論文の概要: Unpacking Generative AI in Education: Computational Modeling of Teacher and Student Perspectives in Social Media Discourse

• arxiv url: http://arxiv.org/abs/2506.16412v1
• Date: Thu, 19 Jun 2025 15:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.146441
• Title: Unpacking Generative AI in Education: Computational Modeling of Teacher and Student Perspectives in Social Media Discourse
• Title（参考訳）: 教育における生成AIの展開 : 教師のコンピュータモデリングとソーシャルメディアにおける学生の視点
• Authors: Paulina DeVito, Akhil Vallala, Sean Mcmahon, Yaroslav Hinda, Benjamin Thaw, Hanqi Zhuang, Hari Kalva,
• Abstract要約: 本研究は、ソーシャルメディアデータを用いた教育におけるGAIに関する利害関係者談話のダイナミクスに関する最も包括的分析の1つを提示する。 私たちのデータセットには1,199件のReddit投稿と13,959件のトップレベルのコメントが含まれています。 本研究は, より明確な制度方針, より透明なGAI統合実践, 教育者, 学生の支援メカニズムの必要性を示唆するものである。
• 参考スコア（独自算出の注目度）: 0.5203732344753156
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI (GAI) technologies are quickly reshaping the educational landscape. As adoption accelerates, understanding how students and educators perceive these tools is essential. This study presents one of the most comprehensive analyses to date of stakeholder discourse dynamics on GAI in education using social media data. Our dataset includes 1,199 Reddit posts and 13,959 corresponding top-level comments. We apply sentiment analysis, topic modeling, and author classification. To support this, we propose and validate a modular framework that leverages prompt-based large language models (LLMs) for analysis of online social discourse, and we evaluate this framework against classical natural language processing (NLP) models. Our GPT-4o pipeline consistently outperforms prior approaches across all tasks. For example, it achieved 90.6% accuracy in sentiment analysis against gold-standard human annotations. Topic extraction uncovered 12 latent topics in the public discourse with varying sentiment and author distributions. Teachers and students convey optimism about GAI's potential for personalized learning and productivity in higher education. However, key differences emerged: students often voice distress over false accusations of cheating by AI detectors, while teachers generally express concern about job security, academic integrity, and institutional pressures to adopt GAI tools. These contrasting perspectives highlight the tension between innovation and oversight in GAI-enabled learning environments. Our findings suggest a need for clearer institutional policies, more transparent GAI integration practices, and support mechanisms for both educators and students. More broadly, this study demonstrates the potential of LLM-based frameworks for modeling stakeholder discourse within online communities.
• Abstract（参考訳）: ジェネレーティブAI(GAI)技術は、教育現場を急速に変えつつある。 採用が加速するにつれて、学生や教育者がこれらのツールをどのように知覚するかを理解することが不可欠である。 本研究は、ソーシャルメディアデータを用いた教育におけるGAIに関する利害関係者談話のダイナミクスに関する最も包括的分析の1つを提示する。 私たちのデータセットには1,199件のReddit投稿と13,959件のトップレベルのコメントが含まれています。 感情分析、トピックモデリング、著者分類を適用する。 これを支援するために,オンライン社会談話の分析にプロンプトベースの大規模言語モデル(LLM)を活用するモジュール型フレームワークを提案し,その枠組みを古典自然言語処理(NLP)モデルに対して評価する。 当社のGPT-4oパイプラインは,すべてのタスクにおいて,従来のアプローチよりも一貫して優れています。 例えば、ゴールドスタンダードの人間のアノテーションに対する感情分析において、90.6%の精度を達成した。 トピック抽出は、様々な感情と著者の分布を伴う公開談話において、12の潜在トピックを明らかにした。 教員や学生は、高等教育における個人化学習と生産性に対するGAIのポテンシャルについて楽観的に語る。 しかし、重要な違いが現れた: 学生はAI検出器による不正行為の虚偽の告発に対して、しばしば苦悩を訴える一方で、教師は一般的に、仕事のセキュリティ、学術的完全性、そしてGAIツールを採用するための制度的な圧力について懸念を表明している。 これらの対照的な視点は、GAI対応学習環境におけるイノベーションと監視の緊張を浮き彫りにする。 本研究は, より明確な制度方針, より透明なGAI統合実践, 教育者, 学生の支援メカニズムの必要性を示唆するものである。 より広範に、オンラインコミュニティにおける利害関係者の会話をモデル化するためのLLMベースのフレームワークの可能性を示す。

関連論文リスト

• What Makes a Good Natural Language Prompt? [72.3282960118995]
  我々は,2022年から2025年にかけて,NLPおよびAIカンファレンスを主導する150以上のプロンプト関連論文を対象としたメタ分析調査を実施している。 本研究では,6次元に分類した21の特性を含む,迅速な品質評価のための特性・人間中心のフレームワークを提案する。 次に、複数プロパティのプロンプト強化を実証的に検討し、単一プロパティのプロンプトが最大の影響を与える場合が多いことを観察する。
  論文  参考訳（メタデータ） (2025-06-07T23:19:27Z)
• BEYONDWORDS is All You Need: Agentic Generative AI based Social Media Themes Extractor [2.699900017799093]
  ソーシャルメディア投稿のテーマ分析は、公開談話に対する大きな理解を提供する。 従来の手法は、構造化されていない大規模なテキストデータの複雑さとニュアンスを捉えるのに苦労することが多い。 本研究では,事前学習した言語モデルからツイートの埋め込みを統合したテーマ分析のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-02-26T18:18:37Z)
• Enhancing Higher Education with Generative AI: A Multimodal Approach for Personalised Learning [2.334887570960192]
  本研究は,高等教育分野におけるジェネレーティブAI(GenAI)の可能性を探るものである。 我々は、幅広い教育的クエリに対処するGenAIの可能性を示す。 本研究は,実践的なWebアプリケーションを実証することにより,よりダイナミックで応答性の高い教育環境を育成するために,GenAI技術を統合することの必須事項を浮き彫りにする。
  論文  参考訳（メタデータ） (2025-02-11T09:29:29Z)
• 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)
• Enhancing Instructional Quality: Leveraging Computer-Assisted Textual Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
  本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。 私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。 本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
  論文  参考訳（メタデータ） (2024-03-06T18:29:18Z)
• Analysis of the User Perception of Chatbots in Education Using A Partial Least Squares Structural Equation Modeling Approach [0.0]
  オプティミズム、イノベーティブネス、不快感、不安、透明性、倫理、相互作用、エンゲージメント、正確さといった主要な行動関連側面について研究した。 その結果、最適性と革新性は、知覚的使用覚(PEOU)と知覚的有用性(PU)に正の相関があることが判明した。
  論文  参考訳（メタデータ） (2023-11-07T00:44:56Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
  質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。 本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。 学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
  論文  参考訳（メタデータ） (2023-05-31T11:29:04Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• From Mimicking to Integrating: Knowledge Integration for Pre-Trained Language Models [55.137869702763375]
  本稿では,新しいPLM再利用パラダイムであるKnowledge Integration(KI)について検討する。 KIは,異なる分類問題に特化している教師-PLMの知識を,多種多様な学生モデルにマージすることを目的としている。 次に,モデル不確かさを意識した知識統合(MUKI)フレームワークを設計し,学生の黄金の監督を回復する。
  論文  参考訳（メタデータ） (2022-10-11T07:59:08Z)

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。