論文の概要: Learning Factors in AI-Augmented Education: A Comparative Study of Middle and High School Students

• arxiv url: http://arxiv.org/abs/2512.21246v1
• Date: Wed, 24 Dec 2025 15:43:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-25 19:43:21.819685
• Title: Learning Factors in AI-Augmented Education: A Comparative Study of Middle and High School Students
• Title（参考訳）: AI強化教育における学習要因:中高生の比較研究
• Authors: Gaia Ebli, Bianca Raimondi, Maurizio Gabbrielli,
• Abstract要約: 本研究では,AIを活用した学習環境において,4つの重要な学習要因,経験,明快さ,快適さ,モチベーションがコヒーレントを維持しているかを検討する。 この研究は、学生が学習活動の一環としてAIツールと対話する真正の教室環境で行われた。 相関分析とテキストマイニングを組み合わせたマルチメソッド定量的解析により,2つの年齢群間に有意な異なる次元構造が明らかになった。
• 参考スコア（独自算出の注目度）: 0.7710436567988378
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing integration of AI tools in education has led prior research to explore their impact on learning processes. Nevertheless, most existing studies focus on higher education and conventional instructional contexts, leaving open questions about how key learning factors are related in AI-mediated learning environments and how these relationships may vary across different age groups. Addressing these gaps, our work investigates whether four critical learning factors, experience, clarity, comfort, and motivation, maintain coherent interrelationships in AI-augmented educational settings, and how the structure of these relationships differs between middle and high school students. The study was conducted in authentic classroom contexts where students interacted with AI tools as part of programming learning activities to collect data on the four learning factors and students' perceptions. Using a multimethod quantitative analysis, which combined correlation analysis and text mining, we revealed markedly different dimensional structures between the two age groups. Middle school students exhibit strong positive correlations across all dimensions, indicating holistic evaluation patterns whereby positive perceptions in one dimension generalise to others. In contrast, high school students show weak or near-zero correlations between key dimensions, suggesting a more differentiated evaluation process in which dimensions are assessed independently. These findings reveal that perception dimensions actively mediate AI-augmented learning and that the developmental stage moderates their interdependencies. This work establishes a foundation for the development of AI integration strategies that respond to learners' developmental levels and account for age-specific dimensional structures in student-AI interactions.
• Abstract（参考訳）: 教育におけるAIツールの統合の増加は、彼らの学習プロセスへの影響を研究する先行研究につながった。 それにもかかわらず、既存のほとんどの研究は高等教育と従来の教育の文脈に焦点を当てており、AIを介する学習環境における重要な学習要因がどのように関連しているか、そしてこれらの関係が年齢の異なるグループでどのように異なるかについて、オープンな疑問を残している。 これらのギャップに対処するため、我々の研究は、AI強化教育環境における4つの重要な学習要因、経験、明瞭さ、快適さ、モチベーション、コヒーレントな相互関係の維持、そしてこれらの関係の構造が中学生と高校生の間でどのように異なるかを検討する。 この研究は、プログラミング学習活動の一環として、学生がAIツールと対話し、4つの学習要因と学生の知覚に関するデータを収集する、真正の教室環境で行われた。 相関分析とテキストマイニングを組み合わせたマルチメソッド定量的解析により,2つの年齢群間に有意な異なる次元構造が明らかになった。 中学生は全次元に強い正の相関を示し、一次元の正の知覚が他の次元に一般化する全体的評価パターンを示す。 対照的に、高校生はキーディメンション間の弱さやほぼゼロの相関を示し、ディメンションを独立して評価するより分化した評価過程を示唆している。 これらの結果から、知覚次元はAI強化学習を積極的に媒介し、発達段階は相互依存を緩和することが明らかとなった。 この研究は、学習者の発達レベルに反応し、学生とAIの相互作用における年齢固有の次元構造を考慮に入れたAI統合戦略開発の基礎を確立する。

関連論文リスト

• Impact of UK Postgraduate Student Experiences on Academic Performance in Blended Learning: A Data Analytics Approach [0.0527359582877518]
  ブレンドラーニングは、イギリスや世界中の高等教育において、主要な教育モデルとなっている。 本稿では,学生の学習経験の異なる次元と学業成績の相互作用について検討する。
  論文  参考訳（メタデータ） (2025-11-15T18:42:43Z)
• EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus [59.693733170193944]
  EduDialは総合的な多ターン教師/学生対話データセットである。 EduDialは345のコアナレッジポイントをカバーし、教師と学生エージェントの対話によって生成された34,250の対話セッションで構成されている。
  論文  参考訳（メタデータ） (2025-10-14T18:18:43Z)
• Unveiling the Learning Mind of Language Models: A Cognitive Framework and Empirical Study [45.82081693725339]
  大規模言語モデル(LLM)は、数学、コーディング、推論といったタスクにまたがる印象的な機能を示している。 しかし、彼らの学習能力は、動的環境に適応し、新しい知識を得るのに不可欠であり、まだ過小評価されていない。
  論文  参考訳（メタデータ） (2025-06-16T13:24:50Z)
• Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning [92.34299949916134]
  自己制御学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話学習を成功させる上で重要な能力となっている。 本研究では,4つの学習グループを明らかにするクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。
  論文  参考訳（メタデータ） (2025-03-31T13:41:21Z)
• Student-AI Interaction in an LLM-Empowered Learning Environment: A Cluster Analysis of Engagement Profiles [28.794946431719392]
  本研究では,多エージェント LLM を用いた学習環境における多様な学習者のプロファイルについて検討した。 学生は様々な行動、認知、感情的なエンゲージメントの傾向を示す。
  論文  参考訳（メタデータ） (2025-03-03T16:08:28Z)
• Heterogeneous Contrastive Learning for Foundation Models and Beyond [73.74745053250619]
  ビッグデータと人工知能の時代において、新しいパラダイムは、大規模な異種データをモデル化するために、対照的な自己教師付き学習を活用することである。 本調査は基礎モデルの異種コントラスト学習の現況を批判的に評価する。
  論文  参考訳（メタデータ） (2024-03-30T02:55:49Z)
• A Hierarchy-based Analysis Approach for Blended Learning: A Case Study with Chinese Students [12.533646830917213]
  本稿では,混合学習評価のための階層型評価手法を提案する。 その結果、混合学習評価において、認知的エンゲージメントと感情的エンゲージメントがより重要であることが示された。
  論文  参考訳（メタデータ） (2023-09-19T00:09:00Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• Social Engagement versus Learning Engagement -- An Exploratory Study of FutureLearn Learners [61.58283466715385]
  大規模なオープンオンラインコース (MOOCs) は増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。 この研究は、MOOCにおける研究の進展とともに、学習者がピアとどのように相互作用するかに特に関係している。 この研究は、社会的構成主義的アプローチを採用し、協調学習を促進するFutureLearnプラットフォーム上で行われた。
  論文  参考訳（メタデータ） (2020-08-11T16:09:10Z)

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。