Vibe Coding 小论文 · 交接文档
致第二、第三作者：这一页只讲三件事——你要做什么、怎么做、做完给谁。读完大约 5 分钟。任何一段有问题，直接点该段右上角的「+」批注，我会回复（绿色标记的就是我）。
一、你的任务（一句话版）
独立编码信度子样本：11 份学生与 AI 的对话，共 339 轮（约占全体 1/3），逐轮打标签，编完导出 CSV 发给我。第一作者已完成全量 958 轮编码（2.0 口径）；我负责合并、算一致性（Cohen's kappa）、组织分歧协商。
二、三步上手
第 1 步：进入平台
- 网址：academic.fokfoklab.cyou/coding339/（信度编码专用版，只含你的 339 轮；访问密码 888）。
- 首次打开点「我是斯瑶，开始编码」确认身份，之后全程固定。
- 固定同一台电脑 + 同一个浏览器：编码进度只保存在本机浏览器里，换设备或清缓存会丢。
第 2 步：编码
- 「任务看板」里每名学生一张卡片，点进去就是编码工作台：左边看材料，右边打标签。
- 对话记录逐轮编码（一轮 = 学生一次发言 + AI 的反馈）；反思记录按篇编码。
- 右侧面板有四组预设标签（点选 / 再点取消，可多选）：
学生行为 18 个、AI 行为 20 个、元认知 10 个、分离现象 10 个。每个标签都附定义和例句，先按定义编，不凭感觉。
- 预设不够用时用「自由标签」；觉得这一轮体现了某个大主题，在「主题篮」勾选（8 个主题，可多选也可不选）。
- 拿不准就勾「不确定」，完全无法编码就勾「跳过」——都算已处理，不要硬编。
- 学生发截图的轮次也要编：截图本身就是行为（主动截图 / 被动截图）。
- 点「保存并下一轮」自动前进；随时可以关浏览器，下次打开接着来。
第 3 步：导出
- 编完后点平台顶部「导出与一致性」→「导出我的编码 CSV」。
- 把 CSV 微信发给我，剩下的合并和一致性检验由我处理。
三、研究一分钟速览
研究问题：Vibe Coding（AI 辅助编程）单次教学中，学生的自我效能感与元认知意识是否出现「分离」——表面上有信心完成任务，深层理解和独立能力却没有同步发展。
核心指标：分离指数 = ΔSE − ΔMeta（自我效能变化减去元认知变化）。指数越高，「虚高」风险越大。按此把学生分为虚高型 / 潜力型 / 协同型等路径。
理论框架：自我调节学习（Zimmerman）+ 元认知理论（Flavell）+ 自我效能来源（Bandura）。方法上参照 Smith 等人（2025，Computers and Composition）的多模态编码流程：开放编码 → 轴心编码 → 选择性编码。
你在其中的位置：你做的逐轮标签就是「开放编码」的产出。两轮标签汇总后，我们一起做轴心编码（聚类）和选择性编码（提炼主题）。
四、数据现状（已核对）
| 数据源 | N | 状态 |
|---|
| 课前问卷 | 27 人 | 量化分析已完成 |
| 课后问卷 | 31 人 | 量化分析已完成 |
| 前后测配对样本 | 28 人 | 量化分析已完成（见下表） |
| AI 对话记录 | 30 份 · 958 轮 · 348 张截图 | 已脱敏（S 编号）；第一作者已完成全量预编码（2.0 口径），信度编码进行中 ← 在编码平台 |
| 学习反思记录 | 23 份 | 已脱敏，待编码 ← 在编码平台 |
对话平台分布：豆包 19 份、Kimi 6 份、DeepSeek 4 份、通义千问 1 份。对话中 AI 的长回复已做概述压缩（保留要点），学生的发言和截图描述是完整原文——编码时以学生原文为主。
五、量化关键数字（论文可直接引用）
| 数据点 | 数值 | 含义 |
|---|
| 配对样本量 | N = 28 | 前后测可匹配学生 |
| 前后测 SE 变化 | +0.06 (p = .477) | 自我效能感微升，不显著 |
| 前后测 Meta 变化 | −0.09 (p = .475) | 元认知意识微降，不显著 |
