論文の概要: Enabling and Inhibitory Pathways of Students' AI Use Concealment Intention in Higher Education: Evidence from SEM and fsQCA

• arxiv url: http://arxiv.org/abs/2604.10978v1
• Date: Mon, 13 Apr 2026 04:35:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.319356
• Title: Enabling and Inhibitory Pathways of Students' AI Use Concealment Intention in Higher Education: Evidence from SEM and fsQCA
• Title（参考訳）: SEMとfsQCAからの証拠
• Authors: Yiran Du, Huimin He,
• Abstract要約: この研究は、明確な行動結果として隠蔽を概念化することによって、文学に寄与する。 実践的な意味合いは、明確な制度政策の必要性、適切なAI使用の便宜化、支援的な学習環境の育成を強調している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study investigates students' AI use concealment intention in higher education by integrating the cognition-affect-conation (CAC) framework with a dual-method approach combining structural equation modelling (SEM) and fuzzy-set qualitative comparative analysis (fsQCA). Drawing on data from 1346 university students, the findings reveal two opposing mechanisms shaping concealment intention. The enabling pathway shows that perceived stigma, perceived risk, and perceived policy uncertainty increase fear of negative evaluation, which in turn promotes concealment. In contrast, the inhibitory pathway demonstrates that AI self-efficacy, perceived fairness, and perceived social support enhance psychological safety, thereby reducing concealment intention. SEM results confirm the hypothesised relationships and mediation effects, while fsQCA identifies multiple configurational pathways, highlighting equifinality and the central role of fear of negative evaluation across conditions. The study contributes to the literature by conceptualising concealment as a distinct behavioural outcome and by providing a nuanced explanation that integrates both net-effect and configurational perspectives. Practical implications emphasise the need for clear institutional policies, destigmatisation of appropriate AI use, and the cultivation of supportive learning environments to promote transparency.
• Abstract（参考訳）: 本研究では,構造化方程式モデリング (SEM) とファジィ集合定性比較分析 (fsQCA) を併用した2次元手法を用いて,認知・完全概念 (CAC) フレームワークを統合することにより,高等教育におけるAI活用の隠蔽意図について検討した。 1346人の大学生のデータをもとに、2つの反対のメカニズムが隠蔽の意図を形作っていることが明らかとなった。 有効経路は、認識されたスティグマ、認識されたリスク、認識される政策の不確実性は、否定的な評価に対する恐怖を増し、それによって隠蔽が促進されることを示している。 対照的に、抑制経路は、AIの自己効力感、公正感、社会的支援が心理的安全性を高め、隠蔽意図を減少させることを示す。 一方、fsQCAは複数の構成経路を同定し、同質性を強調し、条件をまたいだネガティブ評価の恐怖の中心的役割を明らかにする。 この研究は、隠蔽を別個の行動結果として概念化し、ネットエフェクトと構成的視点の両方を統合するニュアンスな説明を提供することによって、文献に寄与する。 実践的な意味合いは、透明性を促進するために明確な制度政策の必要性、適切なAI使用の便宜化、支援的な学習環境の育成を強調している。

関連論文リスト

• Examining EAP Students' AI Disclosure Intention: A Cognition-Affect-Conation Perspective [0.0]
  学術書記における生成人工知能(AI)の利用の増加は、透明性と学術的整合性に対する関心を高めている。 本研究では,学習目的英語(EAP)学生がAIツールの使用を開示する意図に影響を及ぼす心理的要因について検討した。
  論文  参考訳（メタデータ） (2026-04-13T04:48:55Z)
• AI Misuse in Education Is a Measurement Problem: Toward a Learning Visibility Framework [2.3412211209700997]
  本稿では、学習過程における可視性の喪失に起因した測定問題として、AIの教育における誤用を再考する。 このフレームワークは、監視を促進するのではなく、透明性を強調し、教室環境における倫理的AI統合の基礎として証拠を共有している。
  論文  参考訳（メタデータ） (2026-03-08T22:35:09Z)
• Heterogeneous Uncertainty-Guided Composed Image Retrieval with Fine-Grained Probabilistic Learning [49.28548464288051]
  Composed Image Retrieval (CIR)は、参照画像と修正テキストを組み合わせることで、画像検索を可能にする。 CIR三重項の内在ノイズは内在的不確実性を引き起こし、モデルの堅牢性を脅かす。 本稿では,これらの制約を克服するための不確実性誘導(HUG)パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-01-16T16:05:49Z)
• Directive, Metacognitive or a Blend of Both? A Comparison of AI-Generated Feedback Types on Student Engagement, Confidence, and Outcomes [1.8839714322633465]
  本研究は,329名の学生を対象に,適応型教育プラットフォームを用いた授業設計・プログラミングコースにおいて,学期間無作為化比較試験を行った。 参加者は、指示的、メタ認知的、あるいはハイブリッドなAI生成フィードバックを受け取り、指示的、メタ認知的の両方の要素をブレンドする。 その結果、リビジョン行動はフィードバック条件によって異なり、ハイブリットはディレクティブやメタ認知と比較して最も多くのリビジョンを促すことがわかった。
  論文  参考訳（メタデータ） (2025-10-22T15:31:21Z)
• Measure-Theoretic Anti-Causal Representation Learning [29.12751904333385]
  反因果設定(ラベルは逆ではなく特徴を引き起こす)における因果表現学習は、固有の課題を提示する。 本稿では,反因果表現学習のための新しい測度理論フレームワークである反因果不変抽象化(ACIA)を提案する。 ACIAは2段階の設計を採用し、低レベルの表現はラベルがどのように観測を生成しているかを捉え、高レベルの表現は環境固有のバリエーションを越えて安定した因果パターンを学習する。
  論文  参考訳（メタデータ） (2025-10-16T22:13:05Z)
• Assessment Twins: A Protocol for AI-Vulnerable Summative Assessment [0.0]
  評価タスクを再設計し,妥当性を高めるためのアプローチとして,アセスメント双子を導入する。 我々は、GenAIがコンテンツ、構造、連続性、一般化可能性、外部の妥当性を脅かす方法を体系的にマッピングするために、Messickの統一妥当性フレームワークを使用します。 双子のアプローチは、補完的な形式にまたがって証拠を三角測量することで、妥当性の脅威を軽減するのに役立ちます。
  論文  参考訳（メタデータ） (2025-10-03T12:05:34Z)
• Understanding Catastrophic Interference: On the Identifibility of Latent Representations [67.05452287233122]
  破滅的な干渉、あるいは破滅的な忘れ(Caastrophic forgetting)は、機械学習の根本的な課題である。 本稿では,破滅的干渉を識別問題として定式化する新しい理論枠組みを提案する。 我々のアプローチは、合成データセットとベンチマークデータセットの両方で理論的保証と実用的なパフォーマンスの改善を提供する。
  論文  参考訳（メタデータ） (2025-09-27T00:53:32Z)
• 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)

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。