論文の概要: The Impact of Generative AI on Architectural Conceptual Design: Performance, Creative Self-Efficacy and Cognitive Load

• arxiv url: http://arxiv.org/abs/2601.10696v1
• Date: Thu, 15 Jan 2026 18:52:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.280497
• Title: The Impact of Generative AI on Architectural Conceptual Design: Performance, Creative Self-Efficacy and Cognitive Load
• Title（参考訳）: ジェネレーティブAIがアーキテクチャ概念設計に及ぼす影響:パフォーマンス、創造的自己効力感、認知的負荷
• Authors: Han Jiang, Yao Xiao, Rachel Hurley, Shichao Liu,
• Abstract要約: 本研究では,ジェネレーティブAI(GenAI)が,建築概念設計タスクにおける性能,創造的自己効力,認知的負荷にどのように影響するかを検討する。 自己効力と認知負荷は各段階の後に自己申告された。
• 参考スコア（独自算出の注目度）: 11.518907451681189
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our study examines how generative AI (GenAI) influences performance, creative self-efficacy, and cognitive load in architectural conceptual design tasks. Thirty-six student participants from Architectural Engineering and other disciplines completed a two-phase architectural design task, first independently and then with external tools (GenAI-assisted condition and control condition using an online repository of existing architectural projects). Design outcomes were evaluated by expert raters, while self-efficacy and cognitive load were self-reported after each phase. Difference-in-differences analyses revealed no overall performance advantage of GenAI across participants; however, subgroup analyses showed that GenAI significantly improved design performance for novice designers. In contrast, general creative self-efficacy declined for students using GenAI. Cognitive load did not differ significantly between conditions, though prompt usage patterns showed that iterative idea generation and visual feedback prompts were linked to greater reductions in cognitive load. These findings suggest that GenAI effectiveness depends on users' prior expertise and interaction strategies through prompting.
• Abstract（参考訳）: 本研究では,ジェネレーティブAI(GenAI)が,建築概念設計タスクにおける性能,創造的自己効力,認知的負荷にどのように影響するかを検討する。 建築工学やその他の分野の36人の学生が、まず独立して、次に外部ツール(既存の建築プロジェクトのオンラインリポジトリを使ったGenAI支援条件と制御条件)で、2段階のアーキテクチャ設計タスクを完了した。 自己効力と認知負荷は各段階の後に自己申告された。 差分差分分析では参加者間でのGenAIの全体的な性能上の優位性は示されなかったが, サブグループ解析の結果, GenAIは初心者設計者に対して, 設計性能を著しく向上させた。 対照的に、総合的な創造的自己効力は、GenAIを使用する学生には低下した。 認知負荷は条件によって大きな違いはなかったが、反復的なアイデア生成と視覚フィードバックのプロンプトが認知負荷の減少と関連していることが示された。 これらの結果から,GenAIの有効性はユーザのこれまでの専門知識やインタラクション戦略に依存していることが示唆された。

関連論文リスト

• 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)
• 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)
• Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
  我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。 RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。 先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
  論文  参考訳（メタデータ） (2025-05-20T17:59:16Z)
• 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)
• Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
  KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。 動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-05T09:32:03Z)
• Dimensions of Generative AI Evaluation Design [51.541816010127256]
  我々は、GenAI評価設計に関わる重要な選択を捉えるための一般的な次元のセットを提案する。 これらの次元には、評価設定、タスクタイプ、入力ソース、インタラクションスタイル、期間、メトリックタイプ、スコアリング方法が含まれる。
  論文  参考訳（メタデータ） (2024-11-19T18:25:30Z)
• Creativity in the Age of AI: Evaluating the Impact of Generative AI on Design Outputs and Designers' Creative Thinking [19.713133349166778]
  我々は、GenAIサポートの有無にかかわらず、参加者に広告のデザインを依頼した。 専門家評価者は、GenAIが支援するデザインをより創造的で非伝統的な「ウェアード」と評価した ネイティブイングリッシュスピーカーはAIを使用するとリラックスを減らしたが、GenAIに慣れたデザイナは散発的思考の進歩を見せた。
  論文  参考訳（メタデータ） (2024-10-31T19:23:34Z)
• The Impact of Generative Artificial Intelligence on Ideation and the performance of Innovation Teams (Preprint) [0.0]
  この研究は、知識の流出、生成、応用に対するAIの効果を理解するために、知識スパイルオーバー理論を応用している。 発見によると、AIによって強化されたチームは、より少ない時間で高品質なアイデアを生み出した。
  論文  参考訳（メタデータ） (2024-09-23T18:25:49Z)

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。