| 分离指数均值 | +0.157 | SE 提升超过元认知的净效应 |
| 虚高风险比例 | 42.9%（12/28） | SE 提升 > 元认知提升 |
| 潜力型比例 | 32.1%（9/28） | 元认知提升 > SE 提升 |
| 协同型比例 | 25.0%（7/28） | 两者同步 |
| 「成功归功于 AI」≥ 同意 | 61.3%（19/31） | 归因于 AI 而非自身 |
| 无 AI 独立信心 ≤ 一般 | 82.1%（23/28） | 独立信心不足 |
| 反思中「还需 AI 辅助」 | 82.6%（19/23） | 质性数据印证 |
| 主动截图求助 | 95.7%（22/23） | 截图是核心求助方式 |
读法：三个维度前后测变化都不显著，但方向性信息很关键——信心涨、元认知不涨、归因给 AI、离开 AI 没信心。你的编码工作就是为这组数字找过程证据：分离到底发生在对话的哪些环节。
六、编码时重点留意什么
- 分离现象（SEP 组）是核心：虚高信号、归因于 AI、独立信心低、依赖觉察、理解错觉等 10 个标签，直接对应研究假设，优先关注。
- 元认知组（M）：计划、监控、评估、调整的显式表达。注意「没有表达」本身也是信息——不要在学生没表达时硬贴。
- 截图行为：主动截图 vs 被动截图，结合前后轮看学生是在诊断问题还是只会甩图。
- AI 的完整方案（A-COMPLETE-SOL）遇上学生的完整方案请求（S-ASK-COMPLETE）：这是「生成式支架」最容易变成「替代」的时刻，建议同时勾选主题篮「生成式支架悖论」。
- 离题轮次照标「离题」，不用纠结。
七、编码示范案例（5 个，取自真实数据）
下面 5 个案例是我（第一作者）的示范编码，不是标准答案——你有不同判断就按你的编，分歧正是试编码周要讨论的内容。
案例 1 · 开口就要完整方案（对话 S01 第 1 轮）
学生：「这个是我们老师给我们的作业，需要……部署一个番茄倒计时的网页……能够通过公网访问，还需要推送到 GitHub 上。你看看怎么弄：（作业链接）」
AI：直接给出 4300 字端到端方案，含目录结构、改好的代码、6 个代码块。
- 学生行为：S-ASK-COMPLETE（完整方案请求）
- AI 行为：A-COMPLETE-SOL（完整方案）、A-INSTRUCT-STEP（步骤指导）、A-CODE-PROVIDE（提供代码）
- 主题篮：生成式支架悖论
- 为什么：学生第一轮就要全流程方案，AI 也照给——支架最完整的时刻，也是依赖风险的起点，是本研究最典型的场景。
案例 2 · 截图 + 短句追问（对话 S05 第 10–12 轮）
学生：「这样子是不是就失败了」→（发一张 GitHub 空白仓库截图）→「还是这样的，到底在哪里看到我有没有上传成功」
AI：教两个判断上传成功的地方 + 网页手动上传的替代方案。
- 学生行为：S-ASK-VERIFY（验证请求，第 10 轮）、S-SHOT-ACTIVE（主动截图，第 11 轮）、S-REPEAT（重复提问，第 12 轮没解决又问）
- AI 行为：A-DEBUG-SOLVE（排错解决）、A-OPTION-OFFER（提供网页上传备选）
- 主题篮：截图求助行为
- 为什么：「截图 + 一句话」是全数据集最高频的求助模式，注意验证请求（我这样做对吗）和调试求助（报错怎么办）的区别。
案例 3 · 页面写着答案还要问（对话 S12 第 88–89 轮）
学生：（发 Vercel 二次验证页面截图）「点哪个」
AI：点底部的「Skip securing my account」，翻译：跳过账号安全设置。
- 学生行为：S-SHOT-ACTIVE（主动截图）、S-ASK-PROC（程序性问题）
- 分离现象：SEP-DEP-UNAWARE（依赖无意识——页面上每个按钮都有文字说明，不读直接问 AI 指路）
