💻 computer science

Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency

Um estudo com 100 estudantes universitários revela que tanto a proficiência em escrita quanto o desempenho em ciência da computação são preditores significativos do sucesso na programação por "vibe coding", sendo que o conhecimento em CS mantém sua relevância mesmo após controlar habilidades cognitivas gerais.

Autores originais: Sverrir Thorgeirsson, Theo B. Weidmann, Zhendong Su

Publicado 2026-03-17

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Sverrir Thorgeirsson, Theo B. Weidmann, Zhendong Su

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você quer construir uma casa, mas em vez de pegar um martelo e pregos, você apenas conversa com um "arquiteto mágico" (uma Inteligência Artificial). Você diz: "Quero uma sala com janelas grandes e uma porta azul", e o arquiteto constrói. Se a porta ficar torta, você diz: "Ah, na verdade, eu queria ela mais alta", e ele conserta. Você nunca toca nos tijolos ou no cimento; você apenas "vibe" (sente o ritmo) da construção através da conversa.

Isso é o que os pesquisadores chamam de "Vibe Coding" (Programação por Vibração/Intuição).

Este estudo, feito por cientistas da ETH Zurique, quer saber: quem é melhor nessa brincadeira? Será que é a pessoa que sabe muito de programação tradicional? Ou é a pessoa que escreve muito bem e consegue explicar suas ideias com clareza?

Aqui está a explicação do que eles descobriram, usando analogias do dia a dia:

1. O Grande Experimento: A "Cozinha de Teste"

Os pesquisadores reuniram 100 estudantes universitários. Eles não deixaram os alunos mexerem no código (o "cimento" da casa). Eles deram a eles uma ferramenta onde só podiam digitar pedidos em português (ou inglês) e ver o resultado na tela.

Os alunos tiveram que fazer três coisas:

Copiar: Tentar recriar um aplicativo que já existia (como copiar uma receita).
Melhorar: Adicionar uma nova funcionalidade a um app existente (como adicionar um forno a uma cozinha pronta).
Criar do Zero: Fazer um app sem contexto claro, apenas descrevendo o que queriam (como pedir para o arquiteto criar algo "estranho e divertido" sem dar detalhes).

Além disso, os alunos fizeram testes de:

Conhecimento em Computação: Perguntas sobre lógica e como computadores funcionam.
Habilidade de Escrita: Escrever um texto explicando um conceito técnico para alguém que não é especialista.
Inteligência Geral: Quebra-cabeças e lógica pura.

2. A Descoberta Principal: O "Duplo Motor"

O resultado foi surpreendente. Para ser bom em "Vibe Coding", você precisa de dois motores, não apenas um:

Motor 1: O Conhecimento de Programação (CS Achievement)
- A Analogia: Imagine que você é um cozinheiro experiente. Mesmo que você não esteja cozinhando, você sabe que "sal" e "açúcar" não se misturam bem, ou que "fritar" exige fogo alto.
- O Resultado: Quem estudou computação teve um desempenho melhor. Mesmo sem ver o código, eles entendiam a lógica por trás das coisas. Eles sabiam como "desmontar" o problema em partes menores para pedir à IA. Foi o fator mais forte.
Motor 2: A Habilidade de Escrever Bem (Writing Skills)
- A Analogia: Imagine que você está pedindo um prato em um restaurante. Se você disser "Quero algo gostoso", o garçom (a IA) vai ficar confuso. Mas se você disser "Quero um prato salgado, com carne macia e sem cebola", você consegue exatamente o que quer.
- O Resultado: Quem escrevia de forma clara, organizada e lógica, conseguiu instruir a IA com muito mais precisão. Eles sabiam como "traduzir" sua ideia para a máquina.

O Pulo do Gato: O estudo mostrou que ter um motor não basta. Você precisa dos dois. Alguém que sabe programar, mas escreve mal, vai ter dificuldade em explicar o que quer. Alguém que escreve muito bem, mas não entende a lógica de computação, vai pedir coisas que a IA não consegue fazer (como "faça um app que voa").

3. O Fator "Inteligência Geral"

Os pesquisadores também mediram a inteligência geral (como resolver quebra-cabeças). Eles descobriram que, embora a inteligência ajude, ela não explica tudo.

Mesmo controlando pela inteligência, quem sabia de programação e quem escrevia bem ainda se saía melhor. Ou seja, não é só "ser inteligente" que garante o sucesso; são habilidades específicas que podem ser aprendidas.

