論文の概要: Examining Student Interactions with a Pedagogical AI-Assistant for Essay Writing and their Impact on Students Writing Quality

• arxiv url: http://arxiv.org/abs/2512.08596v1
• Date: Tue, 09 Dec 2025 13:34:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.978498
• Title: Examining Student Interactions with a Pedagogical AI-Assistant for Essay Writing and their Impact on Students Writing Quality
• Title（参考訳）: 教育用AIと学生のインタラクションの検討 : 評価書作成支援と学生の文章品質への影響
• Authors: Wicaksono Febriantoro, Qi Zhou, Wannapon Suraworachet, Sahan Bulathwela, Andrea Gauthier, Eva Millan, Mutlu Cukurova,
• Abstract要約: 学生とGenAIの相互作用のダイナミックな性質と書字品質との関係は未解明のままである。 我々は,高学年の論文執筆を支援するため,GenAI主導のエッセイライティングアシスタント(EWA)の評価を行った。
• 参考スコア（独自算出の注目度）: 4.112932467662682
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The dynamic nature of interactions between students and GenAI, as well as their relationship to writing quality, remains underexplored. While most research has examined how general-purpose GenAI can support writing, fewer studies have investigated how students interact with pedagogically designed systems across different phases of the writing process. To address this gap, we evaluated a GenAI-driven essay-writing assistant (EWA) designed to support higher education students in argumentative writing. Drawing on 1,282 interaction logs from 32 undergraduates during a two-hour writing session, Sequential Pattern Mining and K-Means clustering were used to identify behavioral patterns. Two clusters emerged: Cluster 1 emphasized outline planning and essay structure, while Cluster 2 focused on content development. A Mann-Whitney U test revealed a moderate effect size (r = 0.36) in the essay Organization dimension, with Cluster 1 showing higher scores. Qualitative analysis indicated that students with better performance actively wrote and shared essay sections with EWA for feedback, rather than interacted passively by asking questions. These findings suggest implications for teaching and system design. Teachers can encourage active engagement, while future EWAs may integrate automatic labeling and monitoring to prompt students to move from questioning to writing, enabling fuller benefits from GenAI-supported learning.
• Abstract（参考訳）: 学生とGenAIの相互作用のダイナミックな性質と書字品質との関係は未解明のままである。 多くの研究では、汎用的なGenAIが執筆を支援する方法について研究されているが、学生が執筆過程の異なる段階にわたって教育的に設計されたシステムとどのように相互作用するかを調査する研究は少ない。 このギャップに対処するため、高学年向けの論文執筆支援を目的としたGenAI主導のエッセイライティングアシスタント(EWA)の評価を行った。 2時間の執筆セッションで32人の大学生から1,282のインタラクションログを描画し、シーケンシャルパターンマイニング(Sequential Pattern Mining)とK-Meansクラスタリング(K-Means clustering)を用いて行動パターンを同定した。 Cluster 1はアウトライン計画とエッセイ構造を強調し、Cluster 2はコンテンツ開発に重点を置いていた。 Mann-Whitney Uテストでは、エッセイのオーソリティ次元において中程度の効果サイズ(r = 0.36)が示され、クラスタ1はより高いスコアを示した。 質的分析では,質問によって受動的に対話するよりも,EWAとエッセイセクションを積極的に書き,共有してフィードバックを求めた。 これらの知見は, 教育やシステム設計に影響を及ぼすことを示唆している。 教師は活発なエンゲージメントを促進することができるが、将来のEWAは自動ラベリングとモニタリングを統合して、学生に質問から文章への移行を促すことで、GenAIが支援する学習の完全なメリットを実現することができる。

関連論文リスト

• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• Human or AI? Comparing Design Thinking Assessments by Teaching Assistants and Bots [0.38233569758620045]
  本研究では,デザイン思考教育における学生ポスター評価におけるTA支援評価と比較して,AI支援評価の信頼性と精度について検討した。 その結果、インストラクターとAIによる共感点と痛み点の統計的一致は低く、視覚コミュニケーションのアライメントはわずかに高かった。 この研究は、計算効率と人間の洞察を統合するハイブリッドアセスメントモデルの必要性を強調している。
  論文  参考訳（メタデータ） (2025-10-17T07:09:21Z)
• Assessing prompting frameworks for enhancing literature reviews among university students using ChatGPT [0.0]
  文学評論を書くことは大学カリキュラムの共通部分であるが、学生にとってしばしば課題となる。 生成人工知能(GenAI)ツールが一般公開されて以来、学生は学術的な執筆作業に利用してきた。 本研究は、大学生が文学レビューを書くために最も人気のあるGenAIツールであるChatGPTの使い方について考察する。
  論文  参考訳（メタデータ） (2025-09-01T04:47:34Z)
• The Agency Gap: How Generative AI Literacy Shapes Independent Writing after AI Support [4.013708138746962]
  本研究は,GenAIリテラシーが自己開始と規制を必要とする状況下で,学生の筆記能力を予測する程度について検討する。 文章は洞察力、視覚データ統合、組織、言語的品質、批判的思考などにわたって評価された。
  論文  参考訳（メタデータ） (2025-07-06T14:01:06Z)
• From Recall to Reasoning: Automated Question Generation for Deeper Math Learning through Large Language Models [44.99833362998488]
  先進数学のためのコンテンツ生成を最適化する第1ステップについて検討した。 我々は、GenAIがコース内容に関連する高品質な実践問題を生み出す能力について検討した。
  論文  参考訳（メタデータ） (2025-05-17T08:30:10Z)
• Modifying AI, Enhancing Essays: How Active Engagement with Generative AI Boosts Writing Quality [4.517077427559346]
  学生は執筆を支援するためにジェネレーティブAI(GAI)をますます頼りにしている。 本研究は, GAI支援書記における教師の学生学習の評価と支援を支援することを目的とした。
  論文  参考訳（メタデータ） (2024-12-10T05:32:57Z)
• StuGPTViz: A Visual Analytics Approach to Understand Student-ChatGPT Interactions [35.927734064685886]
  本稿では、学生のプロンプトの時間パターンとChatGPTの応答の質を複数のスケールで追跡・比較する視覚分析システム、StuGPTVizを提案する。 その結果、StuGPTVizがChatGPTの教育的価値に対する教育者の洞察を高める能力があることが確認された。
  論文  参考訳（メタデータ） (2024-07-17T09:20:44Z)
• LLM-as-a-tutor in EFL Writing Education: Focusing on Evaluation of Student-LLM Interaction [40.76665188171691]
  LLM-as-a-tutorは、英語を外国語(EFL)として書く場合、エッセイにリアルタイムでフィードバックを提供することで、学生を支援することができる。 このギャップを埋めるために、学生とLLMの相互作用を評価する教育原則を統合する。
  論文  参考訳（メタデータ） (2023-10-08T15:00:04Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• 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。