論文の概要: Unlocking Learning Potentials: The Transformative Effect of Generative AI in Education Across Grade Levels

• arxiv url: http://arxiv.org/abs/2503.13535v1
• Date: Sat, 15 Mar 2025 14:16:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 16:29:11.642189
• Title: Unlocking Learning Potentials: The Transformative Effect of Generative AI in Education Across Grade Levels
• Title（参考訳）: アンロック学習の可能性: 教育における生成AIの変容効果
• Authors: Meijuan Xie, Liling Luo,
• Abstract要約: 生成的人工知能(GAI)は、教育分野において顕著な急上昇をもたらした。 本稿では,6つの重要領域(LIPSAL)の4つの学年におけるGAIが学生に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of generative artificial intelligence (GAI) has brought about a notable surge in the field of education. The use of GAI to support learning is becoming increasingly prevalent among students. However, the manner and extent of its utilisation vary considerably from one individual to another. And researches about student's utilisation and perceptions of GAI remains relatively scarce. To gain insight into the issue, this paper proposed a hybrid-survey method to examine the impact of GAI on students across four different grades in six key areas (LIPSAL): learning interest, independent learning, problem solving, self-confidence, appropriate use, and learning enjoyment. Firstly, through questionnaire, we found that among LIPSAL, GAI has the greatest impact on the concept of appropriate use, the lowest level of learning interest and self-confidence. Secondly, a comparison of four grades revealed that the high and low factors of LIPSAL exhibited grade-related variation, and college students exhibited a higher level than high school students across LIPSAL. Thirdly, through interview, the students demonstrated a comprehensive understanding of the application of GAI. We found that students have a positive attitude towards GAI and are very willing to use it, which is why GAI has grown so rapidly in popularity. They also told us prospects and challenges in using GAI. In the future, as GAI matures technologically, it will have an greater impact on students. These findings may help better understand usage by different students and inform future research in digital education.
• Abstract（参考訳）: 生成人工知能(GAI)の出現は、教育分野において顕著な飛躍をもたらした。 学習を支援するためのGAIの利用は、学生の間でますます広まりつつある。 しかし、その利用方法や範囲は個人によって大きく異なる。 そして、学生のGAI活用と認識に関する研究は比較的少ないままである。 そこで本研究では,GAIが6つの重要分野(LIPSAL)の4つの学年にまたがる学生に対して,学習の関心,独立した学習,問題解決,自己自信,適切な利用,学習の楽しさに対する影響を検討するためのハイブリッドサーベイ手法を提案する。 まず,LIPSALでは,GAIが適切な使用概念,学習意欲の最低レベル,自己自信に最も大きな影響を与えていることがわかった。 第2に,4学年比較では,LIPSALの高次・低次要因がグレード関連変異を示し,大学生はLIPSALの高校生よりも高いレベルを示した。 第3に, 学生はインタビューを通じて, GAIの適用を包括的に理解した。 学生は, GAIに対して肯定的な態度を示し, 利用を強く望んでいたので, GAIの普及が急速に進んでいる。 彼らはまた、GAIの利用の見通しと課題も教えてくれた。 将来は、GAIが技術的に成熟するにつれて、学生に大きな影響を与えるだろう。 これらの発見は、様々な学生の使い方をよりよく理解し、デジタル教育における将来の研究を知らせる助けになるかもしれない。

関連論文リスト

• Alice: Proactive Learning with Teacher's Demonstrations for Weak-to-Strong Generalization [69.96794098855938]
  Weak-to-strong Generalization (W2SG)は、ますます有能な言語モデル(LLM)を監督するための有望なフレームワークを提供する。 伝統的なW2SG手法は受動的学習に依存しており、弱い教師は強い生徒を訓練するためにノイズの多いデモを提供する。 教師と生徒の相補的な知識を活用して学習プロセスを強化するフレームワークであるAliceを紹介した。
  論文  参考訳（メタデータ） (2025-04-09T22:33:06Z)
• DASKT: A Dynamic Affect Simulation Method for Knowledge Tracing [51.665582274736785]
  KT(Knowledge Tracing)は,学生の履歴計算によって将来のパフォーマンスを予測し,学生の感情状態を理解することで,KTの有効性を高めることができる。 本研究では,学生の感情状態が知識状態に与える影響を調べるために,DASKT(Affect Dynamic Knowledge Tracing)を提案する。 我々の研究は、高い解釈可能性と精度の実現に焦点をあてて、今後の研究への有望な道のりを強調している。
  論文  参考訳（メタデータ） (2025-01-18T10:02:10Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• 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)
• The Evolution of Learning: Assessing the Transformative Impact of Generative AI on Higher Education [0.0]
  ChatGPTのような生成人工知能モデルは人気が高まっている。 本研究では,GAIが大学生や高等教育機関に与える影響について検討する。
  論文  参考訳（メタデータ） (2024-04-16T13:19:57Z)
• Can generative AI and ChatGPT outperform humans on cognitive-demanding problem-solving tasks in science? [1.1172147007388977]
  本研究は,2019年のNAEP科学評価におけるChatGPTとGPT-4の性能を,各項目の認知的要求によって比較した。 その結果、ChatGPTとGPT-4は、NAEPの科学評価に回答したほとんどの生徒より一貫して優れていた。
  論文  参考訳（メタデータ） (2024-01-07T12:36:31Z)
• Generative AI in the Classroom: Can Students Remain Active Learners? [23.487653534242092]
  ジェネレーティブ・人工知能(英語版) (GAI) は教育における二重の武器と見なすことができる。 本稿では,学生の積極的学習戦略と関連するメタ認知能力に及ぼす効果に焦点を当てる。 GAIベースの教育アプリケーションに教育的透明性を導入するための枠組みを提案する。
  論文  参考訳（メタデータ） (2023-10-04T22:33:46Z)
• Students' Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education [2.0711789781518752]
  本研究では,ChatGPTなどのジェネレーティブAI(GenAI)技術の高等教育における大学生の認識について検討する。 学生は、パーソナライズされた学習支援、執筆とブレインストーミングの支援、研究と分析能力の可能性を認識した。 また, 正確性, プライバシー, 倫理的問題, 個人の発達, キャリアの見通し, 社会的価値への影響についても検討した。
  論文  参考訳（メタデータ） (2023-04-29T15:53:38Z)
• Better Teacher Better Student: Dynamic Prior Knowledge for Knowledge Distillation [70.92135839545314]
  本研究では,教師の持つ特徴の一部を,特徴蒸留前の先行知識として統合した動的事前知識(DPK)を提案する。 DPKは,教員モデルと生徒モデルのパフォーマンスを正に相関させ,より大きな教員を適用することで生徒の精度をさらに高めることができる。
  論文  参考訳（メタデータ） (2022-06-13T11:52:13Z)
• Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
  新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。 我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。 自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
  論文  参考訳（メタデータ） (2022-03-10T20:23:38Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• 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。