論文の概要: Digital self-Efficacy as a foundation for a generative AI usage framework in faculty's professional practices

• arxiv url: http://arxiv.org/abs/2602.17673v1
• Date: Mon, 12 Jan 2026 12:51:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-02 07:21:25.489187
• Title: Digital self-Efficacy as a foundation for a generative AI usage framework in faculty's professional practices
• Title（参考訳）: 教員の専門的実践における生成的AI利用フレームワークの基礎としてのデジタル自己効力
• Authors: Fatiha Tali,
• Abstract要約: 本研究は,高等学校における生成人工知能(GAI)の活用におけるデジタル自己効力感の役割について考察する。 本研究では,4つの社会技術構成,自己効力感プロファイルに適合した評価トラジェクトリ,個別の制度的支援機構を統合した個別利用フレームワークを提案する。
• 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 research explores the role of digital self-efficacy in the appropriation of generative artificial intelligence (GAI) by higher education faculty. Drawing on Bandura's sociocognitive theory and Flichy's concept of usage framework, our study examines the relationships between levels of digital self-efficacy and GAI usage profiles. A survey of 265 faculty members identified three user profiles (Engaged, Reflective Reserved, Critical Resisters) and validated a three-dimensional digital self-efficacy scale. Results reveal a significant association between self-efficacy profiles and GAI appropriation patterns. Based on these findings, we propose a differentiated usage framework integrating four sociotechnical configurations, appropriation trajectories adapted to self-efficacy profiles, and personalized institutional support mechanisms.
• Abstract（参考訳）: 本研究は,高等学校における生成人工知能(GAI)の活用におけるデジタル自己効力感の役割について考察する。 本研究は,バンドラの社会認知理論とFlichyの用法枠組みに基づいて,デジタル自己効力レベルとGAI用法プロファイルの関係を考察した。 265人の教員を対象にした調査では,3つのユーザプロファイル(Engaged, Reflective Reserved,Critical Resisters)を特定し,3次元ディジタル自己効力感尺度を検証した。 その結果, 自己効用プロファイルとGAI評価パターンの有意な関連が明らかとなった。 これらの知見に基づいて,4つの社会技術構成,自己効力感プロファイルに適合した評価トラジェクトリ,個別の制度的支援機構を統合した個別利用フレームワークを提案する。

関連論文リスト

• Empowering Future Cybersecurity Leaders: Advancing Students through FINDS Education for Digital Forensic Excellence [0.0]
  本稿では,MCBSG(Multidependency Capacity Building Skills Graph)を紹介する。 MCBSGは、AIによる法科学プログラミング、統計推論、デジタルエビデンス処理、脅威検出の能力において、階層的およびクロスドメインの依存関係を符号化する。 3年間の統計的評価は, 法医学的正確性, 敵対的推論, およびHPCによる調査スキルにおいて有意な向上を示した。
  論文  参考訳（メタデータ） (2026-02-27T18:55:23Z)
• 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)
• 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)
• User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study [5.775094401949666]
  この研究はHuman-Centered Artificial Intelligence (HCAI)にある。 一般的に使用されるeXplainable Artificial Intelligence (XAI)アルゴリズムのユーザ中心評価の結果に焦点を当てている。
  論文  参考訳（メタデータ） (2024-10-21T12:32:39Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• Using i-vectors for subject-independent cross-session EEG transfer learning [2.384393656668996]
  認知負荷分類は、脳波(EEG)などの生理学的指標に基づいて、作業中の記憶資源の活用を自動的に判定するタスクである。 本稿では,この問題に対処するために,音声処理のツールや方法論を用いる,学際的なアプローチに従う。 我々が使用しているコーパスは2021年に、クロスセッションのワークロード推定に関する最初の受動的脳-コンピュータインターフェースコンペティションの一部として公開された。
  論文  参考訳（メタデータ） (2024-01-16T21:56:27Z)
• Exploring Federated Unlearning: Review, Comparison, and Insights [101.64910079905566]
  フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。 本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。 フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-30T01:34:33Z)
• Lessons Learned from EXMOS User Studies: A Technical Report Summarizing Key Takeaways from User Studies Conducted to Evaluate The EXMOS Platform [5.132827811038276]
  信頼,理解可能性,モデル改善の3つの重要な側面に異なる説明型の影響を明らかにすることを目的とした2つのユーザスタディ。 その結果,データ構成の複雑なプロセスにおいて,ユーザを効果的に導くには,グローバルなモデル中心の説明だけでは不十分であることが示唆された。 本稿では、説明によって駆動される対話型機械学習システムの開発に不可欠な意味について述べる。
  論文  参考訳（メタデータ） (2023-10-03T14:04:45Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [47.30190559449236]
  NSF-SRLと呼ばれる統計的関係学習に基づくニューラルシンボリック・フレームワークを提案する。 シンボリック推論の結果は、深層学習モデルによる予測の洗練と修正に利用され、深層学習モデルはシンボリック推論プロセスの効率を高める。 我々は、このアプローチがニューラルシンボリックシステムの新しい標準となり、汎用人工知能の分野における将来の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• Learning Diversified Feature Representations for Facial Expression Recognition in the Wild [97.14064057840089]
  本稿では,CNN層が抽出した顔表情認識アーキテクチャの特徴を多様化する機構を提案する。 AffectNet,FER+,RAF-DBの3つの顔表情認識実験の結果,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-10-17T19:25:28Z)
• Self-Supervised Models are Continual Learners [79.70541692930108]
  本研究では, 自己教師付き損失関数を連続学習のための蒸留機構にシームレスに変換可能であることを示す。 我々は,学習した表現の質を大幅に向上させる連続的自己教師型視覚表現学習の枠組みを考案した。
  論文  参考訳（メタデータ） (2021-12-08T10:39:13Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Digital competency of educators in the virtual learning environment: a structural equation modeling analysis [0.0]
  本研究では,タスク・テクノロジー・フィット(TTF)理論の個々の特徴構造として,教育者のデジタル能力(DC)を統合した。 構造方程式モデリング (Structure Equation Modelling, SEM) を用いて, 提案するデジタル能力のすべてのコンポーネントがTTFに大きな影響を与えていることを明らかにした。 タスク・テクノロジー・フィットは、Moodlesの利用率と教師のタスクパフォーマンスの両方に肯定的かつ有意な影響を与えている。
  論文  参考訳（メタデータ） (2021-05-19T05:05:09Z)
• Why model why? Assessing the strengths and limitations of LIME [0.0]
  本稿では,LIME(Local Interpretable Model-Agnostic Explanations) xAIフレームワークの有効性について検討する。 LIMEは、文献で見られる最も人気のあるモデルに依存しないフレームワークの1つである。 従来の性能評価手法を補うためにLIMEをどのように利用できるかを示す。
  論文  参考訳（メタデータ） (2020-11-30T21:08:07Z)

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。