論文の概要: Examining EAP Students' AI Disclosure Intention: A Cognition-Affect-Conation Perspective
- arxiv url: http://arxiv.org/abs/2604.10991v1
- Date: Mon, 13 Apr 2026 04:48:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.328896
- Title: Examining EAP Students' AI Disclosure Intention: A Cognition-Affect-Conation Perspective
- Title（参考訳）: EAP学生のAI開示意図:認知的・影響的視点
- Authors: Yiran Du, Huimin He,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The growing use of generative artificial intelligence (AI) in academic writing has raised increasing concerns regarding transparency and academic integrity in higher education. This study examines the psychological factors influencing English for Academic Purposes (EAP) students' intention to disclose their use of AI tools. Drawing on the cognition-affect-conation framework, the study proposes a model integrating both enabling and inhibiting factors shaping disclosure intention. A sequential explanatory mixed-methods design was employed. Quantitative data from 324 EAP students at an English-medium instruction university in China were analysed using structural equation modelling, followed by semi-structured interviews with 15 students to further interpret the findings. The quantitative results indicate that psychological safety positively predicts AI disclosure intention, whereas fear of negative evaluation negatively predicts it. The qualitative findings further reveal that supportive teacher practices and clear guidance foster psychological safety, while policy ambiguity and reputational concerns intensify fear of negative evaluation and discourage disclosure. These findings highlight the importance of clear institutional policies and supportive pedagogical environments in promoting transparent AI use.
- Abstract（参考訳）: 学術書記における生成人工知能(AI)の利用の増加は、高等教育における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。
本研究は,認知・影響認知の枠組みを基礎として,情報開示の意図を形作る要因の有効化と抑制を両立させるモデルを提案する。
シーケンシャルな説明的な混合メソドの設計が採用された。
構造方程式モデルを用いて,中国の英語・英語教育大学の324人のEAP学生の定量データを分析し,さらに15人の学生を対象に半構造化インタビューを行った。
定量的結果は、心理的安全性がAI開示意図を肯定的に予測するのに対し、ネガティブ評価の恐れは否定的に予測することを示している。
定性的な結果は、支援的な教師の実践と明確な指導が心理的安全性を促進する一方で、政策の曖昧さや評判に関する懸念は、否定的な評価や否定的開示の恐れを強めていることを示している。
これらの知見は、透明なAI利用を促進する上で、明確な制度政策と支援的な教育環境の重要性を強調している。
関連論文リスト
- Enabling and Inhibitory Pathways of Students' AI Use Concealment Intention in Higher Education: Evidence from SEM and fsQCA [0.0]
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。
論文 参考訳（メタデータ） (2026-04-13T04:35:07Z) - CASTLE: A Comprehensive Benchmark for Evaluating Student-Tailored Personalized Safety in Large Language Models [55.0103764229311]
本稿では,学生用個人安全の概念を提案し,教育理論に基づくCASTLEの構築を行う。
このベンチマークは、92,908のバイリンガルシナリオを含む15の教育安全リスクと14の学生属性をカバーしている。
論文 参考訳（メタデータ） (2026-02-05T13:13:19Z) - AI Literacy, Safety Awareness, and STEM Career Aspirations of Australian Secondary Students: Evaluating the Impact of Workshop Interventions [38.350232667249095]
ディープフェイクやその他のタイプの合成メディアは、青年期の安全リスクを増大させる。
本研究は,AIオーストラリアにおけるワークショップによる介入の日がオーストラリア中等生に与える影響を評価する。
論文 参考訳（メタデータ） (2026-01-30T02:55:53Z) - Beyond the Hype: Critical Analysis of Student Motivations and Ethical Boundaries in Educational AI Use in Higher Education [0.0]
学生の92%が、主に時間を節約し、仕事の質を向上させるためにAIツールを使用しています。
我々は、技術スキルと倫理的推論を統合する包括的なAIリテラシープログラムを採用する必要があると主張している。
論文 参考訳（メタデータ） (2025-11-14T14:49:29Z) - AI-Educational Development Loop (AI-EDL): A Conceptual Framework to Bridge AI Capabilities with Classical Educational Theories [8.500617875591633]
本研究では、古典的学習理論とAIを融合した理論駆動型フレームワークであるAI-Educational Development Loop(AI-EDL)を紹介する。
このフレームワークは透明性、自己統制型学習、教育的監視を強調している。
論文 参考訳（メタデータ） (2025-08-01T15:44:19Z) - Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。
大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。
偏見、プライバシー、透明性などの倫理的問題を考察する。
論文 参考訳（メタデータ） (2025-05-02T09:50:34Z) - What's Pulling the Strings? Evaluating Integrity and Attribution in AI Training and Inference through Concept Shift [33.83306492023009]
ConceptLensは、トレーニング済みのマルチモーダルモデルを利用して、整合性の脅威を特定する汎用フレームワークである。
悪意のあるコンセプトシフトによる隠蔽広告の生成など、バイアス注入に対する脆弱性を明らかにする。
生成的コンテンツにおける社会学的バイアスを明らかにし、社会学的文脈にまたがる格差を明らかにする。
論文 参考訳（メタデータ） (2025-04-28T13:30:48Z) - Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。
本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
論文 参考訳（メタデータ） (2025-04-01T04:15:56Z) - Beyond Detection: Designing AI-Resilient Assessments with Automated Feedback Tool to Foster Critical Thinking [0.0]
本研究は, 検出ではなく, 評価設計に基づく能動的AIレジリエントソリューションを提案する。
WebベースのPythonツールで、Bloomの分類と高度な自然言語処理技術を統合する。
これは、タスクがリコールや要約のような下位の思考や、分析、評価、作成といった上位のスキルを目標にしているかどうかを教育者が判断するのに役立つ。
論文 参考訳（メタデータ） (2025-03-30T23:13:00Z) - Artificial Intelligence across Europe: A Study on Awareness, Attitude
and Trust [39.35990066478082]
この研究の目的は、ヨーロッパの文脈における人々の見解や認識をよりよく理解することである。
我々は,人々の意識,態度,信頼の3つの側面から構築された新しいアンケート(PAICE)を設計し,検証した。
暗黙の矛盾を強調し、信頼のエコシステムの形成を妨げる可能性のあるトレンドを特定します。
論文 参考訳（メタデータ） (2023-08-19T11:00:32Z)
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。