- AI 行为：A-INSTRUCT-STEP（步骤指导）、A-EXPLAIN-CONCEPT（翻译并解释原因）
- 主题篮：依赖与觉察
- 为什么：信息就在屏幕上学生却不自己读，这是「依赖无意识」的教科书式信号。遇到同类轮次请留意这个标签。
案例 4 · 离题对话里的 AI 幻觉（对话 S07 第 4–6 轮）
学生：「从前，我看山不是山，看水不是水这句话的完整版」
AI 前一轮：答成汪曾祺的散文（张冠李戴）→ 后一轮：道歉并纠正为禅宗青原行思的三重境界。
- 学生行为：S-OFF-TOPIC（离题——与部署任务无关的哲学闲聊，照标，不用纠结）
- AI 行为：A-HALLUCINATE（幻觉输出，前一轮）、A-SELF-CORRECT（自我纠正，后一轮）
- 主题篮：离题与干扰
- 为什么：幻觉轮次必须标出来——AI 说错过话，会影响学生后续对 AI 的信任和归因方式，这是分析归因主题的重要背景。
案例 5 · 反思记录的编法（反思 S07）
结构化自评：理解程度「不太理解但能用」；独立信心「还需 AI 辅助」。
正文：「面对复杂的代码逻辑和报错信息……完全做不出来。但有了 AI 的陪伴，它就像一位耐心的导师……让原本困难的开发工作变得轻松许多。」
- 分离现象：SEP-ILLUSION-UNDERSTAND（理解错觉——「能用」但「不太理解」）、SEP-INDEP-LOW（独立信心低）、SEP-ATTRIB-AI（把轻松完成归功于 AI）
- 元认知：M-ME-FLUENCY（流畅性体验——「轻松许多」）
- 主题篮：归因与信心
- 为什么：反思按篇编码；开头的结构化自评（理解程度、独立信心两栏）本身就是强信号，别只看正文。自评与正文矛盾时两个都标，分歧会上讨论。
八、建议分工与节奏（可协商）
| 阶段 | 内容 | 目的 |
|---|
| ① 校准 | 先独立编码第七节的 5 个示范案例（案例 1–4 为对话、案例 5 为反思，顺带体验两类数据），再与第一作者对答案 | 统一口径，重点核对手册第五部分的三条裁决规则 |
| ② 信度编码 | 独立盲编信度子样本：11 份对话 · 339 轮（S01、S07、S08、S09、S10、S11、S14、S18、S24、S26、S30；按平台分层随机抽取，约占全体 1/3）。用信度专用版平台（只含这些对话）或 Excel 编码表均可，两者格式一致 | 与第一作者的全量编码重叠，用于信度检验 |
| ③ 信度检验 | 导出 CSV 给我 → 我算 Cohen's kappa（目标 ≥ 0.70）→ 分歧逐条协商 | 形成最终编码数据集 |
背景：第一作者已按 2.0 口径完成全部 958 轮编码，因此分工从「两人全量双编」调整为「一人全量 + 一人 1/3 子样本」的信度设计。截点：9 月 13 日前完成并导出 CSV，9 月 15 日投稿 iConference。
九、常见问题
- 进度会丢吗？进度自动保存在你自己电脑的浏览器里。不换电脑、不换浏览器、不清缓存就不会丢。
- 截图能转发吗？不能。截图含学生真实作品界面，仅限编码用途。
- 标签不理解怎么办？先在该段点「+」批注问我，或直接微信。试编码周就是用来解决这类问题的。
- 学生都是匿名的吗？是。平台里只有 S 编号，姓名学号映射表仅我一人持有，学生已签知情同意。
十、相关入口
- 编码平台：academic.fokfoklab.cyou/coding/（全量数据）
- 信度编码专用版（只含你的 339 轮，推荐入口）：academic.fokfoklab.cyou/coding339/
- 质性编码手册（标签定义 + 示例，编码时对照查阅）：academic.fokfoklab.cyou/papers/vibe-coding-codebook.html
- 研究方法、量化分析报告：主页 academic.fokfoklab.cyou 同系列卡片。
- 本页批注：任何段落右上角「+」，绿色标记的回复是我本人。
本页最后更新：2026-09-07。数据规模以编码平台实际载入为准。