted a between-subjects experiment (N=78) using a custom Cursor IDE plugin backed by Claude 3.5 Sonnet. Participants represented "AI-Native" learners across three conditions: Manual (Control), Unrestricted AI (Outsourcing), and Scaffolded AI (Offloading). The Scaffolded condition utilized a novel ``Explanation Gate," leveraging a real-time LLM-as-a-Judge framework to enforce a ``Teach-Back" protocol before generated code could be integrated. Results reveal a ``Collapse of Competence": while Unrestricted AI users matched the productivity of the Scaffolded group (p < .001 vs. Manual), they suffered a 77% failure rate in a subsequent AI-Blackout maintenance task, compared to only 39% in the Scaffolded group. Qualitative analysis suggests that successful vibe coders naturally engage in self-scaffolding, treating the AI as a consultant rather than a contractor. We discuss the implications for the maintainability of AI-generated software and propose that future learning systems must enforce Metacognitive Friction to prevent the mass production of unmaintainable code.
• Abstract（参考訳）: 大規模言語モデル(LLMs)の民主化は、初心者プログラマが構文的実装よりもセマンティックな意図を優先するワークフローである‘Vibe Coding’を生み出した。このことは、初心者プログラマの参入障壁を低くするが、教育的ガードレールがなければ、基本的には認知スキルの獲得と一致しない、という仮説を立てている。認知的オフロードと認知的アウトソーシングの区別に基づいて、我々は、制限のないAIは、非制限のAIは、外部負荷を単にオフロードするだけでなく、スキーマ形成に必要な固有の認知的負荷をアウトソースすることを奨励している、と論じている。‘Epistemic Debt’の蓄積は、高機能なマスクを極めて低い競争力で生成する‘Fragile Experts’を創出する。我々は、このテストによって、カスタムIDE(=78.78.78.78)のプラグインを使って、負債を最小限に減らし、最小限に減らし、最小限に減らし、最小限に減らし、最小限の7.. 質的な分析は、成功しているビブコーダが自然に自己スケーリングを行い、AIを請負業者ではなくコンサルタントとして扱うことを示唆している。 本稿では,AI生成ソフトウェアの保守性への影響について論じるとともに,将来的な学習システムは,保守不能なコードの大量生産を防止するために,メタ認知摩擦を強制する必要があることを示唆する。

関連論文リスト

• Capability-Oriented Training Induced Alignment Risk [101.37328448441208]
  我々は、強化学習で訓練された言語モデルが、その報酬を最大化するために欠陥を利用することを自然に学習するかどうかを考察する。 我々の実験は、モデルがこれらの脆弱性を常に活用し、タスクの正しさや安全性を犠牲にして報酬を著しく増大させる機会論的戦略を発見していることを示している。 我々の研究結果は、将来のAIの安全作業がコンテンツモデレーションを超えて、トレーニング環境の厳格な監査と確保、および報奨メカニズム自体に拡張する必要があることを示唆している。
  論文  参考訳（メタデータ） (2026-02-12T16:13:14Z)
• How AI Impacts Skill Formation [12.295096074858932]
  我々は、開発者がAIの助けなしに新しい非同期プログラミングライブラリを習得した方法について研究する。 AIは概念的理解、コード読み込み、デバッグ能力に障害があるが、平均的な効率性は得られない。 我々は6つの異なるAIインタラクションパターンを特定し、そのうち3つは認知的エンゲージメントと学習結果の保存を含む。
  論文  参考訳（メタデータ） (2026-01-28T04:40:43Z)
• The Vibe-Check Protocol: Quantifying Cognitive Offloading in AI Programming [5.584060970507507]
  Vibe Coding'は、開発者が自然言語を通じてハイレベルな意図を明確に表現し、AIエージェントに実装を委譲するパラダイムである。 本稿では,ソフトウェア工学の学習方法としてテキストIs Vibe Codingが優れているか,という研究課題を解明するための理論的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-02T06:13:41Z)
• Beyond Technical Debt: How AI-Assisted Development Creates Comprehension Debt in Resource-Constrained Indie Teams [29.850754213301368]
  本稿では,CIGDI(Co-Intelligence Game Development Ideation)フレームワークを紹介する。 この枠組みは、3ヶ月にわたるリフレクティブな実践から生まれたもので、2Dナラティブゲーム「The Worm's Memoirs」を開発した3人の分散チームの自己エスノグラフィー研究である。 AIが知識アクセスの民主化と認知負荷の削減をサポートする一方で、我々の分析は重要な課題である「理解的負債」を特定した。
  論文  参考訳（メタデータ） (2025-10-30T12:41:26Z)
• BLUR: A Bi-Level Optimization Approach for LLM Unlearning [100.90394814817965]
  未学習問題の階層構造をモデル化することが重要であると論じる。 本稿では,より優れた性能を実現する新しいアルゴリズムであるBi-Level UnleaRning(textttBLUR)を提案する。
  論文  参考訳（メタデータ） (2025-06-09T19:23:05Z)
• Humble AI in the real-world: the case of algorithmic hiring [9.53469974854897]
  Humble AIは、懐疑論を通じてAI開発とデプロイメントに慎重さを主張する。 アルゴリズム雇用の分野における謙虚なAIの現実的なケーススタディを示す。
  論文  参考訳（メタデータ） (2025-05-27T09:09:38Z)
• Tuning-Free Accountable Intervention for LLM Deployment -- A Metacognitive Approach [55.613461060997004]
  大規模言語モデル(LLM)は、自然言語処理タスクの幅広い領域にわたる変換的進歩を触媒している。 我々は,自己認識型誤り識別と訂正機能を備えたLLMを実現するために,textbfCLEARと呼ばれる革新的なテキストメタ認知手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T19:18:53Z)
• Learning to Prompt in the Classroom to Understand AI Limits: A pilot study [35.06607166918901]
  大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。 しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。 パイロット教育は21人の生徒を抱えた高校で実施された。
  論文  参考訳（メタデータ） (2023-07-04T07:51:37Z)
• 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)

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。