論文の概要: From Co-Design to Metacognitive Laziness: Evaluating Generative AI in Vocational Education

• arxiv url: http://arxiv.org/abs/2512.12306v1
• Date: Sat, 13 Dec 2025 12:26:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.211133
• Title: From Co-Design to Metacognitive Laziness: Evaluating Generative AI in Vocational Education
• Title（参考訳）: 共同設計からメタ認知遅延へ:職業教育における生成AIの評価
• Authors: Amir Yunus, Peng Rend Gay, Oon Teng Lee,
• Abstract要約: 本研究では,シンガポールの職業教育環境における講師を支援するために考案された,生成型AI概念実証(POC)の開発と展開について検討する。 POCは,授業内容の合理化,認知負荷の低減,授業内容のナビゲートに対する生徒の信頼感の向上を報告した。 教育プロセスの強化にもかかわらず、成績データは学生全体の評価結果に有意な改善は示さなかった。 この研究は、依存関係の最小化、メタ認知開発、さまざまな能力レベルにおけるサポートの校正のためにAIツールをどのように構築できるかという、一連の設計上の疑問を提起している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study examines the development and deployment of a Generative AI proof-of-concept (POC) designed to support lecturers in a vocational education setting in Singapore. Employing a user-centred, mixed-methods design process, we co-developed an AI chatbot with lecturers to address recurring instructional challenges during exam preparation, specifically managing repetitive questions and scaling feedback delivery. The POC achieved its primary operational goals: lecturers reported streamlined workflows, reduced cognitive load, and observed improved student confidence in navigating course content. However, the deployment yielded unexpected insights into student learning behaviours. Despite enhanced teaching processes, performance data revealed no significant improvement in overall student assessment outcomes. Deep analysis of interaction logs identified concerning patterns, including self-efficacy-driven dependency, "metacognitive laziness" (cognitive offloading), and divergent usage strategies. While high-ability students leveraged the tool for strategic verification, low-ability students frequently used it to bypass cognitive effort, potentially exacerbating performance gaps. These findings suggest that Generative AI's educational influence extends beyond instructional efficiency to shape cognitive engagement, self-regulation, and learner equity. The study raises consequential design questions regarding how AI tools can be engineered to minimise dependency, scaffold metacognitive development, and calibrate support across varying ability levels. We conclude that while Generative AI can substantially enhance the teaching experience, achieving meaningful learning gains requires rigorous attention to learner behaviour and the equitable design of AI-supported environments.
• Abstract（参考訳）: 本研究では,シンガポールの職業教育環境における講師を支援するために考案された,生成型AI概念実証(POC)の開発と展開について検討する。 ユーザ中心の混合メソッド設計プロセスを用いることで、テスト準備中に繰り返し行われる教育課題に対処するAIチャットボットを開発し、特に繰り返し質問を管理し、フィードバックのデリバリを拡大した。 講師はワークフローの合理化を報告し、認知負荷を減らし、授業内容のナビゲートに対する生徒の信頼感を改善した。 しかし、この展開は学生の学習行動に予期せぬ洞察をもたらした。 教育プロセスの強化にもかかわらず、成績データは学生全体の評価結果に有意な改善は示さなかった。 相互作用ログの深い分析では、自己効力による依存、"認知遅延(metacognitive laziness)"(認知的オフロード)、分散利用戦略などのパターンが特定されている。 高能率の学生は、このツールを戦略的検証に利用したが、低能率の学生は認知的努力を回避し、パフォーマンスのギャップを悪化させる可能性がある。 これらの結果から,ジェネレーティブAIの教育的影響は教育効率を超えて,認知的エンゲージメント,自己統制,学習者の公平性を形作ることが示唆された。 この研究は、依存関係を最小限に抑えるためにAIツールをどのように開発するか、足場メタ認知開発を最小化し、さまざまな能力レベルにわたってサポートを校正するか、という一連の設計上の疑問を提起する。 我々は、ジェネレーティブAIは教育経験を大幅に向上させることができるが、有意義な学習成果を達成するには、学習者行動とAI支援環境の公平な設計に厳密な注意が必要であると結論付けた。

関連論文リスト

• The Imperfect Learner: Incorporating Developmental Trajectories in Memory-based Student Simulation [55.722188569369656]
  本稿では,メモリベースの学生シミュレーションのための新しいフレームワークを提案する。 構造的知識表現を備えた階層記憶機構を通じて発達軌道を組み込む。 実際に,次世代科学標準に基づくカリキュラム・アライン・シミュレータを実装した。
  論文  参考訳（メタデータ） (2025-11-08T08:05:43Z)
• Socratic Mind: Impact of a Novel GenAI-Powered Assessment Tool on Student Learning and Higher-Order Thinking [2.192176712066146]
  本研究では,ジェネレーティブ・人工知能(GenAI)を利用した形式的評価ツールであるソクラティック・マインド(Socratic Mind)が学習結果に与える影響について検討する。 GenAIツールに携わる学生は、クイズスコアが、そうでない学生に比べて大幅に向上した。 我々の研究は、より深いエンゲージメントと高次の認知スキルを育成する上で、AIによる対話の約束を強調した。
  論文  参考訳（メタデータ） (2025-09-18T03:08:24Z)
• AI-Educational Development Loop (AI-EDL): A Conceptual Framework to Bridge AI Capabilities with Classical Educational Theories [8.500617875591633]
  本研究では、古典的学習理論とAIを融合した理論駆動型フレームワークであるAI-Educational Development Loop(AI-EDL)を紹介する。 このフレームワークは透明性、自己統制型学習、教育的監視を強調している。
  論文  参考訳（メタデータ） (2025-08-01T15:44:19Z)
• ChatGPT produces more "lazy" thinkers: Evidence of cognitive engagement decline [0.0]
  本研究では,生成型人工知能(AI)ツールが学術書記作業における学生の認知活動に与える影響について検討した。 その結果,ChatGPT群ではコントロール群に比べて認知エンゲージメントスコアが有意に低かった。 これらの結果は、AI支援が認知的オフロードにつながる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-06-30T18:41:50Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
  認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。 質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。 これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
  論文  参考訳（メタデータ） (2025-06-03T14:44:48Z)
• Analyzing the Impact of AI Tools on Student Study Habits and Academic Performance [0.0]
  この研究は、AIツールがパーソナライズされた学習、適応テスト調整をサポートし、リアルタイムの教室分析を提供する方法に焦点を当てている。 学生のフィードバックはこれらの特徴に対する強い支持を示し、GPAの増加とともに研究時間を大幅に短縮した。 これらのメリットにもかかわらず、AIへの過度依存や、AIと従来の教育方法を統合することの難しさといった課題も特定された。
  論文  参考訳（メタデータ） (2024-12-03T04:51:57Z)
• Towards Goal-oriented Intelligent Tutoring Systems in Online Education [65.17234980710386]
  目標指向知能チューニングシステム(GITS)という新しいタスクを提案する。 GITSは,演習や評価のカスタマイズを戦略的に計画することで,学生の指定概念の習得を可能にすることを目的としている。 PAI(Planning-Assessment-Interaction)と呼ばれるグラフに基づく新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T12:37:16Z)

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。