論文の概要: Unveiling User Perceptions in the Generative AI Era: A Sentiment-Driven Evaluation of AI Educational Apps' Role in Digital Transformation of e-Teaching

• arxiv url: http://arxiv.org/abs/2512.11934v1
• Date: Fri, 12 Dec 2025 06:24:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.036416
• Title: Unveiling User Perceptions in the Generative AI Era: A Sentiment-Driven Evaluation of AI Educational Apps' Role in Digital Transformation of e-Teaching
• Title（参考訳）: 生成型AI時代におけるユーザ認識の展開--e-TeachingのデジタルトランスフォーメーションにおけるAI教育アプリの役割の感性駆動評価
• Authors: Adeleh Mazaherian, Erfan Nourbakhsh,
• Abstract要約: この研究は、Google Play StoreのトップAIアプリケーションからのユーザレビューを感情駆動で評価する。 Edu AI (95.9%) や Answer.AI (92.7%) のような宿題アプリは正確さ、スピード、パーソナライゼーションを導いている。 トレンドは、宿題のヘルパーが専門のツールより優れており、依存や不平等のリスクの中でAIの民主化の可能性を強調していることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The rapid integration of generative artificial intelligence into education has driven digital transformation in e-teaching, yet user perceptions of AI educational apps remain underexplored. This study performs a sentiment-driven evaluation of user reviews from top AI ed-apps on the Google Play Store to assess efficacy, challenges, and pedagogical implications. Our pipeline involved scraping app data and reviews, RoBERTa for binary sentiment classification, GPT-4o for key point extraction, and GPT-5 for synthesizing top positive/negative themes. Apps were categorized into seven types (e.g., homework helpers, math solvers, language tools), with overlaps reflecting multifunctional designs. Results indicate predominantly positive sentiments, with homework apps like Edu AI (95.9% positive) and Answer.AI (92.7%) leading in accuracy, speed, and personalization, while language/LMS apps (e.g., Teacher AI at 21.8% positive) lag due to instability and limited features. Positives emphasize efficiency in brainstorming, problem-solving, and engagement; negatives center on paywalls, inaccuracies, ads, and glitches. Trends show that homework helpers outperform specialized tools, highlighting AI's democratizing potential amid risks of dependency and inequity. The discussion proposes future ecosystems with hybrid AI-human models, VR/AR for immersive learning, and a roadmap for developers (adaptive personalization) and policymakers (monetization regulation for inclusivity). This underscores generative AI's role in advancing e-teaching by enabling ethical refinements that foster equitable, innovative environments. The full dataset is available here(https://github.com/erfan-nourbakhsh/GenAI-EdSent).
• Abstract（参考訳）: 生成的人工知能の教育への急速な統合は、e-Teachingにおけるデジタルトランスフォーメーションを加速させたが、AI教育アプリに対するユーザーの認識はいまだに未熟である。 この研究は、Google Play StoreのトップAIアプリケーションからのユーザレビューを感情駆動で評価し、有効性、課題、教育的意味を評価する。 私たちのパイプラインでは,アプリデータとレビューのスクラップ化,バイナリ感情分類のためのRoBERTa,キーポイント抽出のためのGPT-4o,トップポジティ/負のテーマを合成するためのGPT-5が実施された。 アプリケーションは7つのタイプ(例えば、宿題のヘルパー、数学の解法、言語ツール)に分類され、重複は多機能設計を反映している。 その結果、Edu AI(95.9%)やAnswer.AI(92.7%)といった宿題アプリが正確さ、スピード、パーソナライゼーションをリードする一方で、言語/LMSアプリ(21.8%)は不安定さと限られた機能のために遅延している。 ポジティブはブレインストーミング、問題解決、エンゲージメントの効率を強調し、負はペイウォール、不正確さ、広告、リッチを中心にしている。 トレンドは、宿題のヘルパーが専門のツールより優れており、依存や不平等のリスクの中でAIの民主化の可能性を強調していることを示している。 この議論は、ハイブリッドAI-ヒューマンモデル、没入型学習のためのVR/AR、開発者(適応的パーソナライゼーション)と政策立案者(インクリビティの収益化規制)のためのロードマップによる将来のエコシステムを提案する。 これは、平等でイノベーティブな環境を育む倫理的改善を可能にすることによって、e-Teachingの推進における生成的AIの役割を浮き彫りにする。 完全なデータセットはここにある(https://github.com/erfan-nourbakhsh/GenAI-EdSent)。

関連論文リスト

• AnveshanaAI: A Multimodal Platform for Adaptive AI/ML Education through Automated Question Generation and Interactive Assessment [13.259219714721242]
  AnveshanaAIは、人工知能のためのアプリケーションベースの学習プラットフォームである。 学習者には、データサイエンス、機械学習、ディープラーニング、トランスフォーマー、生成AI、大規模言語モデル、マルチモーダルAIといった分野にわたる、ストリーク、レベル、バッジ、構造化されたナビゲーションを備えたパーソナライズされたダッシュボードが提供される。
  論文  参考訳（メタデータ） (2025-09-28T11:24:22Z)
• Absolute Zero: Reinforced Self-play Reasoning with Zero Data [57.30662797376754]
  検証可能な報奨付き強化学習(RLVR)は,大規模言語モデルの推論能力を高めることを約束している。 本稿では,AZR(Absolute Zero Reasoner)について紹介する。 AZRは、コーディングおよび数学的推論タスクにおける全体的なSOTA性能を達成し、既存のゼロセットモデルより優れている。
  論文  参考訳（メタデータ） (2025-05-06T09:08:00Z)
• Beyond Detection: Designing AI-Resilient Assessments with Automated Feedback Tool to Foster Critical Thinking [0.0]
  本研究は, 検出ではなく, 評価設計に基づく能動的AIレジリエントソリューションを提案する。 WebベースのPythonツールで、Bloomの分類と高度な自然言語処理技術を統合する。 これは、タスクがリコールや要約のような下位の思考や、分析、評価、作成といった上位のスキルを目標にしているかどうかを教育者が判断するのに役立つ。
  論文  参考訳（メタデータ） (2025-03-30T23:13:00Z)
• Transforming Student Evaluation with Adaptive Intelligence and Performance Analytics [0.0]
  本稿では,人工知能を用いた学生のパフォーマンス評価システムについて述べる。 システムには、複数の選択、短い回答、記述的な質問を含む質問の形式がある。 プラットフォームにはインテリジェントな学習の進歩があり、ユーザーは特定のレベルのパフォーマンスを推奨するために自分のパフォーマンスを監視できる。
  論文  参考訳（メタデータ） (2025-02-07T18:57:51Z)
• How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
  我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。 我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
  論文  参考訳（メタデータ） (2024-10-21T22:39:52Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• Generative AI: Implications and Applications for Education [0.0]
  2022年11月のChatGPTの打ち上げは、一部の教育者の間でパニックを巻き起こし、他者からの資格ある熱意を喚起した。 Generative AIという抽象用語の下では、ChatGPTはコンピュータ生成テキスト、画像、その他のデジタルメディアを配信するための様々な技術の例である。
  論文  参考訳（メタデータ） (2023-05-12T16:52:38Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)

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。