論文の概要: Short-Term Gains, Long-Term Gaps: The Impact of GenAI and Search Technologies on Retention
- arxiv url: http://arxiv.org/abs/2507.07357v1
- Date: Thu, 10 Jul 2025 00:44:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-11 16:40:15.240824
- Title: Short-Term Gains, Long-Term Gaps: The Impact of GenAI and Search Technologies on Retention
- Title（参考訳）: 短期ゲインと長期ギャップ:GenAIと検索技術が維持に及ぼす影響
- Authors: Mahir Akgun, Sacip Toker,
- Abstract要約: 本研究では,認知複雑性の異なるタスクにおいて,GenAI(ChatGPT),検索エンジン(Google),e-textbooksが学生のパフォーマンスに与える影響について検討した。
ChatGPTとGoogleグループは、低次の認知タスクの即時評価において、コントロールグループを上回った。
AI駆動のツールは即時パフォーマンスを促進するが、構造化学習戦略がサポートしない限り、本質的に長期維持を強化するものではない。
- 参考スコア（独自算出の注目度）: 1.534667887016089
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rise of Generative AI (GenAI) tools, such as ChatGPT, has transformed how students access and engage with information, raising questions about their impact on learning outcomes and retention. This study investigates how GenAI (ChatGPT), search engines (Google), and e-textbooks influence student performance across tasks of varying cognitive complexity, based on Bloom's Taxonomy. Using a sample of 123 students, we examined performance in three tasks: [1] knowing and understanding, [2] applying, and [3] synthesizing, evaluating, and creating. Results indicate that ChatGPT and Google groups outperformed the control group in immediate assessments for lower-order cognitive tasks, benefiting from quick access to structured information. However, their advantage diminished over time, with retention test scores aligning with those of the e-textbook group. For higher-order cognitive tasks, no significant differences were observed among groups, with the control group demonstrating the highest retention. These findings suggest that while AI-driven tools facilitate immediate performance, they do not inherently reinforce long-term retention unless supported by structured learning strategies. The study highlights the need for balanced technology integration in education, ensuring that AI tools are paired with pedagogical approaches that promote deep cognitive engagement and knowledge retention.
- Abstract（参考訳）: ChatGPTのようなジェネレーティブAI(GenAI)ツールの台頭は、学生が情報にアクセスし、関与する方法を変え、学習結果と保持に与える影響に関する疑問を提起している。
本研究は,Bloom's Taxonomyに基づく認知複雑性の異なるタスクにおいて,GenAI(ChatGPT),検索エンジン(Google),およびe-textbooksが学生のパフォーマンスに与える影響について検討した。
123名の学生のサンプルを用いて,[1]知識と理解,[2]適用,[3]合成,評価,生成の3つのタスクのパフォーマンスを検討した。
その結果、ChatGPTおよびGoogleグループは、構造化情報への迅速なアクセスの恩恵を受け、低次の認知タスクの即時評価において、コントロールグループよりも優れていたことが示唆された。
しかし、その優位性は時間とともに低下し、維持テストのスコアは電子教科書グループと一致した。
高次認知タスクでは,群間に有意な差は見られず,コントロール群が最も高い保持率を示した。
これらの結果は、AI駆動のツールは即時パフォーマンスを促進するが、構造化学習戦略がサポートしない限り、本質的に長期維持を強化するものではないことを示唆している。
この研究は、教育におけるバランスのとれた技術統合の必要性を強調し、AIツールが深い認知的エンゲージメントと知識保持を促進する教育的アプローチと組み合わせられていることを保証する。
関連論文リスト
- ChatGPT produces more "lazy" thinkers: Evidence of cognitive engagement decline [0.0]
本研究では,生成型人工知能(AI)ツールが学術書記作業における学生の認知活動に与える影響について検討した。
その結果,ChatGPT群ではコントロール群に比べて認知エンゲージメントスコアが有意に低かった。
これらの結果は、AI支援が認知的オフロードにつながる可能性があることを示唆している。
論文 参考訳（メタデータ） (2025-06-30T18:41:50Z) - AI instructional agent improves student's perceived learner control and learning outcome: empirical evidence from a randomized controlled trial [29.45751702212421]
本研究は,教科を主教科とする中等教育課程において,AI指導エージェントが生徒の認知的学習者制御と学業成績に与える影響について検討した。
AI指導エージェントグループの学生は、他のグループに比べて学習者のコントロールが有意に高いことを報告した。
論文 参考訳（メタデータ） (2025-05-28T16:13:27Z) - Evaluating the AI-Lab Intervention: Impact on Student Perception and Use of Generative AI in Early Undergraduate Computer Science Courses [0.0]
Generative AI(GenAI)はコンピュータサイエンス教育に急速に参入しつつある。
形式コースにおける道具使用の指針となる構造的足場の研究のギャップを伴う過信共存に関する懸念。
本研究は,「AI-Lab」の介入が大学生に与える影響について考察する。
論文 参考訳（メタデータ） (2025-04-30T18:12:42Z) - Beware of Metacognitive Laziness: Effects of Generative Artificial Intelligence on Learning Motivation, Processes, and Performance [15.064064880549232]
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。
論文 参考訳（メタデータ） (2024-12-12T14:32:39Z) - Analyzing the Impact of AI Tools on Student Study Habits and Academic Performance [0.0]
この研究は、AIツールがパーソナライズされた学習、適応テスト調整をサポートし、リアルタイムの教室分析を提供する方法に焦点を当てている。
学生のフィードバックはこれらの特徴に対する強い支持を示し、GPAの増加とともに研究時間を大幅に短縮した。
これらのメリットにもかかわらず、AIへの過度依存や、AIと従来の教育方法を統合することの難しさといった課題も特定された。
論文 参考訳（メタデータ） (2024-12-03T04:51:57Z) - Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。
その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
論文 参考訳（メタデータ） (2024-11-15T13:22:04Z) - Toward enriched Cognitive Learning with XAI [44.99833362998488]
本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。
CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
論文 参考訳（メタデータ） (2023-12-19T16:13:47Z) - Towards Goal-oriented Intelligent Tutoring Systems in Online Education [69.06930979754627]
目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。
GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。
PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-03T12:37:16Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Learning to Prompt in the Classroom to Understand AI Limits: A pilot
study [35.06607166918901]
大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。
しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。
パイロット教育は21人の生徒を抱えた高校で実施された。
論文 参考訳（メタデータ） (2023-07-04T07:51:37Z) - Automated Graph Self-supervised Learning via Multi-teacher Knowledge
Distillation [43.903582264697974]
本稿では,各ノードのインスタンスレベルの自己教師型学習戦略を自動的に,適応的に,動的に学習する方法について検討する。
自動グラフ自己監視学習(AGSSL)のための新しい多教師知識蒸留フレームワークを提案する。
8つのデータセットの実験では、AGSSLは複数のプレテキストタスクの恩恵を受けることができ、対応する個々のタスクを上回っている。
論文 参考訳（メタデータ） (2022-10-05T08:39:13Z)
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。