From Idea to Classroom in Days: Using "Vibe Coding" to Create a Programming Process Visualizer from IDE Activity Logs
Dit artikel presenteert de snelle ontwikkeling en de implementatie in het klaslokaal van een door AI ondersteunde "vibe coding" webapplicatie die Thonny IDE-logs analyseert om interactieve visualisaties van de programmeerprocessen van studenten te genereren, waardoor docenten efficiënt de leerprogressie kunnen monitoren, ondersteuningsbehoeften kunnen identificeren en mogelijke problemen met de academische integriteit kunnen detecteren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een detective bent die een mysterie probeert op te lossen, maar de enige aanwijzing die je hebt, is de laatste foto van de plaats delict. Je ziet het resultaat, maar je hebt geen idee hoe de verdachte daar gekomen is. Hebben ze het opgelost met een briljante flits van inzicht, of hebben ze het antwoord van een buurman gekopieerd en alleen de kleur van het shirt veranderd? In de wereld van computerwetenschappen, specifiek in het klaslokaal, staan docenten vaak voor precies dit probleem. Ze zien de uiteindelijke code die een student inlevert, maar de rommelige, procesmatige reis van het schrijven ervan blijft verborgen. Dit vakgebied, bekend als learning analytics, probeert achter het gordijn te kijken door de "activiteitslogs" te bestuderen—de digitale voetsporen die worden achtergelaten elke keer dat een student een programma typt, verwijdert, uitvoert of een foutmelding krijgt. De grote vraag is: Hoe kunnen we deze saaie, onzichtbare logs veranderen in een duidelijk verhaal dat docenten helpt om worstelende studenten op te sporen of fraude te ontdekken zonder urenlang naar schermen te staren?
Maak kennis met de "Thonny Log Visualizer", een nieuwe tool ontwikkeld door onderzoekers van de Universiteit van Tartu in Estland. Zie deze tool als een magische "tijdreiscamera" voor coderen. In plaats van alleen de laatste foto te tonen, reconstrueert het de hele film van hoe een student zijn programma bouwde, seconde voor seconde. De onderzoekers hebben deze tool gecreëerd met een trendy, snel methodologie genaamd "vibe coding", waarbij ze zich gedroegen als regisseurs die natuurlijke instructies aan een AI-assistent gaven om de software in slechts enkele dagen te bouwen. Het resultaat is een webapplicatie die de ruwe, rommelige data van een codesessie van een student neemt en deze omzet in kleurrijke grafieken, tijdlijnen en zelfs een afspeelknop.
Hier is wat de tool daadwerkelijk doet en wat de onderzoekers ontdekten. De visualizer laat docenten één logbestand uploaden, een hele map met bestanden, of een ZIP-archief met gegevens van tot wel 87 studenten tegelijk. Eenmaal geüpload, fungeert het systeem als een verkeersregelaar die door de chaos werkt om voor elke student een "sessie-dashboard" te tonen. Dit dashboard bevat een interactieve tijdlijn die lijkt op een hartslagmonitor, die precies laat zien wanneer een student typde, verwijderde, zijn code uitvoerde of een fout kreeg. Het bevat ook een "code size graph" die bijhoudt hoe het programma groeide (of kromp) in de loop van de tijd, en een "replay"-functie waarmee docenten het programmeerproces van de student kunnen bekijken als een video, compleet met pauzes en pieken in activiteit.
De onderzoekers suggereren dat deze tool een gamechanger is voor het opsporen van problemen. Als bijvoorbeeld de tijdlijn van een student een lange periode van stilte laat zien, gevolgd door een plotselinge, enorme sprong in de grootte van de code, kan dit erop wijzen dat de student een groot deel van de code heeft gekopieerd en geplakt in plaats van het zelf te hebben geschreven. Als een student zijn programma ook pas aan het einde van de sessie uitvoert na urenlang typen, kan dit erop wijzen dat de student vastzat en zijn werk pas testte toen hij daartoe gedwongen werd. In een pilotstudie met 160 studenten en vijf docenten slaagde de tool erin om deze verdachte patronen te signaleren. De docenten vonden het ongelooflijk nuttig om snel te identificeren welke studenten hulp nodig hadden en welke gevallen een nadere blik vereisten voor de academische integriteit.
De paper is echter voorzichtig om de resultaten niet te overhypen. De auteurs stellen expliciet dat de tool is ontworpen om de besluitvorming van de docent te ondersteunen, niet om deze te vervangen. Het signaleert potentiële problemen—zoals grote hoeveelheden geplakte tekst of vreemde typpatronen—maar het verklaart een student niet automatisch een bedrieger. De tool suggereert dat deze visuele aanwijzingen krachtig zijn om een gesprek te starten, maar het uiteindelijke oordeel ligt nog steeds bij de menselijke docent. De studie merkt ook een beperking op: de tool werkt alleen als studenten een specifiek programma genaamd Thonny gebruiken en hun logs inleveren, wat betekent dat het studenten die andere tools gebruiken of hun gegevens vergeten op te slaan, niet kan analyseren.
Kortom, de onderzoekers ontdekten dat door AI te gebruiken om snel een "vibe-coded" visualizer te bouwen, ze onzichtbare digitale voetsporen konden veranderen in een duidelijk, navigeerbaar verhaal. Dit helpt docenten om van raden wat er is gebeurd over te gaan naar het daadwerkelijk zien van het proces, waardoor ze eerder hulp kunnen bieden en het "hoe" achter het uiteindelijke cijfer kunnen begrijpen. Hoewel de tool geen toverstaf is die elk klaslokaalmysterie oplost, suggereert de studie dat het een zeer effectieve, laagdrempelige manier is om transparantie in het programmeerproces te brengen, wat het makkelijker maakt om studenten te ondersteunen en eerlijkheid te handhaven in grote klassen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.