論文の概要: Practitioner Beliefs and Behaviors in AI-Enhanced Education: DOT Framework Survey Evidence
- arxiv url: http://arxiv.org/abs/2605.29041v1
- Date: Wed, 27 May 2026 19:42:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.349296
- Title: Practitioner Beliefs and Behaviors in AI-Enhanced Education: DOT Framework Survey Evidence
- Title（参考訳）: AI強化教育における実践的信念と行動:DOTフレームワーク調査の証拠
- Authors: David Gibson, M. Elizabeth Azukas, Gerald Knezek,
- Abstract要約: この研究は、AIの親しみやすさ、利用パターン、デザイン指向の実践、教育的信念について調査している。
その結果、実践者は、人間の監視と批判的評価に強いコミットメントを維持しながら、AIを教育的支援として好意的な見解を持っていることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study reports findings from a cross-sectional survey (n = 72) of higher education practitioners examining beliefs, behaviors, and institutional conditions related to artificial intelligence (AI) integration in teaching and learning. Grounded in the DOT Framework, which integrates design thinking and open systems theory, the study investigates AI familiarity, usage patterns, design-oriented practices, and pedagogical beliefs. Exploratory factor analysis of 19 belief items identified a three-factor structure: AI Functional Capabilities, Oversight and Governance, and Instructor Collaboration and Planning (α = .90). Results indicate that practitioners hold favorable views of AI as a pedagogical support while maintaining strong commitments to human oversight and critical evaluation. Reported practices emphasize iterative prompting and content generation, with less consistent use of needs assessment and feedback loops. Institutional barriers including limited policy, training, and infrastructure were widely reported. These findings provide preliminary empirical support for the DOT Framework as a descriptive model of practitioner beliefs and practices, while also highlighting gaps between design-oriented theory and current implementation. The study contributes an initial measurement structure and identifies directions for confirmatory validation and outcome-based research linking AI-supported design practices to instructional quality.
- Abstract（参考訳）: 本研究は, 高等教育実践者を対象に, 人工知能(AI)の教育・学習統合に関する信念, 行動, 制度的状況に関する横断的な調査(n = 72)の結果を報告する。
デザイン思考とオープンシステム理論を統合したDOTフレームワークに基づいて、この研究はAIの親しみやすさ、使用パターン、デザイン指向のプラクティス、教育的信念を調査している。
19項目の探索的要因分析により、AI機能能力、監視とガバナンス、インストラクタ協調と計画(α = .90)という3要素構造が特定された。
その結果、実践者は、人間の監視と批判的評価に強いコミットメントを維持しながら、AIを教育的支援として好意的な見解を持っていることが示唆された。
報告されたプラクティスは、反復的なプロンプトとコンテンツ生成を強調し、要求評価とフィードバックループの一貫性を欠いている。
限られた政策、訓練、インフラを含む制度上の障壁が広く報告された。
これらの知見は,実践的信念と実践の記述モデルとしてのDOTフレームワークに対する予備的な実証的サポートを提供するとともに,設計指向理論と現在の実装とのギャップを浮き彫りにする。
本研究は,AIが支援する設計プラクティスと教育的品質を関連づけた確認検証と結果に基づく研究の方向性を明らかにする。
関連論文リスト
- Design Principles and Observable Indicators for AI-Enabled Pedagogical Accompaniment: Evidence from the Amico Dual-Mode Prototype in Italy and China [0.0]
本稿では,AIによる教育的伴奏の枠組みを提案する。
Amico プロジェクトでは,マイクロメディエーションのシーケンスとしてリレーショナルブリッジの概念を運用している。
本論文では,イタリアと中国におけるプロトタイプのクロスコンテクスト探索について概説し,AmicoMioとAmicoTuoの2つのインタラクションモードをどのように利用できるかを論じる。
論文 参考訳（メタデータ） (2026-05-20T03:32:07Z) - Faculty Orientations Shape Adoption of AI in Research and Teaching [0.0]
本研究では,AIの使用状況,態度,制度的文脈,教育実践との関係について検討した。
その結果、既存の技術適応モデルは、技術が学際的推論や知識生産と直接相互作用する文脈における採用を完全に説明できない可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-18T09:47:35Z) - Principles and Guidelines for Randomized Controlled Trials in AI Evaluation [34.88842637551998]
この研究は、AI評価RTTの標準化のための基盤となるフレームワークを確立する。
4つの妥当性フレームワークを採用し、透明性、繰り返し可能性、検証に関する5番目の原則でそれを拡張します。
我々は5つの原則全てを、AI評価RTTコンテキストに適合した33のガイドラインに運用する。
論文 参考訳（メタデータ） (2026-05-03T20:37:48Z) - How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures [6.943056322842481]
K-12教育における人工知能(AI)の普及は、教師のAIリテラシーの心理測定による測定の必要性を浮き彫りにしている。
本研究では,概念,利用,評価,倫理の確立した枠組みの中で,教師AIリテラシーのSRおよびOB尺度を開発し,評価した。
後期プロファイル分析では,AIリテラシーを持たない教師の間で,過大評価 (SR > OB),過小評価 (SR OB),アライメント (SR OB) の6つの異なるプロファイルを同定した。
論文 参考訳（メタデータ） (2026-01-03T00:10:41Z) - 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) - Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。
本稿は、この新興分野に関する最初の体系的なレビューを提供する。
本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
論文 参考訳（メタデータ） (2025-08-01T14:41:31Z) - Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。
RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。
先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
論文 参考訳（メタデータ） (2025-05-20T17:59:16Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - The Participatory Turn in AI Design: Theoretical Foundations and the
Current State of Practice [64.29355073494125]
本稿は、既存の理論文献を合成して、AI設計における「参加的転換」を掘り下げることを目的としている。
我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
論文 参考訳（メタデータ） (2023-10-02T05:30:42Z) - Active Inference in Robotics and Artificial Agents: Survey and
Challenges [51.29077770446286]
我々は、状態推定、制御、計画、学習のためのアクティブ推論の最先端理論と実装についてレビューする。
本稿では、適応性、一般化性、堅牢性の観点から、その可能性を示す関連する実験を紹介する。
論文 参考訳（メタデータ） (2021-12-03T12:10:26Z)
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。