論文の概要: Unpacking Vibe Coding: Help-Seeking Processes in Student-AI Interactions While Programming

• arxiv url: http://arxiv.org/abs/2604.27134v1
• Date: Wed, 29 Apr 2026 19:35:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.776517
• Title: Unpacking Vibe Coding: Help-Seeking Processes in Student-AI Interactions While Programming
• Title（参考訳）: プログラミング中の学生とAIのインタラクションにおけるヘルプ検索プロセス
• Abstract要約: Generative AIは、生徒が自然言語を使ってAIとコラボレーションするビブコーディングを通じて、高等教育プログラムを再構築している。 110人の大学生から19,418人のインタラクション・ターンを分析し,トップレベルとローパフォーマンスの学生を比較した。 その結果、トップパフォーマーはインストゥルメンタル・ヘルプ・サーキングを行い、教師のようなAIの反応を引き出すことができた。
• 参考スコア（独自算出の注目度）: 1.3802799822705387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI is reshaping higher education programming through vibe coding, where students collaborate with AI via natural language rather than writing code line-by-line. We conceptualize this practice as help-seeking, analyzing 19,418 interaction turns from 110 undergraduate students. Using inductive coding and Heterogeneous Transition Network Analysis, we examined interaction sequences to compare top- and low-performing students. Results reveal that top performers engaged in instrumental help-seeking -- inquiry and exploration -- eliciting tutor-like AI responses. In contrast, low performers relied on executive help-seeking, frequently delegating tasks and prompting the AI to assume an executor role focused on ready-made solutions. These findings indicate that currently generative AI mirrors student intent (whether productive or passive) rather than optimizing for learning. To evolve from tools to teammates, AI systems must move beyond passive compliance. We argue for pedagogically aligned design that detect unproductive delegation and adaptively steer educational interactions toward inquiry, ensuring student-AI partnerships augment rather than replace cognitive effort.
• Abstract（参考訳）: 生成AIは、ビブコーディングを通じて高等教育プログラムを再構築し、学生はコードを一直線に書くのではなく、自然言語でAIとコラボレーションする。 本実践は,110人の大学生から19,418人のインタラクション・ターンを解析し,ヘルプ・サーキングとして概念化している。 インダクティブ・コーディングと異種遷移ネットワーク解析を用いて,トップ・ロー・パフォーマンスの学生を比較検討した。 その結果、インストゥルメンタル・ヘルプ・サーキング(調査と調査)に従事しているトップパフォーマーが、チューターのようなAI反応を引き出すことが明らかになった。 対照的に、低いパフォーマーはエグゼクティブ・ヘルプ・サーキングに頼り、頻繁にタスクを委譲し、AIが準備されたソリューションに焦点を当てたエグゼクティブ・ロールを引き受けるよう促した。 これらの結果は、現在生成型AIは学習を最適化するのではなく、学生の意図(生産的か受動的か)を反映していることを示している。 ツールからチームメイトへと進化するためには、AIシステムは受動的コンプライアンスを超える必要がある。 我々は、非生産的デリゲートを検出し、質問に対する教育行為を適応的に操り、認知的努力を置き換えるのではなく、学生とAIのパートナーシップを増強する、教育的協調型設計を議論する。

関連論文リスト

• AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective [11.163797770670683]
  本研究は,大学レベルのプログラミングにおけるAI支援型ヘルプサーキングの軌跡を解析した。 その結果、多くの学生が、計画的で自己規制された問題解決よりも、主にAIをリアクティブなトラブルシューティングに用いていることが示唆された。
  論文  参考訳（メタデータ） (2026-06-22T03:37:58Z)
• Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
  インテントメイキングという別のワークフローを特定し、特徴付けします。 私たちはこれをセンスメイキングの自然な拡張と捉えています。 これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
  論文  参考訳（メタデータ） (2026-05-07T09:30:25Z)
• Choose Your Own Adventure: Non-Linear AI-Assisted Programming with EvoGraph [11.960431631791812]
  EvoGraphは、軽量でインタラクティブな開発グラフとして、AIインタラクションとコード変更を統合するプラグインである。 20名の参加者を対象に行ったユーザスタディでは,認知負荷の低減を図りながら,EvoGraphが開発者の課題に対処していることが明らかとなった。 私たちの研究は、開発者がAIを介するプログラミングコンテキストにおける問題解決の進歩を理解し、行動するのを助けるツール設計の機会を強調します。
  論文  参考訳（メタデータ） (2026-04-20T22:05:09Z)
• From Individual Prompts to Collective Intelligence: Mainstreaming Generative AI in the Classroom [2.7886031629181987]
  我々は、GenAIがピアツーピア学習の触媒として機能する、集合知(CI)にフォーカスした教育へのシフトを論じる。 我々は,2つの学部工学科で生成的CI活動を実施し,140名の学生が思考ルーチンを通した。 その結果、学生は人間の協力と戦略的AIサポートの組み合わせを重んじることが証明された。
  論文  参考訳（メタデータ） (2026-01-07T08:28:20Z)
• "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)
• Scaffolding Metacognition in Programming Education: Understanding Student-AI Interactions and Design Implications [10.81558535566768]
  ChatGPTのような生成AIツールは、初心者プログラマに、インスタントでパーソナライズされたサポートへの前例のないアクセスを提供する。 これは明確な約束であるが、学生のメタ認知過程に対する影響は未解明のままである。 本研究では,大学レベルのプログラミングコースにおけるメタ認知レンズを用いて,学生とAIの相互作用を分析することでギャップを解消する。
  論文  参考訳（メタデータ） (2025-11-06T07:42:24Z)
• Do Students Rely on AI? Analysis of Student-ChatGPT Conversations from a Field Study [10.71612026319996]
  本研究は,各種STEMコースにおける簡単なクイズベースシナリオにおける315人の学生とAIの会話を分析した。 学生は全体としてAIへの依存度が低く、多くの学生は学習にAIを効果的に利用できなかった。 特定の行動メトリクスは、AIへの依存を強く予測し、AIの採用を説明する潜在的な行動メカニズムを強調します。
  論文  参考訳（メタデータ） (2025-08-27T20:00:27Z)
• 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)
• Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
  本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。 その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
  論文  参考訳（メタデータ） (2024-11-15T13:22:04Z)
• 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)
• Assigning AI: Seven Approaches for Students, with Prompts [0.0]
  本稿では,Large Language Models(LLM)の教育における転換的役割とその学習ツールとしての可能性について考察する。 AI-tutor、AI-coach、AI-mentor、AI-teammate、AI-tool、AI-simulator、AI-studentの7つのアプローチを提案する。
  論文  参考訳（メタデータ） (2023-06-13T03:36:36Z)
• Human Decision Makings on Curriculum Reinforcement Learning with Difficulty Adjustment [52.07473934146584]
  我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。 本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。 強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
  論文  参考訳（メタデータ） (2022-08-04T23:53:51Z)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Adversarial Interaction Attack: Fooling AI to Misinterpret Human Intentions [46.87576410532481]
  現在の大きな成功にもかかわらず、ディープラーニングベースのAIシステムは、微妙な敵対的ノイズによって容易に騙されることを示した。 骨格に基づくヒトの相互作用のケーススタディに基づき、相互作用に対する新しい敵対的攻撃を提案する。 本研究では、安全クリティカルなアプリケーションにAIシステムをデプロイする際に慎重に対処する必要があるAIと人間との相互作用ループにおける潜在的なリスクを強調します。
  論文  参考訳（メタデータ） (2021-01-17T16:23:20Z)

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。