論文の概要: Generative AI Adoption in Classroom in Context of Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT)
- arxiv url: http://arxiv.org/abs/2406.15360v1
- Date: Fri, 29 Mar 2024 22:41:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-01 07:21:03.986485
- Title: Generative AI Adoption in Classroom in Context of Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT)
- Title（参考訳）: TAM(Technology Acceptance Model)とIDT(Innovation Diffusion Theory)の文脈における授業におけるAIの導入
- Authors: Aashish Ghimire, John Edwards,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.9659095632676098
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The burgeoning development of generative artificial intelligence (GenAI) and the widespread adoption of large language models (LLMs) in educational settings have sparked considerable debate regarding their efficacy and acceptability.Despite the potential benefits, the assimilation of these cutting-edge technologies among educators exhibits a broad spectrum of attitudes, from enthusiastic advocacy to profound skepticism.This study aims to dissect the underlying factors influencing educators' perceptions and acceptance of GenAI and LLMs.We conducted a survey among educators and analyzed the data through the frameworks of the Technology Acceptance Model (TAM) and Innovation Diffusion Theory (IDT). Our investigation reveals a strong positive correlation between the perceived usefulness of GenAI tools and their acceptance, underscoring the importance of demonstrating tangible benefits to educators. Additionally, the perceived ease of use emerged as a significant factor, though to a lesser extent, influencing acceptance. Our findings also show that the knowledge and acceptance of these tools is not uniform, suggesting that targeted strategies are required to address the specific needs and concerns of each adopter category to facilitate broader integration of AI tools.in education.
- Abstract（参考訳）: 創発的人工知能(GenAI)の発達と、教育環境における大規模言語モデル(LLM)の普及は、その有効性や受容性についてかなりの議論を呼んだが、教育者間の最先端技術の同化は、熱狂的な擁護から深い懐疑論まで幅広い態度を示しており、この研究は、教育者によるGenAIとLLMの認識や受容に影響を与える要因を解明することを目的としており、教育者を対象に調査を行い、技術受容モデル(TAM)とイノベーション拡散理論(IDT)の枠組みを通してデータ分析を行った。
本研究は,GenAIツールの有用性と,その受容性との間には強い正の相関関係を示し,教育者にとって有意義なメリットを示すことの重要性を強調した。
さらに、使用の容易さが重要な要因として認識されたが、ある程度は受け入れに影響した。
また、これらのツールの知識と受容は均一ではなく、AIツールのより広範な統合を促進するために、各採用カテゴリの特定のニーズと関心に対処するためのターゲット戦略が必要であることを示唆している。
関連論文リスト
- Cutting Through the Confusion and Hype: Understanding the True Potential of Generative AI [0.0]
本稿では,生成型AI(genAI)の微妙な景観について考察する。
それは、Large Language Models (LLMs)のようなニューラルネットワークベースのモデルに焦点を当てている。
論文 参考訳（メタデータ） (2024-10-22T02:18:44Z) - The Impact of Generative Artificial Intelligence on Ideation and the performance of Innovation Teams (Preprint) [0.0]
この研究は、知識の流出、ジェネレーション、応用に対するAIの効果を理解するために、知識スパイルオーバー理論を応用している。
その結果,GenAIは神経回路の知識スパイルオーバー理論の重要な要素に肯定的な影響を与えることが明らかとなった。
論文 参考訳（メタデータ） (2024-09-23T18:25:49Z) - To accept or not to accept? An IRT-TOE Framework to Understand Educators' Resistance to Generative AI in Higher Education [0.0]
本研究は,教育者が教室で生成人工知能を採用するのを防ぐ障壁を実証的に予測する理論モデルを開発することを目的とする。
我々のアプローチは、IRT(Innovation resistance Theory)フレームワークに基づいており、TOE(Technology-Organization-Environment)フレームワークの構成要素を拡張しています。
論文 参考訳（メタデータ） (2024-07-29T15:59:19Z) - Generative AI in Education: A Study of Educators' Awareness, Sentiments, and Influencing Factors [2.217351976766501]
本研究は,AI言語モデルに対する教員の経験と態度について考察する。
学習スタイルと生成AIに対する態度の相関は見つからない。
CS教育者は、生成するAIツールの技術的理解にはるかに自信を持っているが、AI生成された仕事を検出する能力にこれ以上自信がない。
論文 参考訳（メタデータ） (2024-03-22T19:21:29Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - A Novel Neural-symbolic System under Statistical Relational Learning [50.747658038910565]
本稿では,GBPGRと呼ばれる2段階の確率的グラフィカル推論フレームワークを提案する。
GBPGRでは、シンボル推論の結果を用いて、ディープラーニングモデルによる予測を洗練し、修正する。
提案手法は高い性能を示し, 帰納的タスクと帰納的タスクの両方において効果的な一般化を示す。
論文 参考訳（メタデータ） (2023-09-16T09:15:37Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - 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)
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。