論文の概要: Code vs. Context: STEM Students' Resistance to Non-STEM Coursework

• arxiv url: http://arxiv.org/abs/2512.06529v1
• Date: Sat, 06 Dec 2025 18:36:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.39703
• Title: Code vs. Context: STEM Students' Resistance to Non-STEM Coursework
• Title（参考訳）: コード vs. コンテキスト:STEM学生の非STEMコースへの抵抗
• Authors: Md Abdullah Al Kafi, Raka Moni, Sumit Kumar Banshal,
• Abstract要約: 多くのSTEMプログラムでは、学生が専門的実践に必要なソフトスキルを開発するために、非技術コースを受講する必要がある。 本研究では,学生の非STEM授業に対する抵抗性に及ぼす認知スイッチングコストと役割あいまいさの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://creativecommons.org/licenses/by/4.0/
• Abstract: Many STEM programs now require students to take non-technical courses to develop the soft skills necessary for professional practice, yet engineering students frequently resist this requirement. While prior research often attributes this resistance to heavy workloads, little is known about its cognitive and identity-related mechanisms. This study fills this knowledge gap by examining the effects of Cognitive Switching Costs, Work Overload, and Role Ambiguity on students' Affective Resistance to non-STEM coursework, as well as the subsequent impact on their Willingness to Engage and Long-Term Adoption of skills. We collected survey data from 212 undergraduate Computer Science and Engineering students and tested directional relationships using sequential OLS regression. Role Ambiguity emerged as the strongest predictor of Affective Resistance (beta of 0.47, p less than 0.001), exceeding the effects of Work Overload (beta of 0.20, p equals 0.007) and Cognitive Switching Cost (beta of 0.14, p equals 0.038). In turn, Affective Resistance significantly reduced Willingness to Engage (beta of -0.25, p less than 0.001), while Willingness to Engage served as a strong predictor of Long-Term Adoption (beta of 0.55, p less than 0.001). These results indicate that student resistance is driven primarily by the incongruence between non-technical content and students' emergent professional identities, rather than by cognitive effort or workload alone. To improve outcomes, curricula should focus on reducing role ambiguity by placing humanities and social science material in clear engineering contexts.
• Abstract（参考訳）: 多くのSTEMプログラムでは、学生が専門的な実践に必要なソフトスキルを開発するために非技術コースを受講する必要があるが、工学の学生はこの要件にしばしば抵抗する。 以前の研究では、この抵抗は重いワークロードに起因することが多いが、その認知とアイデンティティに関連するメカニズムについてはほとんど知られていない。 本研究は, 学習者の非STEM授業に対する抵抗性に及ぼす認知スイッチングコスト, 作業過負荷, 役割あいまいさの影響を考察し, 学習者のエンゲージメントに対する意志と長期採用に与える影響を考察することによって, この知識ギャップを埋めるものである。 我々は,212人の学部生による調査データを収集し,ALSレグレッションを用いた方向性関係の検証を行った。 役割の曖昧さは、労働負荷(0.20、pは0.007)と認知スイッチングコスト(0.14、pは0.038)を超越した影響の最も強い予測因子(0.47、pは0.0001未満)として現れた。 影響抵抗は、エンゲージへのウィリングネス(-0.25, p %未満)を著しく減少させ、一方、エンゲージへのウィリングネス(-0.25, p %未満)は長期導入の強い予測因子(-0.5, p %未満)として機能した。 これらの結果から, 学生の抵抗は, 認知的努力や作業負荷だけでなく, 非技術コンテンツと学生の創発的職業的アイデンティティの相違によってもたらされることが示唆された。 成果を改善するために、カリキュラムは、人文科学や社会科学の素材を明確な工学的文脈に配置することで、役割の曖昧さを減らすことに重点を置くべきである。

関連論文リスト

• Beyond classical and contemporary models: a transformative AI framework for student dropout prediction in distance learning using RAG, Prompt engineering, and Cross-modal fusion [0.4369550829556578]
  本稿では、ドロップアウト予測を再定義する変換型AIフレームワークを提案する。 フレームワークの精度は89%、F1スコアは0.88で、従来のモデルよりも7%、偽陰性は21%向上している。
  論文  参考訳（メタデータ） (2025-07-04T21:41:43Z)
• How Students Use AI Feedback Matters: Experimental Evidence on Physics Achievement and Autonomy [2.889874897410346]
  本研究は, GAIを用いた個人化されたフィードバックが高校生の物理学的達成と自律性に及ぼす影響について検討した。 実験にはランダム化された2つのテストが含まれ、使用パターンに重点が置かれた。
  論文  参考訳（メタデータ） (2025-05-13T15:32:44Z)
• 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)
• RILe: Reinforced Imitation Learning [60.63173816209543]
  RILe(Reinforced Learning)は、模倣学習と逆強化学習の強みを組み合わせて、高密度報酬関数を効率的に学習するフレームワークである。 本フレームワークは, 直接模倣が複雑な動作を再現できないような高次元タスクにおいて, 高い性能のポリシーを生成する。
  論文  参考訳（メタデータ） (2024-06-12T17:56:31Z)
• Advancing a Model of Students' Intentional Persistence in Machine Learning and Artificial Intelligence [0.9217021281095907]
  多様な集団の持続性は工学で研究されている。 短期的な意図的持続性は、専攻やレベルの研究のような学術的入学要因と関連付けられている。 長期的持続性は、職業的役割の信頼性の尺度と相関する。
  論文  参考訳（メタデータ） (2023-10-30T19:57:40Z)
• Intrinsic Biologically Plausible Adversarial Robustness [5.50251673510158]
  逆行訓練はこの問題を軽減することが証明されているが、高い計算コストが伴う。 本研究は,生物に有望な学習アルゴリズムであるPresent the Error to Perturb the Input To modulate Activity (PEPITA)を事例として選択した。 PEPITAは内向的対向的強靭性と頑健性が高く、対向的に訓練された場合、より好ましい自然対向的性能トレードオフを有する。
  論文  参考訳（メタデータ） (2023-09-29T15:55:17Z)
• Towards Robust Continual Learning with Bayesian Adaptive Moment Regularization [51.34904967046097]
  継続的な学習は、モデルが以前に学習した情報を忘れてしまう破滅的な忘れ込みの課題を克服しようとする。 本稿では,パラメータ成長の制約を緩和し,破滅的な忘れを減らし,新しい事前手法を提案する。 以上の結果から, BAdamは, 単頭クラスインクリメンタル実験に挑戦する先行手法に対して, 最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-09-15T17:10:51Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Clinical Risk Prediction with Temporal Probabilistic Asymmetric Multi-Task Learning [80.66108902283388]
  マルチタスク学習手法は、臨床リスク予測などの安全クリティカルな応用に注意を払って使用すべきである。 既存の非対称なマルチタスク学習手法は、低損失のタスクから高損失のタスクへの知識伝達を行うことにより、この負の伝達問題に対処する。 特徴レベルの不確実性に基づいて,特定のタスク/タイムステップから関連する不確実なタスクへの知識伝達を行う,新しい時間的非対称型マルチタスク学習モデルを提案する。
  論文  参考訳（メタデータ） (2020-06-23T06:01:36Z)

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。