論文の概要: Students' Perceptions and Use of Generative AI Tools for Programming Across Different Computing Courses

• arxiv url: http://arxiv.org/abs/2410.06865v2
• Date: Wed, 13 Nov 2024 20:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-15 15:23:06.996640
• Title: Students' Perceptions and Use of Generative AI Tools for Programming Across Different Computing Courses
• Title（参考訳）: コンピュータ教育における学生の認識と生成型AIツールの活用
• Authors: Hieke Keuning, Isaac Alpizar-Chacon, Ioanna Lykourentzou, Lauren Beehler, Christian Köppe, Imke de Jong, Sergey Sosnovsky,
• Abstract要約: 生成的人工知能(GenAI)の教育における利用に対する学生の認識と意見の調査が注目されている。 学生がGenAIツールをどのように認識し利用しているかは、背景知識を含む多くの要因に依存する可能性がある。 ヨーロッパ大の研究大学の全コンピュータプログラムの学生を対象に,3つの調査を行った。
• 参考スコア（独自算出の注目度）: 1.7811951520198
• License:
• Abstract: Investigation of students' perceptions and opinions on the use of generative artificial intelligence (GenAI) in education is a topic gaining much interest. Studies addressing this are typically conducted with large heterogeneous groups, at one moment in time. However, how students perceive and use GenAI tools can potentially depend on many factors, including their background knowledge, familiarity with the tools, and the learning goals and policies of the courses they are taking. In this study we explore how students following computing courses use GenAI for programming-related tasks across different programs and courses: Bachelor and Master, in courses in which learning programming is the learning goal, courses that require programming as a means to achieve another goal, and in courses in which programming is optional, but can be useful. We are also interested in changes over time, since GenAI capabilities are changing at a fast pace, and users are adopting GenAI increasingly. We conducted three consecutive surveys (fall `23, winter `23, and spring `24) among students of all computing programs of a large European research university. We asked questions on the use in education, ethics, and job prospects, and we included specific questions on the (dis)allowed use of GenAI tools in the courses they were taking at the time. We received 264 responses, which we quantitatively and qualitatively analyzed, to find out how students have employed GenAI tools across 59 different computing courses, and whether the opinion of an average student about these tools evolves over time. Our study contributes to the emerging discussion of how to differentiate GenAI use across different courses, and how to align its use with the learning goals of a computing course.
• Abstract（参考訳）: 生成的人工知能(GenAI)の教育における利用に対する学生の認識と意見の調査が注目されている。 この問題に対処する研究は、典型的には、ある時点で、大きな異種グループによって行われる。 しかし、学生がGenAIツールをどう認識し利用するかは、その背景知識、ツールに親しみ、学習目標やコースの方針など、多くの要因に依存する可能性がある。 本研究では,コンピュータ・コースを受講する学生が,さまざまなプログラムやコースのプログラミング関連タスクにGenAIをどのように利用するかを検討する。 GenAIの能力は急速に変化しており、ユーザはさらにGenAIを採用しています。 ヨーロッパ大の研究大学の全コンピュータ・プログラムの学生を対象に,3回の連続的な調査(秋の「23」,冬の「23」,春の「24」)を行った。 我々は、教育、倫理、就職先における利用について質問し、当時受講していたコースで、GenAIツールの使用が許可されていないことに関して、具体的な質問を行った。 我々は、59の異なるコンピュータコースで、学生がGenAIツールをどのように使っているか、そして、平均的な学生の意見が時間とともに進化するかを調べるために、264の回答を定量的に、質的に分析した。 本研究は,GenAI利用の異なるコース間での差別化と,その利用とコンピュータコースの学習目標との整合性に関する新たな議論に寄与する。

関連論文リスト

• LLMs Integration in Software Engineering Team Projects: Roles, Impact, and a Pedagogical Design Space for AI Tools in Computing Education [7.058964784190549]
  この作業では、ChatGPTやGitHub Copilotなど、生成AI(GenAI)モデルとツールの影響を、教育的なレンズで調査する。 我々の結果は、チームワーク、チーム効率、チームダイナミクスにおけるGenAIの役割と意味を理解する上での特別なギャップに対処します。
  論文  参考訳（メタデータ） (2024-10-30T14:43:33Z)
• The Impact of Generative AI-Powered Code Generation Tools on Software Engineer Hiring: Recruiters' Experiences, Perceptions, and Strategies [4.557635080377692]
  本研究では,GenAIを利用したコード生成ツールについて,採用者の経験と認識について考察する。 業界の専門家32人を対象に行った調査では、ほとんどの参加者はそのようなツールに精通しているが、ほとんどの組織は、これらのツールの使用・知識を考慮に入れた候補評価手法を調整していない。 ほとんどの参加者は、GenAIを利用したコード生成ツールをコンピュータサイエンスカリキュラムに組み込むことが重要であると考えている。
  論文  参考訳（メタデータ） (2024-09-02T00:00:29Z)
• Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [175.9723801486487]
  我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。 GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。 この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
  論文  参考訳（メタデータ） (2024-08-07T12:11:49Z)
• How Novice Programmers Use and Experience ChatGPT when Solving Programming Exercises in an Introductory Course [0.0]
  本研究は,コンピュータ教育研究コミュニティにおいて,導入プログラミングの文脈における生成型AI(GenAI)の理解に寄与する。 本研究は以下の研究課題によって導かれる。 初等プログラミング演習におけるChatGPTの使用パターンについて,学生はどのような報告をしているか? 初等プログラミング演習におけるChatGPTの認識について
  論文  参考訳（メタデータ） (2024-07-30T12:55:42Z)
• 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)
• TOOLVERIFIER: Generalization to New Tools via Self-Verification [69.85190990517184]
  本稿では,ツール選択中にコントラスト質問を自己問合せすることで,近接候補を識別する自己検証手法を提案する。 ToolBenchベンチマークによる4つのタスクの実験では、17の見えないツールで構成されており、数ショットのベースラインよりも平均22%改善されている。
  論文  参考訳（メタデータ） (2024-02-21T22:41:38Z)
• Generative Artificial Intelligence for Software Engineering -- A Research Agenda [8.685607624226037]
  我々は、GenAI for Software Engineeringの研究アジェンダを開発するために、文献レビューと5ヶ月間のフォーカスグループを実施しました。 この結果から,GenAIを部分的自動化に適用し,すべてのソフトウェア開発活動における意思決定を支援することが可能であることが示唆された。 GenAIを実装する際の一般的な考慮事項は、業界レベルの評価、信頼性と正確性、データアクセシビリティ、透明性、技術に関連する持続可能性といった点である。
  論文  参考訳（メタデータ） (2023-10-28T09:14:39Z)
• 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)
• AI Explainability 360: Impact and Design [120.95633114160688]
  2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。 本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。 また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
  論文  参考訳（メタデータ） (2021-09-24T19:17:09Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• 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。