4. A Curiosidade Surpreendente: O Paradoxo do Uso de IA

Os pesquisadores perguntaram: "Quem usa IA todo dia é melhor?"
Surpreendentemente, não.

Os alunos que diziam usar IA com muita frequência tiveram um desempenho pior tanto na escrita quanto na programação.
A Teoria: Talvez quem usa muito a IA para "pular etapas" perca a habilidade de pensar e escrever por conta própria. Ou talvez pessoas que têm dificuldade em escrever busquem a IA como muleta, e essa dependência não as torne melhores na tarefa.

5. O Que Isso Significa para o Futuro?

O estudo nos dá um mapa para o futuro da educação e do trabalho:

Não abandone a base: Aprender os fundamentos da computação (lógica, algoritmos) continua sendo crucial, mesmo que a IA faça o trabalho pesado. É como saber a teoria da música mesmo que você use um sintetizador.
Escrever é programar: A habilidade de escrever textos claros, organizados e persuasivos tornou-se uma habilidade técnica. Se você quer programar com IA, precisa aprender a escrever como um "engenheiro de prompts".
O Futuro é Híbrido: Os melhores "programadores do futuro" não serão apenas os que sabem codificar, nem apenas os que escrevem bem. Serão os tradutores que conseguem conectar a lógica complexa do computador com a clareza da linguagem humana.

Resumo em uma frase:
Para construir o futuro com Inteligência Artificial, você precisa ter a mente de um engenheiro (para entender a lógica) e a boca de um escritor (para explicar a lógica), e não apenas a sorte de ter um computador mágico.

Título: Competência em Programação de Computação e Habilidades de Escrita Preveem a Proficiência em "Vibe Coding"

1. Problema e Contexto

O desenvolvimento de software está passando por uma transformação significativa com a integração de Grandes Modelos de Linguagem (LLMs). Uma nova metodologia, chamada "Vibe Coding" (cunhada por Andrej Karpathy), permite que os usuários especifiquem programas em linguagem natural e iterem com base no comportamento observado, sem editar diretamente o código-fonte.

Apesar da adoção acelerada de ferramentas como Replit, Cursor e Lovable, há um conhecimento limitado sobre quais habilidades predizem o sucesso nesse fluxo de trabalho. O estudo aborda duas questões centrais:

Até que ponto as habilidades de escrita (comunicação escrita) são preditoras da eficácia no "vibe coding"?
Como a realização em Ciência da Computação (CC) se compara às habilidades de escrita e ao raciocínio cognitivo geral na previsão desse desempenho?

O contexto é urgente, dado o declínio observado nas habilidades de escrita em nível global e a necessidade de entender se o futuro do desenvolvimento de software dependerá mais da capacidade de formular prompts precisos do que do conhecimento técnico tradicional.

2. Metodologia

Os autores conduziram um estudo transversal pré-registrado com 100 estudantes de nível terciário (universitários) em Zurique, Suíça.

Participantes:

Recrutados de várias universidades da área metropolitana.
Critérios: Curso introdutório de CC concluído, experiência prévia com LLMs para programação e proficiência em inglês (nível C1).
Demografia: 56 mulheres, 44 homens; média de idade de 25 anos.

Instrumentos de Avaliação:

Avaliação de Vibe Coding (Variável Dependente):
- Realizada em uma plataforma personalizada construída pelos autores, que imita ferramentas comerciais (chat à esquerda, pré-visualização da aplicação à direita) mas oculta o código-fonte, forçando a interação puramente via prompts e observação de comportamento.
- Tarefas: Três tarefas de desenvolvimento de aplicações GUI (Interface Gráfica):
  - Replicação: Recriar um aplicativo existente.
  - Extensão de Funcionalidade: Adicionar recursos a um aplicativo existente.
  - Tarefa Descontextualizada: Criar uma aplicação baseada em um "brinquedo" de GUI sem contexto semântico claro (para testar a especificação expressiva pura).
- As tarefas foram curadas por um painel de 8 especialistas usando um processo de consenso estruturado (técnica Delphi).
Medidas de Habilidades (Variáveis Independentes):
- Realização em Ciência da Computação (CS Achievement): Subconjunto de 12 itens do teste SCS1 (avaliação validada de conhecimento de CC, independente de linguagem de programação).
- Habilidades de Escrita: Uma tarefa de redação de 300-450 palavras explicando um conceito técnico para um leigo, avaliada por um rubric analítico desenvolvido por especialistas em comunicação escrita.
- Habilidades Cognitivas Gerais (Controle): Teste ICAR16 (Recursos Internacionais de Capacidade Cognitiva), medindo raciocínio verbal, de matrizes, séries de letras e rotação 3D.

