論文の概要: Hope, Aspirations, and the Impact of LLMs on Female Programming Learners in Afghanistan

• arxiv url: http://arxiv.org/abs/2511.08630v1
• Date: Thu, 13 Nov 2025 01:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-13 22:34:54.154505
• Title: Hope, Aspirations, and the Impact of LLMs on Female Programming Learners in Afghanistan
• Title（参考訳）: アフガニスタンにおける女子プログラミング学習者の希望・願望・LLMの影響
• Authors: Hamayoon Behmanush, Freshta Akhtari, Roghieh Nooripour, Ingmar Weber, Vikram Kamath Cannanure,
• Abstract要約: この研究は、願望を測定する指標としてスナイダーの希望尺度を適応し、翻訳し、評価する。 適応スケールは優れた信頼性を示し(クロンバッハ=0.78)、参加者はそれを理解し、関連するものと評価した。 これらの知見は、社会・政治不安定の文脈における願望の指標として、適応された尺度の使用を支持する。
• 参考スコア（独自算出の注目度）: 1.336406301993132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing impactful educational technologies in contexts of socio-political instability requires a nuanced understanding of educational aspirations. Currently, scalable metrics for measuring aspirations are limited. This study adapts, translates, and evaluates Snyder's Hope Scale as a metric for measuring aspirations among 136 women learning programming online during a period of systemic educational restrictions in Afghanistan. The adapted scale demonstrated good reliability (Cronbach's α = 0.78) and participants rated it as understandable and relevant. While overall aspiration-related scores did not differ significantly by access to Large Language Models (LLMs), those with access reported marginally higher scores on the Avenues subscale (p = .056), suggesting broader perceived pathways to achieving educational aspirations. These findings support the use of the adapted scale as a metric for aspirations in contexts of socio-political instability. More broadly, the adapted scale can be used to evaluate the impact of aspiration-driven design of educational technologies.
• Abstract（参考訳）: 社会的・政治的不安定の文脈で影響力のある教育技術を設計するには、教育的願望の微妙な理解が必要である。 現在、願望を測定するためのスケーラブルなメトリクスは限られています。 この研究は、アフガニスタンの体系的な教育制限期間にオンラインプログラミングを学ぶ136人の女性の願望を測定する指標として、スナイダーの希望尺度を適応し、翻訳し、評価する。 適応スケールは優れた信頼性を示し(クロンバッハのα = 0.78)、参加者はそれを理解し、関連するものと評価した。 全体的な願望に関するスコアは、Large Language Models (LLMs) へのアクセスによって大きな違いはなかったが、アベニューズ・サブスケール (p = .056) で比較的高いスコアを報告した者(p = .056)は、教育願望を達成するための広く認識された道筋を示唆した。 これらの知見は、社会・政治不安定の文脈における願望の指標として、適応された尺度の使用を支持する。 より広範に、適応スケールは、教育技術の願望駆動設計の影響を評価するために使用することができる。

関連論文リスト

• The Importance of Being Lazy: Scaling Limits of Continual Learning [60.97756735877614]
  モデル幅の増大は,特徴学習の量を減らし,遅延度を高めた場合にのみ有益であることを示す。 特徴学習,タスク非定常性,および忘れることの複雑な関係について検討し,高い特徴学習が極めて類似したタスクにのみ有用であることを示す。
  論文  参考訳（メタデータ） (2025-06-20T10:12:38Z)
• Exploring the Potential of Large Language Models for Estimating the Reading Comprehension Question Difficulty [2.335292678914151]
  本研究では,Large Language Models (LLMs) の有効性を検討した。 また,OpenAI の GPT-4o と o1 を用いて,学習支援・読解評価 (SARA) データセットを用いた理解的質問の読解の難しさを推定する。 その結果, モデルがIRTパラメータと有意に一致した難易度推定値を生成する一方で, 極端項目特性に対する感度に顕著な差があることが示唆された。
  論文  参考訳（メタデータ） (2025-02-25T02:28:48Z)
• Evaluating Generative AI Systems is a Social Science Measurement Challenge [78.35388859345056]
  我々は,GenAIシステムの能力,影響,機会,リスクに関連する概念を測定するための枠組みを提案する。 このフレームワークは、背景概念、体系化された概念、測定器、インスタンスレベルの測定そのものの4つのレベルを区別する。
  論文  参考訳（メタデータ） (2024-11-17T02:35:30Z)
• Designing the virtual CAT: A digital tool for algorithmic thinking assessment in compulsory education [0.0]
  アルゴリズム思考(英: Algorithmic Thinking、AT)は、今日のデジタル社会において重要なスキルである。 仮想クロスアレイタスク(CAT)の設計と開発プロセスについて述べる。 スイスの強制教育におけるアルゴリズムスキルの評価を目的とした、プラグのない評価活動のデジタル化である。
  論文  参考訳（メタデータ） (2024-08-02T13:36:17Z)
• On the Robustness of Language Guidance for Low-Level Vision Tasks: Findings from Depth Estimation [71.72465617754553]
  対象中心の3次元空間関係を伝達する低レベルな文を生成し,これらを追加言語として組み込んで,深度推定における下流の影響を評価する。 我々の重要な発見は、現在の言語誘導深度推定器がシーンレベルの記述のみを最適に実行することである。 追加データを活用するにもかかわらず、これらの手法は敵の直接攻撃や分散シフトの増加に伴う性能低下に対して堅牢ではない。
  論文  参考訳（メタデータ） (2024-04-12T15:35:20Z)
• Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
  平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。 オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。 我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
  論文  参考訳（メタデータ） (2022-11-22T11:35:14Z)
• Towards Quantifiable Dialogue Coherence Evaluation [126.55560816209756]
  量的対話コヒーレンス評価(QuantiDCE)は,量的対話コヒーレンス尺度の学習を目的とした新しいフレームワークである。 QuantiDCEには、Multi-Level Ranking (MLR) pre-training (KD) fine-tuning (Multi-Level Ranking)とKD (KD) fine-tuning (KD) という2つの訓練段階が含まれている。 実験結果から,QuantiDCEによりトレーニングされたモデルは,他の最先端の指標に比べて,人間の判断と強い相関関係を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-01T14:11:17Z)
• 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)
• New Metrics for Learning Evaluation in Digital Education Platforms [0.0]
  本稿では,技術系教育プラットフォームにおけるコンテンツに対する学生の理解度を評価するための新しい指標について述べる。 いくつかのメトリクスは"as is"という文献から取り出され、一部は少し修正され、その他は追加された。 提案手法は,学生が獲得した内容の理解度を測定するとともに,教師が学生の弱点を測定することを約束するものである。
  論文  参考訳（メタデータ） (2020-06-25T21:25:44Z)

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。