論文の概要: Human-Generative AI Collaborative Problem Solving Who Leads and How Students Perceive the Interactions
- arxiv url: http://arxiv.org/abs/2405.13048v1
- Date: Sun, 19 May 2024 03:29:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-25 04:41:59.071368
- Title: Human-Generative AI Collaborative Problem Solving Who Leads and How Students Perceive the Interactions
- Title（参考訳）: 学生が対話をどのように知覚するかを導く人間生成型AIの協調的問題解決
- Authors: Gaoxia Zhu, Vidya Sudarshan, Jason Fok Kow, Yew Soon Ong,
- Abstract要約: 本研究では、生成型AI(すなわちChatGPT)と協調する際の人間生成型AIコラボレーションタイプと学生のインタラクション体験について検討する。
79人の大学生を対象にした調査とリフレクションを分析して、貢献、人的リード、AIリードという3つの人間生成AIコラボレーションタイプを特定した。
- 参考スコア（独自算出の注目度）: 22.467560842561852
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research investigates distinct human-generative AI collaboration types and students' interaction experiences when collaborating with generative AI (i.e., ChatGPT) for problem-solving tasks and how these factors relate to students' sense of agency and perceived collaborative problem solving. By analyzing the surveys and reflections of 79 undergraduate students, we identified three human-generative AI collaboration types: even contribution, human leads, and AI leads. Notably, our study shows that 77.21% of students perceived they led or had even contributed to collaborative problem-solving when collaborating with ChatGPT. On the other hand, 15.19% of the human participants indicated that the collaborations were led by ChatGPT, indicating a potential tendency for students to rely on ChatGPT. Furthermore, 67.09% of students perceived their interaction experiences with ChatGPT to be positive or mixed. We also found a positive correlation between positive interaction experience and a sense of positive agency. The results of this study contribute to our understanding of the collaboration between students and generative AI and highlight the need to study further why some students let ChatGPT lead collaborative problem-solving and how to enhance their interaction experience through curriculum and technology design.
- Abstract（参考訳）: 本研究は, 問題解決タスクにおいて, 生成的AI(ChatGPT)との共同作業を行う場合の, 人為的AIコラボレーションタイプと学生のインタラクション体験について検討し, これらの要因が学生の代理意識と協調的問題解決に与える影響について考察する。
79人の大学生を対象にした調査とリフレクションを分析して、貢献、人的リード、AIリードという3つの人間生成AIコラボレーションタイプを特定した。
特に,ChatGPTとの共同研究において,77.21%の学生が,自らを指導したか,あるいは協力的な問題解決に寄与していたことが示唆された。
一方、被験者の15.19%は、共同作業はChatGPTが主導しており、学生がChatGPTに頼る傾向があることを示唆している。
さらに、67.09%の学生がChatGPTとの交流経験が肯定的あるいは混合的であると感じている。
また,ポジティブインタラクション体験とポジティブエージェンシー感覚の正の相関が認められた。
本研究の結果は,学生と生成AIの連携の理解に寄与し,ChatGPTが共同問題解決を指導した理由や,カリキュラムや技術設計を通じてインタラクションエクスペリエンスを向上させる方法について,さらに研究の必要性を強調した。
関連論文リスト
- Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。
その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
論文 参考訳（メタデータ） (2024-11-15T13:22:04Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - Mutual Theory of Mind in Human-AI Collaboration: An Empirical Study with LLM-driven AI Agents in a Real-time Shared Workspace Task [56.92961847155029]
