論文の概要: Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice

• arxiv url: http://arxiv.org/abs/2606.17470v1
• Date: Tue, 16 Jun 2026 03:29:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.248009
• Title: Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice
• Title（参考訳）: チュータシステムによる自己効力感・嗜好性形状学習と紙の実践
• Authors: Xinfei Cen, Vincent Aleven, Kenneth R. Koedinger, Conrad Borchers, Paulo F. Carvalho,
• Abstract要約: 自己効力感や実践に対する学生の好意感などの動機づけ要因は、学習を形作る上で重要な役割を担っている。 本稿では,紙ベースとシステムベースの授業実践という2つの一般的な実践形式における学習結果に対する自己効力感と好意性の影響について検討する。
• 参考スコア（独自算出の注目度）: 2.5476463851166007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivational factors such as self-efficacy and how favorably students feel toward practice play a crucial role in shaping learning, particularly in technology-supported environments. Yet, educational interventions often overlook how these factors interact with practice format. This paper examines the influence of self-efficacy and favorability on learning outcomes across two common practice formats: paper-based and system-based tutoring practice. Using a counterbalanced within-subject design with matched problem sets, we isolate the effect of practice format while modeling motivational differences. Results indicate that students with lower baseline self-efficacy achieved greater learning gains regardless of practice format. Among students with lower baseline self-efficacy, greater favorability toward the tutor was associated with greater learning gains during tutor practice, whereas the pattern differed in paper-based practice. Intelligent Tutoring System (ITS)-based practice did not significantly improve post-training self-efficacy relative to paper-based methods. These findings underscore the potential value of tailoring practice format to students' motivational profiles, as the benefits of tutor- and paper-based practice varied with baseline self-efficacy and favorability. They lay the groundwork for future research on how instructional formats can be aligned more effectively with learners' motivational needs.
• Abstract（参考訳）: 自己効力感や実践に対する学生の好意感などの動機づけ要因は、特に技術支援環境において、学習を形作る上で重要な役割を担っている。 しかし、教育介入はしばしばこれらの要因が実践形式とどのように相互作用するかを見落としている。 本稿では,紙ベースとシステムベースの授業実践という2つの一般的な実践形式における学習結果に対する自己効力感と好意性の影響について検討する。 問題セットの一致したオブジェクト内設計の相反を利用して,モチベーションの違いをモデル化しながら,実践形式の効果を分離する。 その結果, 基礎的自己効力の低い学生は, 実践形式によらず, より優れた学習効果が得られることがわかった。 基礎的自己効力の低い学生では、教師に対する好ましさは家庭教師の実践における学習効果と相関するが、紙ベースの実践ではパターンが異なっていた。 Intelligent Tutoring System(ITS)ベースのプラクティスは、紙ベースの手法と比較して、ポストトレーニング後の自己効力感を著しく改善しなかった。 これらの知見は、教師と紙ベースの実践の利点が基本的自己効力感と好ましさによって異なるため、学生のモチベーション的プロファイルに適合する練習フォーマットの潜在的価値を浮き彫りにした。 彼らは、教育形式が学習者のモチベーション的ニーズとより効果的に整合する方法について、将来の研究の基盤を築いた。

関連論文リスト

• The Effects of Flipped Classrooms in Higher Education: A Causal Machine Learning Analysis [0.0]
  本研究は、ダブル/デバイアスド・機械学習(DML)を用いて、講義ベースのブレンド教育からフリップした教室概念への移行の影響を評価する。 本研究は,学生の自己認識,先延ばし,楽しさに影響を及ぼすことを示す。 試験成績、合格率、知識保持に有意な効果は見つからない。
  論文  参考訳（メタデータ） (2025-07-14T10:36:44Z)
• Active Learning Methods for Efficient Data Utilization and Model Performance Enhancement [5.4044723481768235]
  本稿では,より少ないラベル付き例を用いてモデルの性能向上を支援する機械学習の戦略である,アクティブラーニング(AL)の概要を紹介する。 ALの基本概念を導入し、コンピュータビジョン、自然言語処理、トランスファーラーニング、実世界のアプリケーションなど、様々な分野でどのように使われているかについて議論する。
  論文  参考訳（メタデータ） (2025-04-21T20:42:13Z)
• ReVISE: Learning to Refine at Test-Time via Intrinsic Self-Verification [53.80183105328448]
  Refine via Intrinsic Self-Verification (ReVISE)は、LLMが自己検証を通じてアウトプットを自己修正できる効率的なフレームワークである。 様々な推論タスクに関する実験により、ReVISEは効率的な自己補正を実現し、推論性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-02-20T13:50:02Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Improved Performances and Motivation in Intelligent Tutoring Systems: Combining Machine Learning and Learner Choice [17.558814050941677]
  大規模なクラスは、学校でパーソナライズされた学習に挑戦する。 ZPDESと呼ばれるAIによるパーソナライズシステムを提案する。 それは、各生徒の学習の進捗を最大化するエクササイズを列挙する。
  論文  参考訳（メタデータ） (2024-01-16T13:41:00Z)
• 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)
• The Power of Contrast for Feature Learning: A Theoretical Analysis [42.20116348668721]
  対照的な学習は、標準的な自己エンコーダや生成的敵ネットワークよりも優れていることを示す。 また、教師付きコントラスト学習におけるラベル付きデータの影響についても説明する。
  論文  参考訳（メタデータ） (2021-10-06T03:10:28Z)
• Canvas Adoption Assessment and Acceptance of the Learning Management System on a Web-Based Platform [0.0]
  本研究の目的は,新しい学習管理システムとしてのCanvasの採用と,東方大学のeラーニングプログラムにおけるWebベースのプラットフォームとしての可能性を評価することである。 学生は使いやすさが有用性に有意な影響を及ぼすが,Canvasの使用に対する態度に有意な影響を与えない。
  論文  参考訳（メタデータ） (2021-01-29T01:30:55Z)

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。