論文の概要: Generative AI as a Learning Buddy and Teaching Assistant: Pre-service Teachers' Uses and Attitudes

• arxiv url: http://arxiv.org/abs/2407.11983v1
• Date: Mon, 3 Jun 2024 20:38:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-22 11:50:18.581781
• Title: Generative AI as a Learning Buddy and Teaching Assistant: Pre-service Teachers' Uses and Attitudes
• Title（参考訳）: 学習バディとしてのジェネレーティブAI : 教員の使い方と態度
• Authors: Matthew Nyaaba, Lehong Shi, Macharious Nabang, Xiaoming Zhai, Patrick Kyeremeh, Samuel Arthur Ayoberd, Bismark Nyaaba Akanzire,
• Abstract要約: 我々は、Ghana PSTsが生成人工知能(GenAI)の応用に用いている167点を調査した。 我々は、PSTのGenAIに対する態度を形作る3つの重要な要因、教育、学習、倫理的・擁護的要因を特定した。 PSTは、GenAIアプリケーションが提供する情報の正確性と信頼性に関する懸念を表明している。
• 参考スコア（独自算出の注目度）: 0.8566597970144211
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To uncover pre-service teachers' (PSTs') user experience and perceptions of generative artificial intelligence (GenAI) applications, we surveyed 167 Ghana PSTs' specific uses of GenAI as a learning buddy and teaching assistant, and their attitudes towards these applications. Employing exploratory factor analysis (EFA), we identified three key factors shaping PSTs' attitudes towards GenAI: teaching, learning, and ethical and advocacy factors. The mean scores of these factors revealed a generally positive attitude towards GenAI, indicating high levels of agreement on its potential to enhance PSTs' content knowledge and access to learning and teaching resources, thereby reducing their need for assistance from colleagues. Specifically, PSTs use GenAI as a learning buddy to access reading materials, in-depth content explanations, and practical examples, and as a teaching assistant to enhance teaching resources, develop assessment strategies, and plan lessons. A regression analysis showed that background factors such as age, gender, and year of study do not predict PSTs' attitudes towards GenAI, but age and year of study significantly predict the frequency of their use of GenAI, while gender does not. These findings suggest that older PSTs and those further along in their teacher education programs may use GenAI more frequently, but their perceptions of the application remain unchanged. However, PSTs expressed concerns about the accuracy and trustworthiness of the information provided by GenAI applications. We, therefore, suggest addressing these concerns to ensure PSTs can confidently rely on these applications in their teacher preparation programs. Additionally, we recommend targeted strategies to integrate GenAI more effectively into both learning and teaching processes for PSTs.
• Abstract（参考訳）: 先進的な教員(PST)のユーザ体験と生成的人工知能(GenAI)アプリケーションに対する認識を明らかにするために,Ghana PSTsの学習仲間および指導助手としてのGenAIの具体的な使用状況と,それらの応用に対する態度を調査した。 探索的因子分析(EFA)を用いて,PSTのGenAIに対する態度を形作る3つの重要な要因を同定した。 これらの要因の平均スコアは、GenAIに対する概して肯定的な態度を示し、PSTのコンテンツ知識を高め、学習や教材へのアクセスを可能とすることで、同僚の援助の必要性を減らした。 特に、PSTは、GenAIを学習仲間として、読み物、深い内容の説明、実践例へのアクセス、教材の強化、アセスメント戦略の展開、プランニングの指導支援として利用している。 回帰分析の結果,年齢,性別,研究年数などの背景因子はPSTsのGenAIに対する態度を予測しないが,年齢と研究年数はGenAIの使用頻度を有意に予測する一方で,性別は予測しないことがわかった。 これらの結果から,教員教育プログラムにおける高齢者のPSTとそれに伴うPSTは,より頻繁にGenAIを使用する可能性があるが,その適用に対する認識は変化していないことが示唆された。 しかし、PSTはGenAIアプリケーションが提供する情報の正確性と信頼性に関する懸念を表明している。 そこで我々は,これらの懸念に対処し,教員準備プログラムにおいてPSTが確実にこれらの応用に頼れるようにすることを提案する。 さらに,PSTの学習・教育プロセスにGenAIをより効果的に統合するための戦略を推奨する。