Procedimento:
Os participantes completaram as tarefas de vibe coding e a bateria de testes em ordem contra-balancedada. O desempenho no vibe coding foi pontuado cegamente por um avaliador humano com base em critérios de fidelidade comportamental e funcionalidade.

3. Principais Contribuições

O trabalho oferece três contribuições principais para a comunidade de HCI e Educação em Computação:

Resposta Empírica sobre Habilidades Chave: Quantifica como a escrita, a realização em CC e o raciocínio geral se relacionam com o desempenho no vibe coding, fornecendo dados sobre quais competências devem ser priorizadas no currículo e no design de ferramentas.
Suite de Avaliação Validada: Apresenta um conjunto de tarefas de programação via linguagem natural projetadas por especialistas, com critérios de pontuação claros, destinado a replicação e uso instrucional.
Plataforma de Pesquisa: Introduz um ambiente de pesquisa personalizado que suporta o fluxo de trabalho iterativo e guiado por comportamento do "vibe coding" (sem acesso ao código), permitindo experimentação controlada.

4. Resultados

As análises estatísticas (correlações de Pearson e regressões OLS hierárquicas) revelaram:

Preditores Significativos: Tanto a Realização em CC ( $r = 0,39$ ) quanto as Habilidades de Escrita ( $r = 0,29$ ) são preditores significativos do desempenho no vibe coding.
Independência Cognitiva: A realização em CC permanece um preditor significativo mesmo após controlar por habilidades cognitivas gerais (ICAR16). Isso sugere que o conhecimento específico de CC agrega valor além da inteligência geral.
Valor Preditivo Relativo: Em um modelo conjunto, a realização em CC contribuiu com aproximadamente duas vezes mais variância única do que as habilidades de escrita. No entanto, as habilidades de escrita ainda adicionaram valor preditivo incremental não trivial.
Mecanismo de Mediação: A análise exploratória indicou que a qualidade do prompt atua como um mecanismo de mediação. Estudantes com melhores habilidades de escrita produziram prompts mais claros e bem estruturados, o que, por sua vez, levou a melhores resultados no vibe coding.
Tarefas Descontextualizadas: A hipótese de que habilidades de escrita seriam mais importantes para tarefas descontextualizadas (sem contexto prévio) não foi confirmada; a correlação foi ligeiramente menor ou comparável às tarefas ricas em contexto.
Uso de LLM: Curiosamente, a frequência autorrelatada de uso de LLMs correlacionou-se negativamente com o desempenho no vibe coding e com as habilidades de escrita, sugerindo que o uso excessivo ou dependente pode não estar associado a melhores competências nesses domínios.

5. Significado e Implicações

Os resultados têm implicações profundas para o design de ferramentas e currículos educacionais:

Design de Currículos: O ensino de Ciência da Computação não deve abandonar os fundamentos técnicos. A realização em CC continua sendo o preditor mais forte, provavelmente devido à capacidade de decomposição de problemas e pensamento algorítmico que esses estudantes desenvolveram. No entanto, as habilidades de escrita são um componente crítico e independente.
Design de Ferramentas: Ferramentas que ensinam "engenharia de prompts" são válidas, mas não substituem a necessidade de fundamentos de CC. O foco deve ser em como traduzir intenção de design em instruções precisas, aproveitando tanto o conhecimento técnico quanto a clareza linguística.
Validade do Construto: O estudo valida que o "vibe coding" é uma competência distinta que depende de uma combinação de habilidades técnicas (CC) e comunicativas (Escrita), e não apenas de uma habilidade cognitiva geral.
Limitações e Futuro: O estudo focou em "vibe coding puro" (sem código visível). Em fluxos de trabalho híbridos (onde o código é visível e editável), o papel da realização em CC pode ser ainda maior. Estudos futuros devem explorar populações mais amplas (desenvolvedores profissionais) e tarefas mais complexas (análise de dados, algoritmos).

Em resumo, o estudo demonstra que, na era da programação assistida por IA, o sucesso não é apenas sobre saber programar ou apenas sobre saber escrever, mas sobre a sinergia entre a lógica estruturada da Ciência da Computação e a capacidade de comunicar intenções complexas de forma clara e precisa.