論文の概要: Using AI in engineering education: a balancing act, driven by clear purpose

• arxiv url: http://arxiv.org/abs/2606.16626v1
• Date: Mon, 15 Jun 2026 12:21:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.513005
• Title: Using AI in engineering education: a balancing act, driven by clear purpose
• Title（参考訳）: 工学教育におけるAIの利用 - 明確な目的によって駆動されるバランスをとる行為
• Authors: Olya Kudina,
• Abstract要約: 学生は主にLLMを、執筆支援、概念的明確化、コーディング支援、ブレインストーミングに重きを置いている。 学生の効率性とパーソナライズされた支援への愛着は「クルール楽観主義」の一形態を反映している この章は、工学教育におけるAI統合に対する、目的駆動でコンテキスト依存的なアプローチを論じている。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Based on a questionnaire of 100 higher-education students, predominantly from engineering-related fields, and a critical review of recent literature, this chapter examines how students use and perceive Large Language Models (LLMs) in engineering education. Students primarily value LLMs for writing support, conceptual clarification, coding assistance, and brainstorming, while simultaneously expressing concerns about inaccuracies, bias, overreliance, academic integrity, and the burden of verification. Through an analysis of two dominant metaphors, namely LLMs as an "oracle" and as a "tutor," the chapter shows how these systems cultivate expectations of authority, expertise, and personalized learning that often exceed their actual capabilities. The chapter further argues that students' attachment to the promises of efficiency and personalized support reflects a form of "cruel optimism," where the perceived benefits of LLMs often depend on the very skills, vigilance, and expertise that students are still developing. Overall, the chapter argues for a purpose-driven and context-sensitive approach to AI integration in engineering education, emphasizing critical AI literacy, reflective assessment design, pedagogical caution, and consideration of broader ethical and environmental impacts.
• Abstract（参考訳）: 本章は,工学関連分野を中心に100名の高等教育生を対象に,工学教育におけるLarge Language Models(LLM)の活用と知覚について考察する。 学生は主に、筆記支援、概念的明確化、コーディング支援、ブレインストーミングにLLMを重要視し、同時に不正確さ、偏見、過度な信頼性、学術的完全性、検証の負担について懸念を表明している。 LLMを「オークル」と「チューター」という2つの支配的な比喩の分析を通じて、この章はこれらのシステムが、しばしば実際の能力を超える権威、専門知識、パーソナライズされた学習の期待をいかに育むかを示している。 この章はさらに、学生の効率性とパーソナライズされたサポートへの愛着は、学生がまだ開発しているスキル、警戒、専門知識にしばしば依存する「クルール楽観主義(cruel optimism)」の形を反映していると主張している。 全体として、この章は、エンジニアリング教育におけるAI統合に対する目的駆動的で文脈に敏感なアプローチ、重要なAIリテラシー、リフレクティブアセスメント設計、教育的注意、より広範な倫理的および環境的影響の考慮を強調している。

関連論文リスト

• Detecting AI-Generated Essays in Writing Assessment: Responsible Use and Generalizability Across LLMs [0.0]
  文章評価は、言語能力、コミュニケーションの有効性、分析的推論を評価する上で重要な役割を担っている。 大規模言語モデル(LLM)の急速な進歩により、一貫性のある高品質なエッセイを生成するのがますます簡単になっている。 この章ではまず、AI生成およびAI支援エッセイの現在の状況と、それらの責任ある使用に関するガイドラインについて概説する。
  論文  参考訳（メタデータ） (2026-03-02T19:51:01Z)
• Understanding Textual Capability Degradation in Speech LLMs via Parameter Importance Analysis [54.53152524778821]
  言語モデル(LLM)への音声の統合は、その能力を大幅に拡張したが、多くの場合、中核となるテキスト能力の弱さを犠牲にしている。 本稿では,パラメータ重要度推定に基づく分析フレームワークを提案する。 レイヤワイズ学習率スケジューリングとローランド適応(LoRA)の2つの緩和戦略について検討する。 実験結果から,両手法は完全な微調整よりもテキスト能力の維持が良好であるとともに,下流の質問応答性能も向上していることがわかった。
  論文  参考訳（メタデータ） (2025-09-28T09:04:40Z)
• Teaching at Scale: Leveraging AI to Evaluate and Elevate Engineering Education [3.557803321422781]
  本稿では,大規模言語モデルを用いた定性的な学生フィードバックのためのスケーラブルなAI支援フレームワークを提案する。 このシステムは階層的な要約、匿名化、例外処理を用いて、オープンなコメントから実行可能なテーマを抽出する。 大規模な工学系大学への展開が成功したことを報告します。
  論文  参考訳（メタデータ） (2025-08-01T20:27:40Z)
• Unpacking Generative AI in Education: Computational Modeling of Teacher and Student Perspectives in Social Media Discourse [0.5203732344753156]
  本研究は、ソーシャルメディアデータを用いた教育におけるGAIに関する利害関係者談話のダイナミクスに関する最も包括的分析の1つを提示する。 私たちのデータセットには1,199件のReddit投稿と13,959件のトップレベルのコメントが含まれています。 本研究は, より明確な制度方針, より透明なGAI統合実践, 教育者, 学生の支援メカニズムの必要性を示唆するものである。
  論文  参考訳（メタデータ） (2025-06-19T15:50:08Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• A Structured Unplugged Approach for Foundational AI Literacy in Primary Education [7.495145157323768]
  小学校における基礎的AIリテラシーを育成する構造的教育手法を提案する。 以上の結果から,用語理解と利用,特徴記述,論理的推論,評価能力の向上が示唆された。 このアプローチは、特に学生がAIの概念と現実世界の推論を結びつける活動を楽しんでいることを証明した。
  論文  参考訳（メタデータ） (2025-05-27T16:23:57Z)
• 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)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)

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。