論文の概要: Adoption of Artificial Intelligence in Schools: Unveiling Factors
Influencing Teachers Engagement
- arxiv url: http://arxiv.org/abs/2304.00903v2
- Date: Wed, 5 Apr 2023 09:49:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 14:52:55.622385
- Title: Adoption of Artificial Intelligence in Schools: Unveiling Factors
Influencing Teachers Engagement
- Title（参考訳）: 学校における人工知能の活用:教師の関与に影響を及ぼす要因
- Authors: Mutlu Cukurova, Xin Miao, Richard Brooker
- Abstract要約: 学校で採用されるAIツールは、常に研究コミュニティの製品として考慮され、研究されるとは限らない。
学校における適応型学習プラットフォームの導入に影響を及ぼす包括的要因を測定するための信頼性の高い尺度を開発した。
追加の作業負荷、教師の所有と信頼の増大、支援メカニズムの生成、倫理的問題が最小化されることの保証は、学校でAIを採用する上でも不可欠である。
- 参考スコア（独自算出の注目度）: 5.546987319988426
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Albeit existing evidence about the impact of AI-based adaptive learning
platforms, their scaled adoption in schools is slow at best. In addition, AI
tools adopted in schools may not always be the considered and studied products
of the research community. Therefore, there have been increasing concerns about
identifying factors influencing adoption, and studying the extent to which
these factors can be used to predict teachers engagement with adaptive learning
platforms. To address this, we developed a reliable instrument to measure more
holistic factors influencing teachers adoption of adaptive learning platforms
in schools. In addition, we present the results of its implementation with
school teachers (n=792) sampled from a large country-level population and use
this data to predict teachers real-world engagement with the adaptive learning
platform in schools. Our results show that although teachers knowledge,
confidence and product quality are all important factors, they are not
necessarily the only, may not even be the most important factors influencing
the teachers engagement with AI platforms in schools. Not generating any
additional workload, in-creasing teacher ownership and trust, generating
support mechanisms for help, and assuring that ethical issues are minimised,
are also essential for the adoption of AI in schools and may predict teachers
engagement with the platform better. We conclude the paper with a discussion on
the value of factors identified to increase the real-world adoption and
effectiveness of adaptive learning platforms by increasing the dimensions of
variability in prediction models and decreasing the implementation variability
in practice.
- Abstract（参考訳）: AIベースの適応学習プラットフォームの影響に関する証拠は存在するが、彼らの学校における大規模採用は、せいぜい遅い。
さらに、学校で採用されるAIツールは、常に研究コミュニティの熟考された製品であるとは限らない。
そのため、採用に影響を与える要因の特定や、これらの要因が適応型学習プラットフォームへの教師の関与を予測できる程度に研究が進められている。
そこで我々は,教師が学校における適応型学習プラットフォームを採用する上で,より包括的要因を測定するための信頼性の高い尺度を開発した。
さらに,学校教師(n=792)を大国人からサンプリングし,このデータを用いて,学校における適応学習プラットフォームとの現実的な関わりを予測した。
以上の結果から,教師の知識,信頼度,製品品質がすべて重要な要因であるにもかかわらず,教師が学校におけるaiプラットフォームと関わる上で最も重要な要因であるとは限らない。
追加の作業負荷、教師の所有と信頼の増大、支援のメカニズムの生成、倫理的問題が最小化されていることを保証することは、学校でAIを採用する上でも不可欠であり、プラットフォームへの教師の関与をより良く予測する可能性がある。
本論文は, 予測モデルの変動率を増大させ, 実装変動を実際に減少させることにより, 適応学習プラットフォームの現実的普及と有効性を高める要因の価値について考察した。
関連論文リスト
- Generative AI Adoption in Classroom in Context of Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT) [1.9659095632676098]
本研究は, 教育者の認知とGenAI, LLMの受容に影響を及ぼす要因を明らかにすることを目的とする。
本研究は,GenAIツールの有用性と,その受容性との間に強い正の相関関係があることを明らかにする。
使用の容易さが重要な要因として現れたが、それより少なかったため、受け入れに影響が及んだ。
論文 参考訳（メタデータ） (2024-03-29T22:41:51Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳（メタデータ） (2024-03-05T09:09:15Z) - Show me the numbers! -- Student-facing Interventions in Adaptive
Learning Environments for German Spelling [0.0]
学生向け適応学習環境は, 人的誤り率の向上に有効である。
我々は,エラー率,早期ドロップアウト数,ユーザ能力に関する異なる介入を評価した。
論文 参考訳（メタデータ） (2023-06-13T15:33:09Z) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳（メタデータ） (2022-12-13T12:14:09Z) - A Machine Learning system to monitor student progress in educational
institutes [0.0]
本稿では、機械学習技術を用いて、クレジットスコアと呼ばれる分類器を生成するデータ駆動手法を提案する。
信用スコアを進捗指標として使うという提案は、学習管理システムで使うのに適している。
論文 参考訳（メタデータ） (2022-11-02T08:24:08Z) - Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge
Distillation [70.92135839545314]
本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。
DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
論文 参考訳（メタデータ） (2022-06-13T11:52:13Z) - Iterative Teacher-Aware Learning [136.05341445369265]
人間の教育において、教師と学生はコミュニケーション効率を最大化するために適応的に交流することができる。
本稿では,教師の協調意図を可能性関数に組み込むことができる,勾配最適化に基づく教師認識学習者を提案する。
論文 参考訳（メタデータ） (2021-10-01T00:27:47Z) - Canvas Adoption Assessment and Acceptance of the Learning Management
System on a Web-Based Platform [0.0]
本研究の目的は,新しい学習管理システムとしてのCanvasの採用と,東方大学のeラーニングプログラムにおけるWebベースのプラットフォームとしての可能性を評価することである。
学生は使いやすさが有用性に有意な影響を及ぼすが,Canvasの使用に対する態度に有意な影響を与えない。
論文 参考訳（メタデータ） (2021-01-29T01:30:55Z) - Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。
近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文 参考訳（メタデータ） (2021-01-19T12:23:32Z) - Dual Policy Distillation [58.43610940026261]
教員政策を学生政策に転換する政策蒸留は、深層強化学習の課題において大きな成功を収めた。
本研究では,2人の学習者が同じ環境下で活動し,環境の異なる視点を探索する,学生学生による二重政策蒸留(DPD)を導入する。
この二重学習フレームワークを開発する上で重要な課題は、同時代の学習に基づく強化学習アルゴリズムにおいて、ピア学習者から有益な知識を特定することである。
論文 参考訳（メタデータ） (2020-06-07T06:49:47Z)
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。