心の理論(ToM)は、他人を理解する上で重要な能力として、人間の協調とコミュニケーションに大きな影響を及ぼす。
Mutual Theory of Mind (MToM) は、ToM能力を持つAIエージェントが人間と協力するときに発生する。
エージェントのToM能力はチームのパフォーマンスに大きな影響を与えず,エージェントの人間的理解を高めていることがわかった。
論文 参考訳（メタデータ） (2024-09-13T13:19:48Z) - The Future of Learning: Large Language Models through the Lens of Students [20.64319102112755]
学生はChatGPTの効率を学習と情報探索に活用するというジレンマに悩まされる。
学生はChatGPTを従来のAIよりも「人間的」だと考えている。
論文 参考訳（メタデータ） (2024-07-17T16:40:37Z) - Exploring the Impact of ChatGPT on Student Interactions in
Computer-Supported Collaborative Learning [1.5961625979922607]
本稿では,コンピュータ支援型協調学習環境におけるChatGPTの適用性について検討する。
統計的分析を用いて,非同期グループブレインストーミングセッションにおける学生のインタラクションの変化を,ChatGPTを即時質問応答エージェントとして導入することで検証する。
論文 参考訳（メタデータ） (2024-03-11T18:18:18Z) - Understanding Entrainment in Human Groups: Optimising Human-Robot
Collaboration from Lessons Learned during Human-Human Collaboration [7.670608800568494]
コラボレーションにおけるトレーニングの成功は、信頼、協力への意欲、協力者への好意に肯定的な影響を及ぼす。
本稿では,HCI/HRI(Human-Computer/Robot Interaction)とHCI/HRI(Human-Centred approach)を併用し,ペアとグループによる協調作業における運動の特徴を同定する。
論文 参考訳（メタデータ） (2024-02-23T16:42:17Z) - Embrace Opportunities and Face Challenges: Using ChatGPT in
Undergraduate Students' Collaborative Interdisciplinary Learning [0.6534705345202518]
ChatGPTは世界中の学生や教育者から広く注目を集めており、Hu(2023年)のオンラインレポートでは、史上最速の成長を遂げた消費者向けアプリケーションであるとしている。
高等教育におけるChatGPTの使用に関する議論は多いが、協調学際学習への影響に関する実証的研究は稀である。
2週間にわたり、130人の大学生(STEMおよび非STEM)を対象に、ChatGPTの有無にかかわらずデジタルリテラシーを学ぶための準実験を行った。
論文 参考訳（メタデータ） (2023-05-23T13:14:49Z) - IGLU 2022: Interactive Grounded Language Understanding in a
Collaborative Environment at NeurIPS 2022 [63.07251290802841]
協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。
競争の第一の目的は、対話型エンボディエージェントの開発方法の問題にアプローチすることである。
この研究課題は、NeurIPSコミュニティと非常に関係のある2つの研究分野に自然に関連があるが、限定的ではない。
論文 参考訳（メタデータ） (2022-05-27T06:12:48Z) - NeurIPS 2021 Competition IGLU: Interactive Grounded Language
Understanding in a Collaborative Environment [71.11505407453072]
協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。
競争の主目的は、対話型エージェントをいかにして構築するかという問題にアプローチすることであり、協調環境において、接地された自然言語命令を提供しながらタスクの解決を学ぶことである。
この研究課題は、自然言語理解・生成(NLU/G)と強化学習(RL)という、NeurIPSコミュニティと密接に関連している2つの分野に自然に関連している。
論文 参考訳（メタデータ） (2021-10-13T07:13:44Z) - AI-Driven Interface Design for Intelligent Tutoring System Improves
Student Engagement [2.083729551844793]
本稿では,Intelligent Tutoring System (ITS) のインタフェースのためのAI駆動設計について検討する。
本稿では,様々なAIコンポーネントを用いたインターフェース設計を提案し,サンタを通した学生のエンゲージメントへの影響を実証的に評価する。
野生の20K以上の学生を対象に行われた制御されたA/Bテストは、AI駆動インタフェース設計がエンゲージメントの要因を最大25.13%改善することを示している。
論文 参考訳（メタデータ） (2020-09-18T10:32:01Z) - Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks [83.37025218216888]
本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。
ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。
その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2020-07-24T23:35:03Z)
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。