論文の概要: Not All Students Engage Alike: Multi-Institution Patterns in GenAI Tutor Use
- arxiv url: http://arxiv.org/abs/2602.00447v1
- Date: Sat, 31 Jan 2026 01:43:29 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-02-03 14:18:39.47592
- Title: Not All Students Engage Alike: Multi-Institution Patterns in GenAI Tutor Use
- Title（参考訳）: 生徒全員が同じではない:GenAIチューターのマルチインスティテュートパターン
- Authors: Youjie Chen, Xixi Shi, Xinyu Liu, Shuaiguo Wang, Tracy Xiao Liu, Dragan Gašević,
- Abstract要約: 生成的人工知能(GenAI)は、教室で個別の学習支援を提供するという前例のない機会を生み出している。
学生はこれらのツールを学習支援に役立たずに活用できるのではないかという懸念が高まっている。
本研究では,既存のGenAI Tutorの学生間相互作用ログと,それを組み込んだ学習管理システムを利用する。
- 参考スコア（独自算出の注目度）: 2.442632090356842
- License:
- Abstract: The emergence of generative artificial intelligence (GenAI) has created unprecedented opportunities to provide individualized learning support in classrooms as automated tutoring systems at scale. However, concerns have been raised that students may engage with these tools in ways that do not support learning. Moreover, student engagement with GenAI Tutors may vary across instructional contexts, potentially leading to unequal learning experiences. In this study, we utilize de-identified student interaction logs from an existing GenAI Tutor and the learning management system in which it is embedded. We systematically examined student engagement (N = 11,406) with the tool across 200 classes in ten post-secondary institutions through a two-stage pipeline: First, we identified four distinct engagement types at the conversation session level. In particular, 10.4% of them were "shallow engagement" where copy-pasting behavior was prevalent. Then, at the student level, we show that students transitioned across engagement types over time. However, students who exhibited shallow engagement with the tool were more likely to remain in this mode, whereas those who engaged deeply with the tool transitioned more flexibly across engagement types. Finally, at both the session and student levels, we show substantial heterogeneity in student engagement across institution selectivity and course disciplines. In particular, students from highly selective institutions were more likely to exhibit deep engagement. Together, our study advances the understanding of how GenAI Tutors are used in authentic educational settings and provides a framework for analyzing student engagement with GenAI Tutors, with implications for responsible implementation at scale.
- Abstract（参考訳）: 生成人工知能(GenAI)の出現は、教室における個別の学習支援を、大規模に自動学習システムとして提供するという前例のない機会を生み出した。
しかし、これらのツールを学習支援に役立てない形で学生が活用できるのではないかという懸念が高まっている。
さらに、GenAI Tutorsとの学生エンゲージメントは、教育の文脈によって異なり、学習経験の不平等につながる可能性がある。
本研究では,既存のGenAI Tutorの学生間相互作用ログと,それを組み込んだ学習管理システムを利用する。
学習者のエンゲージメント(N=11,406)を,2段階のパイプラインを通じて,中等教育後10機関で200のクラスにまたがるツールを用いて体系的に検討した。
特に10.4%はコピー・ペースティングが盛んであった「密接なエンゲージメント」であった。
そして,学生レベルでは,学生が時間とともにエンゲージメントのタイプに移行したことを示す。
しかし, ツールとの接点が浅かった学生は, このモードに留まりやすい傾向がみられ, ツールに深く関わった学生は, エンゲージメントタイプによって柔軟に移行した。
最後に, 学生と生徒の双方のレベルにおいて, 施設選択性, コース規律にまたがる学生のエンゲージメントに, かなり不均一性を示す。
特に、高度に選抜された機関の学生は、より深いエンゲージメントを示す傾向にあった。
本研究は、GenAI Tutorsの真正な教育環境における利用方法の理解を深め、GenAI Tutorsと学生の関わりを分析するためのフレームワークを提供し、大規模に実施する上での責任を負うものとなる。
関連論文リスト
- Investigating Self-regulated Learning Sequences within a Generative AI-based Intelligent Tutoring System [14.046963768734114]
本研究は,GenAIを用いた知的学習システムにおける課題解決タスクを完了したトレースデータから,学生のGenAIとのインタラクションパターンを抽出した。
また、情報処理の観点から、学生のGenAI利用の目的も分析した。
論文 参考訳（メタデータ） (2026-01-13T20:37:19Z) - From Individual Prompts to Collective Intelligence: Mainstreaming Generative AI in the Classroom [2.7886031629181987]
我々は、GenAIがピアツーピア学習の触媒として機能する、集合知(CI)にフォーカスした教育へのシフトを論じる。
我々は,2つの学部工学科で生成的CI活動を実施し,140名の学生が思考ルーチンを通した。
その結果、学生は人間の協力と戦略的AIサポートの組み合わせを重んじることが証明された。
論文 参考訳（メタデータ） (2026-01-07T08:28:20Z) - Impact of AI Tools on Learning Outcomes: Decreasing Knowledge and Over-Reliance [0.0]
あらゆるレベルの教育の学生は、課題を完了し、より高い試験スコアを達成するために、生成的人工知能(AI)ツールにますます依存している。
生成AIが学習結果に与える影響を調べるため、ブダペスト大学コービンス校で実験を行った。
主催者が設計を説明し、全ての参加者に平等な機会を創り出すために最善を尽くしたにもかかわらず、多くの学生は実験を大きな混乱だと認識した。
論文 参考訳（メタデータ） (2025-10-15T13:48:14Z) - Robots and Children that Learn Together : Improving Knowledge Retention by Teaching Peer-Like Interactive Robots [41.94295877935867]
本研究では,対話型強化学習(Interactive Reinforcement Learning)を,教示可能な社会ロボットの認知モデルとして紹介する。
LbT状態の小児は自己実践状態の児に比べて保持率が高くなった。
本研究は,(1)ピアロボット学習の教育的効果的でスケーラブルなモデルとしてインタラクティブRLを導入し,(2)実教室で複数の自律ロボットを同時に展開する可能性を示した。
論文 参考訳（メタデータ） (2025-06-23T07:51:04Z) - 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) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳（メタデータ） (2022-12-13T12:14:09Z) - Dual-AI: Dual-path Actor Interaction Learning for Group Activity
Recognition [103.62363658053557]
空間および時間変換器を柔軟に配置するDual-path Actor Interaction (DualAI) フレームワークを提案する。
また,Dual-AIの2つのインタラクティブパスの間に,MAC-Loss(Multiscale Actor Contrastive Loss)を導入する。
我々のデュアルAIは、異なるアクターの識別的特徴を融合させることでグループ活動の認識を促進することができる。
論文 参考訳（メタデータ） (2022-04-05T12:17:40Z) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳（メタデータ） (2022-03-10T20:23:38Z) - Collaborative Group Learning [42.31194030839819]
協調学習は、小規模学生ネットワークのプールをロバストなローカルミニマへと導くために、知識伝達をうまく応用してきた。
従来のアプローチでは、学生の数が増加すると、学生の均質化が大幅に増加するのが普通だった。
特徴表現の多様化と効果的な正規化の実現を目的とした,効率的なフレームワークである協調型グループ学習を提案する。
論文 参考訳（メタデータ） (2020-09-16T14:34:39Z)
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。