論文の概要: Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence?
- arxiv url: http://arxiv.org/abs/2605.16292v1
- Date: Tue, 14 Apr 2026 14:10:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 12:34:33.864062
- Title: Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence?
- Title（参考訳）: AI教育における認知的変化のエビデンス:学生はどのように人間の知性を再考しているか?
- Authors: Islem Rekik,
- Abstract要約: 本稿では,2020年から2026年の間に,コンピュータ科学におけるAIを中心とした学部・学部の授業において収集された教室の回答の経時的分析について述べる。
技術コースとデザイン指向コースの471人の学生のデータから,誇大広告,不信,信頼,依存という4つの段階が繰り返し現れる。
我々は、人工知能を優先することから、人間の知性を優先することへの、この認知的シフトを反映して結論付ける。
- 参考スコア（独自算出の注目度）: 6.633187577087704
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Perceptions of intelligence shape how learners evaluate and rely on artificial intelligence (AI) systems. Despite rapid advances in AI capabilities, the impact of sustained exposure to these tools on students' valuation of human intelligence (HI) relative to AI remains underexplored. This paper presents a longitudinal analysis of classroom poll responses collected between 2020 and 2026 in AI-focused undergraduate and MSc courses in computer science. Data from 471 students across technical courses (such as Machine Learning and Deep Graph Learning) and design-oriented courses (such as Design Thinking for AI) reveal four recurring phases: hype, distrust, trust, and dependency. While early responses in 2020 slightly favored AI, a consistent shift toward HI emerged from 2024 onward across all MSc cohorts. By 2026, preference for HI reached 65 percent in a technical course (a 12 percentage-point increase from 2025) and 90 percent in a design-oriented course (a 36 percentage-point increase). These findings suggest a gradual reappraisal of human intelligence as AI becomes a routine tool, with implications for learner autonomy and epistemic agency. We conclude by reflecting on this cognitive shift from favoring artificial intelligence toward prioritizing human intelligence.
- Abstract（参考訳）: 知能の知覚は、学習者が人工知能(AI)システムを評価し、依存する方法を形成する。
AI能力の急速な進歩にもかかわらず、これらのツールへの持続的な露出が、AIに対する学生のヒューマンインテリジェンス(HI)の評価に与える影響は、まだ解明されていない。
本稿では,2020年から2026年の間に,コンピュータ科学におけるAIを中心とした学部・学部の授業において収集された教室の回答の経時的分析について述べる。
技術的なコース(機械学習やディープグラフラーニングなど)やデザイン指向コース(AIのためのデザイン思考など)にまたがる471人の学生のデータから、誇大広告、不信、信頼、依存という4つの繰り返しフェーズが明らかになっている。
2020年の初期の反応はAIをわずかに好んだが、HIへの一貫したシフトは、すべてのMScコホートに対して2024年以降に現れた。
2026年までにHIの嗜好は技術コースで65%(2025年以降12ポイント増)、デザイン指向コースで90%(36ポイント増)に達した。
これらの結果は、AIが日常的なツールになるにつれて、人間の知能の段階的な再評価が示唆され、学習者の自律性とてんかんのエージェンシーに影響を及ぼす。
我々は、人工知能を優先することから、人間の知性を優先することへの、この認知的シフトを反映して結論付ける。
関連論文リスト
- A Definition of AGI [208.25193480759026]
人工知能の具体的な定義の欠如は、今日の専門的なAIと人間レベルの認知のギャップを曖昧にしている。
そこで本研究では,AGIを認知的多目的性と熟達度に適合するものとして,これに対応するための定量的枠組みを提案する。
論文 参考訳（メタデータ） (2025-10-21T01:28:35Z) - Bridging Minds and Machines: Toward an Integration of AI and Cognitive Science [48.38628297686686]
認知科学は人工知能(AI)、哲学、心理学、神経科学、言語学、文化などの分野を深く形成している。
AIの多くのブレークスルーは、そのルーツを認知理論にさかのぼる一方で、AI自体が認知研究を進めるのに欠かせないツールになっている。
我々は、認知科学におけるAIの未来は、性能の向上だけでなく、人間の心の理解を深めるシステムの構築にも関係していると主張している。
論文 参考訳（メタデータ） (2025-08-28T11:26:17Z) - Evaluating Intelligence via Trial and Error [59.80426744891971]
本研究では,試行錯誤プロセスにおける失敗回数に基づいて知性を評価するためのフレームワークとして,Survival Gameを紹介した。
フェールカウントの期待と分散の両方が有限である場合、新しい課題に対するソリューションを一貫して見つける能力を示す。
我々の結果は、AIシステムは単純なタスクで自律レベルを達成するが、より複雑なタスクではまだまだ遠いことを示している。
論文 参考訳（メタデータ） (2025-02-26T05:59:45Z) - Aligning Generalisation Between Humans and Machines [74.120848518198]
AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。
AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳（メタデータ） (2024-11-23T18:36:07Z) - Perceptions of Sentient AI and Other Digital Minds: Evidence from the AI, Morality, and Sentience (AIMS) Survey [0.0]
アメリカ成人の5人に1人は、一部のAIシステムが現在センシティブであり、38%がセンシティブAIの法的権利を支持していると信じている。
2023年の平均的な予測は、知覚的AIがわずか5年で到着するというものだった。
安全で有益なAIの開発には、技術的な研究だけでなく、人間がデジタルマインドと認識し共存する複雑な方法を理解することが必要である。
論文 参考訳（メタデータ） (2024-07-11T21:04:39Z) - Visions of a Discipline: Analyzing Introductory AI Courses on YouTube [11.209406323898019]
われわれはYouTubeで最も視聴された20のAIコースを分析した。
導入型AIコースは、AIの倫理的または社会的課題に有意義に関わっていない。
我々は、よりバランスのとれた視点を示すために、AIの倫理的課題を強調しておくことを推奨する。
論文 参考訳（メタデータ） (2024-05-31T01:48:42Z) - Lifelong learning challenges in the era of artificial intelligence: a computational thinking perspective [0.0]
人工知能(AI)の急速な進歩は、職場での人間とAIのコラボレーションにAIを活用するために必要な教育と労働力のスキルに大きな課題をもたらした。
本稿では,AI時代の生涯学習の課題を,計算的思考の観点から概観する。
論文 参考訳（メタデータ） (2024-05-30T08:46:11Z) - Forecasting AI Progress: Evidence from a Survey of Machine Learning
Researchers [0.0]
我々は,AIと機械学習(ML)の研究者による,AIの進歩に関する信念に関する大規模な調査の結果を報告する。
AI/MLの研究者たちは総じて、2060年までに人間レベルのマシンインテリジェンスが達成される確率を50%に設定した。
いくつかの短期的なAIマイルストーンの予測は、時間とともに減少し、AIの進歩に対する楽観性を示唆している。
論文 参考訳（メタデータ） (2022-06-08T19:05:12Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z)
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。