論文の概要: Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on Learning Motivation, Processes, and Performance
- arxiv url: http://arxiv.org/abs/2412.09315v1
- Date: Thu, 12 Dec 2024 14:32:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 13:31:32.025661
- Title: Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on Learning Motivation, Processes, and Performance
- Title(参考訳): メタ認知の怠慢に気付く: 生成人工知能が学習動機, プロセス, 性能に及ぼす影響
- Authors: Yizhou Fan, Luzhen Tang, Huixiao Le, Kejie Shen, Shufang Tan, Yueying Zhao, Yuan Shen, Xinyu Li, Dragan Gašević,
- Abstract要約: ハイブリッドインテリジェンスの概念はまだ初期段階にある。
学習者が様々なエージェントとの共生関係からどのような恩恵を受けるかは、いまだ不明である。
ChatGPTは、学習者の技術への依存を促進し、メタ認知遅延を引き起こす可能性がある。
- 参考スコア(独自算出の注目度): 15.064064880549232
- License:
- Abstract: With the continuous development of technological and educational innovation, learners nowadays can obtain a variety of support from agents such as teachers, peers, education technologies, and recently, generative artificial intelligence such as ChatGPT. The concept of hybrid intelligence is still at a nascent stage, and how learners can benefit from a symbiotic relationship with various agents such as AI, human experts and intelligent learning systems is still unknown. The emerging concept of hybrid intelligence also lacks deep insights and understanding of the mechanisms and consequences of hybrid human-AI learning based on strong empirical research. In order to address this gap, we conducted a randomised experimental study and compared learners' motivations, self-regulated learning processes and learning performances on a writing task among different groups who had support from different agents (ChatGPT, human expert, writing analytics tools, and no extra tool). A total of 117 university students were recruited, and their multi-channel learning, performance and motivation data were collected and analysed. The results revealed that: learners who received different learning support showed no difference in post-task intrinsic motivation; there were significant differences in the frequency and sequences of the self-regulated learning processes among groups; ChatGPT group outperformed in the essay score improvement but their knowledge gain and transfer were not significantly different. Our research found that in the absence of differences in motivation, learners with different supports still exhibited different self-regulated learning processes, ultimately leading to differentiated performance. What is particularly noteworthy is that AI technologies such as ChatGPT may promote learners' dependence on technology and potentially trigger metacognitive laziness.
- Abstract(参考訳): 技術と教育革新の継続的な発展により、近年の学習者は、教師、同僚、教育技術、そして近年では、ChatGPTのような生成的人工知能などのエージェントから様々な支援を受けることができる。
ハイブリッドインテリジェンスの概念はまだ初期段階であり、学習者がAI、人間専門家、知的学習システムといった様々なエージェントとの共生関係からどのような恩恵を受けることができるのかはまだ分かっていない。
ハイブリッドインテリジェンスの概念は、強力な実証研究に基づくハイブリッドAI学習のメカニズムと結果の深い洞察と理解を欠いている。
このギャップに対処するため、我々はランダム化実験を行い、異なるエージェント(ChatGPT、人間専門家、筆記ツール、余分なツールなど)の支援を受けた異なるグループ間で、学習者のモチベーション、自己統制学習プロセス、学習パフォーマンスを比較した。
117名の大学生が採用され,多チャンネル学習,パフォーマンス,モチベーションデータを収集,分析した。
その結果, 学習支援の異なる学習者は, タスク後の本質的動機に違いはなく, グループ間での自己統制学習プロセスの頻度とシーケンスに有意な差は認められなかった。
我々の研究は、モチベーションの違いがなければ、異なるサポートを持つ学習者は依然として異なる自己統制学習プロセスを示し、最終的に性能の差別化につながった。
特に注目すべきは、ChatGPTのようなAI技術が学習者の技術への依存を促進し、メタ認知の怠慢を引き起こす可能性があることである。
関連論文リスト
- 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) - Mathematics of multi-agent learning systems at the interface of game
theory and artificial intelligence [0.8049333067399385]
進化ゲーム理論と人工知能は、一見すると異なるように見える2つの分野であるが、それらは顕著なつながりと交差を持っている。
前者は集団における行動(または戦略)の進化に焦点を当て、個人が他人と対話し、模倣(または社会学習)に基づいて戦略を更新する。
一方後者は、機械学習アルゴリズムと(ディープ)ニューラルネットワークに重点を置いている。
論文 参考訳(メタデータ) (2024-03-09T17:36:54Z) - Mimicking the Maestro: Exploring the Efficacy of a Virtual AI Teacher in
Fine Motor Skill Acquisition [3.07176124710244]
運動スキル、特に手書きなどの運動スキルは、学術的な追求や日常生活において重要な役割を担っている。
これらのスキルを効果的に教える伝統的な方法は、時間がかかり、一貫性がない。
我々は,人間の教官の特徴を捉えたAI教師モデルを導入する。
論文 参考訳(メタデータ) (2023-10-16T11:11:43Z) - AI Chatbots as Multi-Role Pedagogical Agents: Transforming Engagement in
CS Education [8.898863361318817]
4つの異なるチャットボットを備えた新しい学習環境を開発し,実装し,評価する。
これらの役割は、学習者(能力、自律性、関連性)の3つの本質的な心理的ニーズを満たす。
このシステムは、質問に基づく学習パラダイムを採用し、学生に質問をし、解決策を求め、その好奇心を探求するよう促す。
論文 参考訳(メタデータ) (2023-08-08T02:13:44Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳(メタデータ) (2023-03-24T13:24:41Z) - A Novel Multimodal Approach for Studying the Dynamics of Curiosity in
Small Group Learning [2.55061802822074]
本稿では,仲間の観察可能な行動と根底にある好奇心状態とを結びつける,好奇心の統合社会認知的記述を提案する。
我々は、好奇心に寄与する個人機能と対人機能と、これらの機能を満たすマルチモーダル動作を区別する。
この研究は、社会的文脈における学習中にモーメント・バイ・モーメントの好奇心を認識して誘発できる学習技術を設計するためのステップである。
論文 参考訳(メタデータ) (2022-04-01T16:12:40Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - Cognitive architecture aided by working-memory for self-supervised
multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。
ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。
1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文 参考訳(メタデータ) (2021-03-16T13:50:24Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳(メタデータ) (2020-08-07T21:00:13Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳(メタデータ) (2020-03-18T08:45:10Z)
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。