論文の概要: Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use

• arxiv url: http://arxiv.org/abs/2606.08568v1
• Date: Sun, 07 Jun 2026 10:47:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.268725
• Title: Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use
• Title（参考訳）: AIテュータの制御 - 青年期のGenAI使用における意図、支援、自己統制型学習
• Authors: Rania Abdelghani, Peter Kaiser, Kou Murayama,
• Abstract要約: このワーク・イン・プログレスでは、ドイツ・ギムナシウムの学校3校の98年生を対象に、オープンエンドの会話データを調査している。 ドメイン前知識,チャット前学習ニーズ,自己報告型認知負荷を収集した。 学生はチャットの前に圧倒的に足場付きサポートを選択したが、その相互作用は道具的要求によって支配された。
• 参考スコア（独自算出の注目度）: 2.024558551027881
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI (GenAI) tools are now common learning companions for adolescents, yet how they regulate their use during authentic learning tasks remains poorly understood. Self-regulated learning (SRL) and high-level help-seeking (HS) are commonly proposed as safeguards against passive or shortcut-oriented use, but most empirical studies focus on aggregate learning outcomes rather than these moment-to-moment processes during AI-supported learning. This work-in-progress examines open-ended conversational data from 98 Grade-9 students across three German Gymnasium schools, who used a web-based Mistral-Large tutor to prepare a curriculum-aligned mathematics skill before an exam. Alongside chat logs (1,616 turns; 808 student turns), we collected pre-post domain knowledge, pre-chat learning needs, and self-reported cognitive load. We propose a turn-level codebook combining theory-driven SRL and HS constructs with two LLM-specific inductive codes (agency over the AI; epistemic vigilance), and report preliminary AI-coded results. Although students overwhelmingly selected scaffolded support before the chat, their interactions were dominated by instrumental requests with almost no explicit monitoring or evaluation. Post-test performance was significantly lower than pre-test, and higher extraneous cognitive load predicted lower post-test scores after controlling for prior knowledge. We discuss how these patterns can support hybrid human-AI analysis of interaction patterns and inform scaffolds for more agentic and epistemically proactive GenAI use.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)ツールは現在、青年期の一般的な学習コンパニオンである。 自己規制学習(SRL)とハイレベル・ヘルプ・シーキング(HS)は、受動的またはショートカット指向の使用に対する保護として一般的に提案されているが、ほとんどの実証的研究は、AI支援学習におけるこれらのモーメント・ツー・モーメント・プロセスよりも、学習結果の集約に焦点を当てている。 このワーク・イン・プログレスは、試験の前にウェブベースのMistral-Largeチューターを使用してカリキュラムに沿った数学スキルを準備した3つのドイツ体育学校3校の98年生のオープンエンドの会話データを調べる。 チャットログ(1,616回、学生808回)とともに、ドメイン前知識、チャット前学習ニーズ、自己報告された認知負荷を収集しました。 本稿では,理論駆動型SRLとHS構造とLLM固有の2つのインダクティブコード(AIに対する緊急性,疫学警戒性)を組み合わせたターンレベルのコードブックを提案し,予備的なAI符号化結果について報告する。 学生はチャットの前に圧倒的に足場付きサポートを選択したが、その相互作用は明示的なモニタリングや評価をほとんど行わず、器用な要求によって支配されていた。 テスト後成績はテスト前よりも有意に低かった。 これらのパターンが相互作用パターンのハイブリッドAI分析をどのようにサポートするのかを議論し、よりエージェント的かつエピステマティックなGenAI使用のために足場に通知する。

