論文の概要: Trust, Usefulness, and Dependency on AI in Programming: A Hierarchical Clustering Approach
- arxiv url: http://arxiv.org/abs/2512.11822v1
- Date: Sun, 30 Nov 2025 15:55:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-21 14:22:08.69645
- Title: Trust, Usefulness, and Dependency on AI in Programming: A Hierarchical Clustering Approach
- Title（参考訳）: プログラミングにおけるAIへの信頼、有用性、依存:階層的クラスタリングアプローチ
- Authors: Hilene E. Hernandez, Ranie B. Canlas, Madilaine Claire B. Nacianceno, Jordan L. Salenga, Jaymark A. Yambao, Juvy C. Grume, Aileen P. De Leon, Freneil R. Pampo, John Paul P. Miranda,
- Abstract要約: 本研究はフィリピンのパンパンガで508人のプログラミング学生を対象に,階層的クラスタリングを用いてその知覚を分析した。
学生はAIツールの利点を認めたが、インフラの制限と露出不足のため依存度は低かった。
この研究は、AIの教育効果を最大化するために、インフラ開発、トレーニングプログラム、カリキュラム統合のようなターゲットとなる介入が必要であることを推奨している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While AI tools are transforming programming education, their adoption in underrepresented countries remains insufficiently studied. Understanding students' trust, perceived usefulness, and dependency on AI tools is essential to improving their integration into education. For these purposes, this study surveyed 508 first-year programming students in Pampanga, Philippines and analyzed their perceptions using hierarchical clustering. Results showed four unique student profiles with varying in trust and usage intensity. While students acknowledged AI tools' benefits, dependency remained low due to limited infrastructure and insufficient exposure. High-frequency users did not necessarily report greater trust or usefulness which may indicates a complex relationship between usage patterns and perception. This study recommends that to maximize AI's educational impact, targeted interventions such as infrastructure development, training programs, and curriculum integration are necessary. This study provides empirical insights to support equitable and effective AI adoption in programming education within developing regions.
- Abstract（参考訳）: AIツールはプログラミング教育を変えつつあるが、表現不足の国での採用はいまだに十分に研究されていない。
学生の信頼、知覚的有用性、AIツールへの依存を理解することは、教育への統合を改善する上で不可欠である。
これらの目的のために、フィリピンのパンパンガで508人のプログラミング学生を対象に、階層的クラスタリングによる認識を分析した。
その結果,信頼度と利用頻度の異なる4つの学生プロフィールが得られた。
学生はAIツールの利点を認めたが、インフラの制限と露出不足のため依存度は低かった。
高周波ユーザは必ずしも、使用パターンと知覚の複雑な関係を示すような、より大きな信頼や有用性を報告しなかった。
この研究は、AIの教育効果を最大化するために、インフラ開発、トレーニングプログラム、カリキュラム統合のようなターゲットとなる介入が必要であることを推奨している。
本研究は,開発途上国におけるプログラミング教育における,公平かつ効果的なAI導入を支援するための実証的洞察を提供する。
関連論文リスト
- Deploying AI for Signal Processing education: Selected challenges and intriguing opportunities [44.18936398140735]
記事は、教育の促進と強化のためのAIツールの使用について考察している。
プライマーは、AIを教育環境で使用する際に生じるいくつかの技術的な問題について提供されている。
この記事は、AIのエンジニアリング教育における役割を前進させようとする研究者や教育者のためのリソースとして機能する。
論文 参考訳（メタデータ） (2025-09-10T19:19:26Z) - AI Literacy as a Key Driver of User Experience in AI-Powered Assessment: Insights from Socratic Mind [2.0272430076690027]
本研究では,学生のAIリテラシーと,それ以前のAI技術への露出が,ソクラティックマインドに対する認識をいかに形作るかを検討する。
コンピュータサイエンス・ビジネスコースの309人の学部生のデータを収集した。
論文 参考訳（メタデータ） (2025-07-29T10:11:24Z) - Students' Reliance on AI in Higher Education: Identifying Contributing Factors [2.749898166276854]
本研究では,大学生のAI依存パターンに寄与する潜在的な要因について検討した。
適切な依存は、学生の自己効力、プログラミングリテラシー、認知の必要性に大きく関係している。
信頼度は、タスク後の信頼度とAIアシスタントとの満足度に有意な相関を示した。
論文 参考訳（メタデータ） (2025-06-16T17:55:26Z) - Evaluating AI-Powered Learning Assistants in Engineering Higher Education: Student Engagement, Ethical Challenges, and Policy Implications [0.2099922236065961]
本研究は、大規模R1公立大学の学部・環境工学コースで実施されているAIを活用した学習フレームワークである教育AIハブを評価する。
学生たちは、AIアシスタントのアクセシビリティと快適さを高く評価し、インストラクターやアシスタントの助けを求めるよりも、利用の容易さを報告している。
倫理的不確実性、特に制度政策と学術的整合性は、フルエンゲージメントの鍵となる障壁として現れた。
論文 参考訳（メタデータ） (2025-06-06T03:02:49Z) - Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。
大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。
偏見、プライバシー、透明性などの倫理的問題を考察する。
論文 参考訳（メタデータ） (2025-05-02T09:50:34Z) - 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) - Comprehensive AI Assessment Framework: Enhancing Educational Evaluation with Ethical AI Integration [0.0]
本稿では、Perkins、Furze、Roe、MacVaughによるAIA(AIAS)の進化版である包括的AIアセスメントフレームワーク(CAIAF)について述べる。
CAIAFは厳格な倫理的ガイドラインを取り入れており、教育レベルと高度なAI能力に基づいて明確に区別されている。
このフレームワークは、より良い学習結果を保証するとともに、学術的完全性を維持し、AIの責任ある利用を促進する。
論文 参考訳（メタデータ） (2024-06-07T07:18:42Z) - 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) - Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。
我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
論文 参考訳（メタデータ） (2023-07-14T04:13:11Z) - Reinforcement Learning Tutor Better Supported Lower Performers in a Math
Task [32.6507926764587]
強化学習は、開発コストを削減し、インテリジェントな学習ソフトウェアの有効性を向上させるための重要なツールとなり得る。
本研究では, 深層強化学習を用いて, 音量の概念を学習する学生に適応的な教育支援を行うことができることを示す。
論文 参考訳（メタデータ） (2023-04-11T02:11:24Z) - 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)
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。