論文の概要: The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education

• arxiv url: http://arxiv.org/abs/2606.05509v1
• Date: Wed, 03 Jun 2026 23:27:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-06 06:55:34.618144
• Title: The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education
• Title（参考訳）: 創成型AI支援学習における指導指導の役割:建設工学教育からの実証的エビデンス
• Authors: Xiaoyu Hou, Bo Xiao, Hexu Liu, Shane Mueller,
• Abstract要約: 本研究では,建設教育における指導指導が学生とAIの相互作用をどのように形作るかを検討する。 生成学習理論に基づく5段階のプロンプトフレームワークを導入し,学習者のインタラクションをガイドする。
• 参考スコア（独自算出の注目度）: 2.856083627975759
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative artificial intelligence (AI) is increasingly used to support self-directed learning, yet student interaction with such systems often remains unstructured, limiting engagement in deeper cognitive processes. This study examines how instructional guidance shapes student and AI interaction in construction education. A five-step prompting framework grounded in Generative Learning Theory (GLT) is introduced to guide learner interaction during review activities. A controlled experiment compares three learning conditions: slide-based learning, unprompted AI-supported learning, and prompted AI-supported learning. Learning performance is assessed using multiple-choice and open-ended tasks, and user experience is measured using the User Experience Questionnaire (UEQ). Performance differences are concentrated on tasks requiring explanation and reasoning. The prompted condition achieves higher open-ended scores, with an improvement of approximately 2 or 3 points on a scale of 18 (p < 0.01), while no significant differences are observed in multiple-choice performance. The unprompted condition remains comparable to slide-based learning. These findings indicate that the effectiveness of AI-supported learning depends on how interaction is structured. The proposed framework provides a basis for integrating learning science principles into generative AI systems for construction education.
• Abstract（参考訳）: 生成的人工知能(AI)は、自己指向的な学習を支援するためにますます使われるが、そのようなシステムとの学生の相互作用は、より深い認知過程における関与を制限するために、しばしば非構造化のままである。 本研究では,建設教育における指導指導が学生とAIの相互作用をどのように形作るかを検討する。 ジェネレーティブラーニング理論(GLT)に基づく5段階のプロンプトフレームワークを導入し、レビュー活動中の学習者のインタラクションをガイドする。 制御された実験は、スライドベースの学習、AIサポートなし学習、AIサポート付き学習の3つの学習条件を比較する。 学習性能は複数選択タスクとオープンエンドタスクを用いて評価され,ユーザエクスペリエンスはユーザエクスペリエンスアンケート(UEQ)を用いて測定される。 パフォーマンスの違いは、説明と推論を必要とするタスクに集中します。 誘導条件は18のスケールで約2点または3点の改善(p < 0.01)でより高いオープンエンドスコアを達成するが、複数選択のパフォーマンスでは顕著な差はみられない。 プロンプトされていない条件は、スライドベースの学習に匹敵する。 これらの結果から,AI支援学習の有効性は,インタラクションがどのように構成されているかによって異なることが示唆された。 提案フレームワークは,学習科学の原則を建設教育のための生成AIシステムに統合するための基盤を提供する。

関連論文リスト

• AI Combines, Humans Socialise: A SECI-based Experience Report on Business Simulation Games [0.0]
  本稿では,生産型AIツールを工学生向けに設計されたビジネスシミュレーションゲーム(Business Simulation Games:BSG)に統合することについて報告する。 AIは、シミュレーション中に学生がイベントを分析し、情報を改定し、意思決定に関連する洞察を生成するための支援メカニズムとして埋め込まれた。 その結果,シミュレーションに基づく学習における人間とAIの連携における機能的境界が示唆された。
  論文  参考訳（メタデータ） (2026-02-24T07:26:16Z)
• Learning to Use AI for Learning: How Can We Effectively Teach and Measure Prompting Literacy for K-12 Students? [1.413488665073795]
  次世代に応用し、対話し、評価し、AIシステムと協力する能力を持たせる必要性が高まっている。 このニーズに対処するため,我々はLarge-Language Model (LLM) ベースのモジュールを設計した。 第1報,第1報,第2報,第2報,第2報,第1報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第2報,第
  論文  参考訳（メタデータ） (2025-08-19T15:54:51Z)
• Short-Term Gains, Long-Term Gaps: The Impact of GenAI and Search Technologies on Retention [1.534667887016089]
  本研究では,認知複雑性の異なるタスクにおいて,GenAI(ChatGPT),検索エンジン(Google),e-textbooksが学生のパフォーマンスに与える影響について検討した。 ChatGPTとGoogleグループは、低次の認知タスクの即時評価において、コントロールグループを上回った。 AI駆動のツールは即時パフォーマンスを促進するが、構造化学習戦略がサポートしない限り、本質的に長期維持を強化するものではない。
  論文  参考訳（メタデータ） (2025-07-10T00:44:50Z)
• AI instructional agent improves student's perceived learner control and learning outcome: empirical evidence from a randomized controlled trial [29.45751702212421]
  本研究は,教科を主教科とする中等教育課程において,AI指導エージェントが生徒の認知的学習者制御と学業成績に与える影響について検討した。 AI指導エージェントグループの学生は、他のグループに比べて学習者のコントロールが有意に高いことを報告した。
  論文  参考訳（メタデータ） (2025-05-28T16:13:27Z)
• RLIF: Interactive Imitation Learning as Reinforcement Learning [56.997263135104504]
  我々は,対話型模倣学習と類似するが,さらに実践的な仮定の下で,非政治強化学習によってパフォーマンスが向上できることを実証する。 提案手法は,ユーザ介入信号を用いた強化学習を報奨として利用する。 このことは、インタラクティブな模倣学習において介入する専門家がほぼ最適であるべきだという仮定を緩和し、アルゴリズムが潜在的に最適でない人間の専門家よりも改善される行動を学ぶことを可能にする。
  論文  参考訳（メタデータ） (2023-11-21T21:05:21Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)
• Implementing Learning Principles with a Personal AI Tutor: A Case Study [2.94944680995069]
  本研究は,人間の学習過程をモデル化し,学術的性能を効果的に向上するパーソナルAIチューターの能力を示す。 プログラムにAIチューターを統合することで、教育者は、学習科学の原則に基づくパーソナライズされた学習体験を学生に提供することができる。
  論文  参考訳（メタデータ） (2023-09-10T15:35:47Z)
• Quiz-based Knowledge Tracing [61.9152637457605]
  知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。 QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-04-05T12:48:42Z)

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。