関連論文リスト

• Characterizing initial human-AI proof formalization workflows [66.06866890889131]
  AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。 我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。 質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
  論文  参考訳（メタデータ） (2026-06-02T22:58:19Z)
• Teaching Students to Question the Machine: An AI Literacy Intervention Improves Students' Regulation of LLM Use in a Science Task [0.0]
  学校における生成的人工知能の急速な採用は、学生のアウトプットへの非クリティカルな依存を懸念させる。 これらのスキルはまだ中学生で開発されており、学生は過信やAI出力の早期受け入れに弱くなっている。 本稿では,2時間のAIリテラシーワークショップが,学生のインタラクション戦略や最終回答の質を向上するかどうかを教室で調査した。
  論文  参考訳（メタデータ） (2026-04-02T12:19:43Z)
• 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)
• Ensuring Computer Science Learning in the AI Era: Open Generative AI Policies and Assignment-Driven Written Quizzes [0.0]
  本稿では、家庭内プログラミングの課題に生成AIを使用できるアセスメントモデルを提案する。 真正学習を促進するために、クラス内のクローズドブックアセスメントは課題そのものよりも重み付けされている。 統計分析の結果,GenAI使用率と評価結果との間に有意な線形相関は認められなかった。
  論文  参考訳（メタデータ） (2026-01-16T17:02:44Z)
• Generative AI Practices, Literacy, and Divides: An Empirical Analysis in the Italian Context [32.495879271249414]
  本研究は、イタリアにおけるGenAI導入、利用パターン、リテラシーに関する総合的な実証的マッピングを初めて提示する。 以上の結果から,情緒的サポートや医療アドバイスなどの敏感なタスクを含む,仕事と個人利用の両方に広く採用されていることが明らかとなった。 女性の半分がGenAIを採用する可能性があり、男性よりも使用頻度が低い、有意義な男女格差を特定した。
  論文  参考訳（メタデータ） (2025-12-03T11:01:28Z)
• Examining the Usage of Generative AI Models in Student Learning Activities for Software Programming [3.2383459424229835]
  本研究では,GenAI支援が従来のオンラインリソースとどのように比較して,知識の獲得を支援するかを検討する。 プログラミング経験の異なる24人の大学生を対象に,制御されたユーザ実験を行った。 以上の結果から,GenAIによる完全解の生成は,特に初心者のタスク性能を著しく向上させるが,必ずしも知識の獲得には至らないことが明らかとなった。
  論文  参考訳（メタデータ） (2025-11-17T11:42:24Z)
• Do Students Rely on AI? Analysis of Student-ChatGPT Conversations from a Field Study [10.71612026319996]
  本研究は,各種STEMコースにおける簡単なクイズベースシナリオにおける315人の学生とAIの会話を分析した。 学生は全体としてAIへの依存度が低く、多くの学生は学習にAIを効果的に利用できなかった。 特定の行動メトリクスは、AIへの依存を強く予測し、AIの採用を説明する潜在的な行動メカニズムを強調します。
  論文  参考訳（メタデータ） (2025-08-27T20:00:27Z)
• Robots and Children that Learn Together : Improving Knowledge Retention by Teaching Peer-Like Interactive Robots [41.94295877935867]
  本研究では,対話型強化学習(Interactive Reinforcement Learning)を,教示可能な社会ロボットの認知モデルとして紹介する。 LbT状態の小児は自己実践状態の児に比べて保持率が高くなった。 本研究は,(1)ピアロボット学習の教育的効果的でスケーラブルなモデルとしてインタラクティブRLを導入し,(2)実教室で複数の自律ロボットを同時に展開する可能性を示した。
  論文  参考訳（メタデータ） (2025-06-23T07:51:04Z)
• Evaluating the AI-Lab Intervention: Impact on Student Perception and Use of Generative AI in Early Undergraduate Computer Science Courses [0.0]
  Generative AI(GenAI)はコンピュータサイエンス教育に急速に参入しつつある。 形式コースにおける道具使用の指針となる構造的足場の研究のギャップを伴う過信共存に関する懸念。 本研究は,「AI-Lab」の介入が大学生に与える影響について考察する。
  論文  参考訳（メタデータ） (2025-04-30T18:12:42Z)
• Learning to Prompt in the Classroom to Understand AI Limits: A pilot study [35.06607166918901]
  大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。 しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。 パイロット教育は21人の生徒を抱えた高校で実施された。
  論文  参考訳（メタデータ） (2023-07-04T07:51:37Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。