論文の概要: Understanding University Students' Use of Generative AI: The Roles of Demographics and Personality Traits
- arxiv url: http://arxiv.org/abs/2505.02863v2
- Date: Mon, 19 May 2025 21:44:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-21 14:49:52.153512
- Title: Understanding University Students' Use of Generative AI: The Roles of Demographics and Personality Traits
- Title（参考訳）: 大学生のジェネレーティブAI利用の理解--デモグラフィックとパーソナリティ・トラクトの役割
- Authors: Newnew Deng, Edward Jiusi Liu, Xiaoming Zhai,
- Abstract要約: 高等教育の学生は、伝統的な資源よりも生成的AI(GAI)を使う傾向が強い。
アジアの学生は、より高いGAI使用率を報告し、より学術的な利益を認識し、より強い嗜好を表現している。
黒人学生は、GAIが学業成績によりポジティブな影響を及ぼすと報告している。
高い知能/想像力を持つ学生は伝統的な資源を好む傾向にある。
- 参考スコア（独自算出の注目度）: 0.5586073503694489
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The use of generative AI (GAI) among university students is rapidly increasing, yet empirical research on students' GAI use and the factors influencing it remains limited. To address this gap, we surveyed 363 undergraduate and graduate students in the United States, examining their GAI usage and how it relates to demographic variables and personality traits based on the Big Five model (i.e., extraversion, agreeableness, conscientiousness, and emotional stability, and intellect/imagination). Our findings reveal: (a) Students in higher academic years are more inclined to use GAI and prefer it over traditional resources. (b) Non-native English speakers use and adopt GAI more readily than native speakers. (c) Compared to White, Asian students report higher GAI usage, perceive greater academic benefits, and express a stronger preference for it. Similarly, Black students report a more positive impact of GAI on their academic performance. Personality traits also play a significant role in shaping perceptions and usage of GAI. After controlling demographic factors, we found that personality still significantly predicts GAI use and attitudes: (a) Students with higher conscientiousness use GAI less. (b) Students who are higher in agreeableness perceive a less positive impact of GAI on academic performance and express more ethical concerns about using it for academic work. (c) Students with higher emotional stability report a more positive impact of GAI on learning and fewer concerns about its academic use. (d) Students with higher extraversion show a stronger preference for GAI over traditional resources. (e) Students with higher intellect/imagination tend to prefer traditional resources. These insights highlight the need for universities to provide personalized guidance to ensure students use GAI effectively, ethically, and equitably in their academic pursuits.
- Abstract（参考訳）: 大学生における生成AI(GAI)の利用は急速に増加しているが、学生のGAI使用とその影響要因に関する実証的研究は限られている。
このギャップに対処するため、米国における363人の大学生と大学院生を対象に、GAIの使用状況と、ビッグファイブモデル(外向性、同意性、良心性、感情的安定性、知能/想像力)に基づく人口動態と性格特性との関連性について調査した。
私たちの発見は明らかです。
(a)高等教育の学生は、従来の資源よりもGAIを好んで使う傾向が強い。
(b)非ネイティブ英語話者は、ネイティブ話者よりも簡単にGAIを採用し、採用する。
(c) アジア系学生は, アジア系学生のGAI利用が増加し, 学術的メリットが向上し, 強い嗜好が表れている。
同様に、黒人学生は、GAIが学業成績によりポジティブな影響を及ぼすと報告している。
パーソナリティの特徴は、GAIの知覚と利用を形作る上でも重要な役割を果たしている。
人口統計学的要因をコントロールした結果、人格は依然としてGAIの使用と態度を有意に予測していることがわかった。
(a)より良心が高い学生は、GAIの使用を少なくする。
b) 満足度が高い学生は, GAIの学業成績に対する肯定的な影響が低く, 学業に利用することに対するより倫理的な懸念が表れている。
(c) 感情安定度が高い学生は, GAIの学習に対する肯定的な影響を報告し, 学術的利用に対する懸念は少なかった。
(d)外転率が高い学生は,従来の資源よりもGAIの方が好まれる傾向が強い。
(e)知能・想像力が高い学生は伝統的な資源を好む傾向にある。
これらの知見は、学生が学術的追求に効果的に、倫理的に、公平にGAIを使用することを保証するために、パーソナライズされたガイダンスを提供する大学の必要性を強調している。
関連論文リスト
- Unlocking Learning Potentials: The Transformative Effect of Generative AI in Education Across Grade Levels [0.0]
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。
論文 参考訳（メタデータ） (2025-03-15T14:16:43Z) - 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) - Is ChatGPT Massively Used by Students Nowadays? A Survey on the Use of Large Language Models such as ChatGPT in Educational Settings [0.25782420501870296]
本研究では,フランスとイタリアで13歳から25歳までの395人の学生を対象に,Large Language Models(LLM)を教育ルーチンに統合する方法について検討した。
主な発見は、すべての年齢グループと規律でこれらのツールが広く使われていることである。
結果はまた、ジェンダー格差を示し、新興のAIリテラシーと技術的男女格差に関する懸念を提起している。
論文 参考訳（メタデータ） (2024-12-23T11:29:44Z) - 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) - A Meta-analysis of College Students' Intention to Use Generative Artificial Intelligence [5.13644976086965]
本研究では,27の実証的研究のメタ分析を行った。
主な変数は、GenAIを使用する学生の行動意図と強く相関している。
ジェンダーは、特に、学生のGenAIの使用に対する行動意図に対する態度を緩やかにしていただけである。
論文 参考訳（メタデータ） (2024-08-25T15:46:57Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - 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) - Explainable Student Performance Prediction With Personalized Attention
for Explaining Why A Student Fails [0.5607676459156788]
パーソナライズド・アテンション(ESPA)を用いた新しい説明可能な学生パフォーマンス予測手法を提案する。
BiLSTMアーキテクチャは、特定のパターンで経路内の意味情報を抽出する。
ESPAは、学生のパフォーマンス予測のための他の最先端モデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2021-10-15T08:45:43Z) - Relationship between Student Engagement and Performance in e-Learning
Environment Using Association Rules [9.006364242523249]
eラーニングプラットフォームが直面する課題の1つは、学生のモチベーションとエンゲージメントを維持する方法だ。
本稿では,学生の関与と学業成績との関係について検討する。
論文 参考訳（メタデータ） (2020-12-25T17:00:23Z)
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。