⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验
2025-09-13 更新
A vibe coding learning design to enhance EFL students’ talking to, through, and about AI
Authors:David James Woo, Kai Guo, Yangyang Yu
This innovative practice article reports on the piloting of vibe coding (using natural language to create software applications with AI) for English as a Foreign Language (EFL) education. We developed a human-AI meta-languaging framework with three dimensions: talking to AI (prompt engineering), talking through AI (negotiating authorship), and talking about AI (mental models of AI). Using backward design principles, we created a four-hour workshop where two students designed applications addressing authentic EFL writing challenges. We adopted a case study methodology, collecting data from worksheets and video recordings, think-aloud protocols, screen recordings, and AI-generated images. Contrasting cases showed one student successfully vibe coding a functional application cohering to her intended design, while another encountered technical difficulties with major gaps between intended design and actual functionality. Analysis reveals differences in students’ prompt engineering approaches, suggesting different AI mental models and tensions in attributing authorship. We argue that AI functions as a beneficial languaging machine, and that differences in how students talk to, through, and about AI explain vibe coding outcome variations. Findings indicate that effective vibe coding instruction requires explicit meta-languaging scaffolding, teaching structured prompt engineering, facilitating critical authorship discussions, and developing vocabulary for articulating AI mental models.
本文报道了针对英语作为外语（EFL）教育的振动编码（使用自然语言创建人工智能软件应用程序）试点工作的创新实践。我们开发了一个包含三个维度的人机交互元语言框架：与人工智能对话（提示工程）、通过人工智能交流（协商作者身份）和关于人工智能的对话（人工智能的心理模型）。我们遵循反向设计原则，设计了一个为期四小时的工作坊，两名学生设计的应用程序解决了真实的英语外语写作挑战。我们采用案例研究方法，从工作表、视频记录、思维独白协议、屏幕录制和人工智能生成图像中收集数据。对比案例显示，一名学生成功进行振动编码，创建了一个符合其设计意图的功能性应用程序，而另一名学生则遇到了技术难题，其实际功能与预期设计之间存在较大差距。分析揭示了学生在提示工程方法上的差异，表明人工智能心理模型不同以及在归属作者身份方面的紧张。我们认为人工智能是一台有益的语言机器，学生对如何与人工智能对话、通过人工智能交流以及关于人工智能的对话的差异解释了振动编码结果的变化。研究结果表明，有效的振动编码教学需要明确的元语言支架、教授结构化的提示工程、促进关键的作者身份讨论，并发展用于表达人工智能心理模型的词汇。
论文及项目相关链接
PDF 15 pages, 12 figures
Summary
本文探索了使用自然语言与人工智能生成软件应用程序的创新实践方法。开发了一种人-AI元语言框架，包括与AI对话（提示工程）、通过AI对话（协商作者身份）和关于AI的对话（AI的心智模型）三个维度。采用反向设计原则，为学生举办了一个四小时的工作坊，设计出针对真实英语作为外语写作挑战的应用程序。研究发现不同学生的对话方式导致了不同的结果，并强调了教授学生如何进行有效的元语言沟通的重要性。此外，该研究表明人工智能作为有益的语言机器具有很大潜力，通过构建良好的学习环境来教授学生如何运用AI可以提高其语言学习效果。关键在于对学生进行元语言结构教学、提示工程、促进作者身份讨论以及发展AI心智模型的词汇表达。
Key Takeaways
以下是从文章中得出的关键要点：
- 使用自然语言为外语学习者与人工智能创造软件应用的新方法被称为“vibe coding”。
- 人-AI元语言框架包含三个维度：与AI对话、通过AI对话以及关于AI的对话。这决定了编程成功与否的因素在于学生与AI的互动方式。
- 通过反向设计原则，学生在四小时工作坊内设计出应对真实英语作为外语写作挑战的应用程序。这种学习方式能有效促进学生英语能力的提升。
- 学生使用不同的提示工程方法导致了不同的编程结果，揭示了不同学生的AI心智模型存在差异。这意味着教师在教授学生时需要根据他们的需求和能力制定个性化的教学方案。
- AI作为有益的语言机器，可以帮助学生提高语言学习效果。因此，构建良好的学习环境以教授学生如何运用AI至关重要。
点此查看论文截图