関連論文リスト

• KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [75.78948575957081]
  大規模言語モデル(LLM)は通常、知識材料を瞬時に活用するために、検索強化世代に依存している。 本稿では,知識ベースを含む下流タスクへの効率的な適応を目的としたKBAlignを提案する。 提案手法は,Q&Aペアやリビジョン提案などの自己注釈付きデータを用いて反復学習を行い,モデルが知識内容を効率的に把握できるようにする。
  論文  参考訳（メタデータ） (2024-11-22T08:21:03Z)
• Dimensions of Generative AI Evaluation Design [51.541816010127256]
  我々は、GenAI評価設計に関わる重要な選択を捉えるための一般的な次元のセットを提案する。 これらの次元には、評価設定、タスクタイプ、入力ソース、インタラクションスタイル、期間、メトリックタイプ、スコアリング方法が含まれる。
  論文  参考訳（メタデータ） (2024-11-19T18:25:30Z)
• Analysis of Generative AI Policies in Computing Course Syllabi [3.7869332128069773]
  2022年にChatGPTがリリースされて以来、ジェネレーティブAI(GenAI)は、全米の高等教育コンピューティング教室でますます使われている。 我々は、米国の54のR1機関から98のコンピューティングコースシラビを収集し、採用したGenAIポリシーと周囲の談話を調査した。 分析の結果,1)GenAI使用に関する指示は,コースの学術的整合性政策の一部であり,2)GenAI使用を禁止あるいは制限するシラビが多かった。
  論文  参考訳（メタデータ） (2024-10-29T17:34:10Z)
• Students' Perceived Roles, Opportunities, and Challenges of a Generative AI-powered Teachable Agent: A Case of Middle School Math Class [2.5748316361772963]
  ジェネレーティブAI(GenAI)の進歩は、教育可能なエージェント(TA)の形で、長年の学習実践を適用する可能性を高めている。 TAの役割と機会が認められているにもかかわらず、GenAIがどのようにシナジーを生み出したり、TAに課題をもたらすかについてはあまり知られていない。 本研究は,中学生を対象に,真正数学教室におけるGenAIを利用したTAの役割,メリット,課題について検討した。
  論文  参考訳（メタデータ） (2024-08-26T18:54:20Z)
• Model-based Maintenance and Evolution with GenAI: A Look into the Future [47.93555901495955]
  我々は、モデルベースエンジニアリング(MBM&E)の限界に対処する手段として、生成人工知能(GenAI)を用いることができると論じる。 我々は、エンジニアの学習曲線の削減、レコメンデーションによる効率の最大化、ドメイン問題を理解するための推論ツールとしてのGenAIの使用を提案する。
  論文  参考訳（メタデータ） (2024-07-09T23:13:26Z)
• Understanding Student and Academic Staff Perceptions of AI Use in Assessment and Feedback [0.0]
  高等教育における人工知能(AI)と生成人工知能(GenAI)の台頭は、評価改革を必要としている。 本研究は,AIとGenAIツールを用いた学生と学術スタッフの経験を探索することによって,重要なギャップを解消する。 オンライン調査では、ベトナムの2つの大学とシンガポールの1つの大学から35人の研究スタッフと282人の学生のデータを収集した。
  論文  参考訳（メタデータ） (2024-06-22T10:25:01Z)
• Genetic Auto-prompt Learning for Pre-trained Code Intelligence Language Models [54.58108387797138]
  コードインテリジェンスタスクにおける即時学習の有効性について検討する。 既存の自動プロンプト設計手法は、コードインテリジェンスタスクに限られている。 本稿では、精巧な遺伝的アルゴリズムを用いてプロンプトを自動設計する遺伝的オートプロンプト(GenAP)を提案する。
  論文  参考訳（メタデータ） (2024-03-20T13:37:00Z)
• Innovating Computer Programming Pedagogy: The AI-Lab Framework for Generative AI Adoption [0.0]
  我々は、中核的なプログラミングコースでGenAIを効果的に活用するために、学生を指導するフレームワーク「AI-Lab」を紹介した。 GenAIの誤りを特定し、修正することで、学生は学習プロセスを充実させる。 教育者にとって、AI-Labは、学習経験におけるGenAIの役割に対する学生の認識を探索するメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-08-23T17:20:37Z)
• The AI generation gap: Are Gen Z students more interested in adopting generative AI such as ChatGPT in teaching and learning than their Gen X and Millennial Generation teachers? [0.0]
  Gen Zの学生は一般的に、生成AI(GenAI)の潜在的なメリットについて楽観的だった Gen XとGen Yの教師は、過度な信頼、倫理的、教育的な意味に関する懸念を高めた。
  論文  参考訳（メタデータ） (2023-05-04T14:42:06Z)
• Towards Human Cognition Level-based Experiment Design for Counterfactual Explanations (XAI) [68.8204255655161]
  XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。 認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。 本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
  論文  参考訳（メタデータ） (2022-10-31T19:20:22Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。