論文の概要: From Idea to Classroom in Days: Using "Vibe Coding" to Create a Programming Process Visualizer from IDE Activity Logs

• arxiv url: http://arxiv.org/abs/2607.24757v1
• Date: Tue, 26 May 2026 14:52:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.038724
• Title: From Idea to Classroom in Days: Using "Vibe Coding" to Create a Programming Process Visualizer from IDE Activity Logs
• Title（参考訳）: アイデアから日々の教室へ:IDEアクティビティログからプログラミングプロセスビジュアライザを作成するために"Vibe Coding"を使う
• Abstract要約: 本稿では,AIを用いたビブ符号化を用いて構築したThonnyログビジュアライザの迅速な開発と教室展開について報告する。 我々は、Thonnyが生成したログファイルを解析し、学生のプログラミングプロセスの解釈可能なビューを生成するウェブアプリケーションを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper reports on the rapid development and classroom deployment of a Thonny log visualizer built using AI-assisted ``vibe coding'' to make students' programming processes easily visible to teachers. We developed a web application that analyzes log files generated by Thonny (an IDE for Python) and produces interpretable views of students' programming processes. Teachers can upload a log, a ZIP archive, or a folder containing logs for a group or the course; the system parses all logs, generates results per student, and provides student-by-student navigation for reviewing cases. Each student's view includes an interactive activity timeline, a compact session summary, a code-size graph, a programming-process replay, and more. These views support teacher decision-making by enabling the identification of learning-support situations and flagging sessions for academic-integrity clarification. The tool was initially evaluated using logs from previous courses; a February 2026 pilot in an introductory programming course with 160 participants provided teachers' feedback and informed iterative usability improvements.
• Abstract（参考訳）: 本稿では,学生のプログラミングプロセスが教師に容易に見えるように,AI支援の「バイブコーディング」を用いて構築されたThonnyログ視覚化装置の迅速な開発と教室展開について報告する。 我々はThonny(Python用IDE)が生成したログファイルを解析し、学生のプログラミングプロセスの解釈可能なビューを生成するウェブアプリケーションを開発した。 教師は、ログ、ZIPアーカイブ、またはグループまたはコースのログを含むフォルダをアップロードすることができる。 各生徒のビューには、インタラクティブなアクティビティタイムライン、コンパクトセッション概要、コードサイズグラフ、プログラミングプロセスのリプレイなどが含まれる。 これらの見解は、学習支援状況の特定と、学習統合の明確化のためのフラグ付けセッションを可能にすることで、教師の意思決定を支援する。 2026年2月、160人の参加者が参加する入門プログラミングコースのパイロットが、教師のフィードバックを提供し、反復的なユーザビリティの改善を通知した。

関連論文リスト

• ICLF: An Immersive Code Learning Framework based on Git for Teaching and Evaluating Student Programming Projects [2.030202554182725]
  Immersive Code Learning Framework (ICLF)は、学生プログラミングプロジェクトを管理し評価するためのスケーラブルなGitベースの組織パイプラインである。 学生は既存のコードベースから始めます。これは現実世界のソフトウェア開発をミラー化するのに不可欠なプラクティスです。 学生は、この中間リポジトリのプライベートフォークに招待され、教師が親リポジトリを変更するたびに、学期を通して更新される可能性がある。
  論文  参考訳（メタデータ） (2026-01-21T09:39:17Z)
• Autograder+: A Multi-Faceted AI Framework for Rich Pedagogical Feedback in Programming Education [0.5529795221640363]
  Autograder+は、オートグレーディングを純粋に要約的なプロセスからフォーマティブな学習体験に移行するように設計されている。 微調整されたLarge Language Modelを使った自動フィードバック生成と、学習パターンを明らかにするための学生コード提出の可視化だ。
  論文  参考訳（メタデータ） (2025-10-30T11:41:50Z)
• 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)
• Exploring Student-AI Interactions in Vibe Coding [5.536598532875888]
  本研究の目的は,導入プログラミングおよび高度なソフトウェア工学授業の学生が,ソフトウェア作成時にビブコーディングプラットフォーム(Replit)とどのように相互作用するかを理解することである。 参加者はReplitを使ってWebアプリケーションを構築しているときに考えるように求められた。 どちらのグループでも、Replitと学生のインタラクションの大部分はプロトタイプのテストやデバッグであり、学生がコードにアクセスすることはめったにない。
  論文  参考訳（メタデータ） (2025-07-30T12:35:20Z)
• LLM Contribution Summarization in Software Projects [0.0]
  本稿では、チームプロジェクト内の個々の貢献を評価する自動化的かつ客観的なアプローチの必要性に対処する。 本稿では,大言語モデル(LLM)を利用して,バージョン管理リポジトリから抽出したコードコントリビューションを自動的に要約するツールを提案する。 このツールは、65人の学生が参加する3週間のフルタイムのソフトウェア開発スプリントで、2つのセミメータで評価された。
  論文  参考訳（メタデータ） (2025-05-23T10:26:43Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• 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)
• CodeHelp: Using Large Language Models with Guardrails for Scalable Support in Programming Classes [2.5949084781328744]
  大規模言語モデル(LLM)が最近登場し、大規模なオンデマンドヘルプの提供を約束している。 CodeHelpは、ガードレールで設計された新しいLLMツールで、直接ソリューションを公開することなく、プログラミングの学生にオンデマンドで支援を提供する。 以上の結果から,CodeHelpは特に有効性を高く評価し,誤りの解消に寄与する学生に好意的に受け入れられていることが示唆された。
  論文  参考訳（メタデータ） (2023-08-14T03:52:24Z)
• All You Need Is Logs: Improving Code Completion by Learning from Anonymous IDE Usage Logs [55.606644084003094]
  そこで本研究では,IDEのユーザからコンプリート利用ログを収集する手法を提案する。 機械学習ベースのモデルをトレーニングして、完成候補をランク付けします。 評価の結果,過去のユーザ動作ログに基づいてトレーニングした単純なランキングモデルを用いることで,コード補完エクスペリエンスが大幅に向上した。
  論文  参考訳（メタデータ） (2022-05-21T23:21:26Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。