論文の概要: AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective

• arxiv url: http://arxiv.org/abs/2606.22809v1
• Date: Mon, 22 Jun 2026 03:37:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 04:25:09.503546
• Title: AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective
• Title（参考訳）: SRLインフォームド・パースペクティブによるプログラミング教育におけるAI支援型支援探索軌道
• Authors: Boxuan Ma, Huiyong Li, Gen Li, Li Chen, Atsushi Shimada, Shin'ichi Konomi,
• Abstract要約: 本研究は,大学レベルのプログラミングにおけるAI支援型ヘルプサーキングの軌跡を解析した。 その結果、多くの学生が、計画的で自己規制された問題解決よりも、主にAIをリアクティブなトラブルシューティングに用いていることが示唆された。
• 参考スコア（独自算出の注目度）: 11.163797770670683
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI tools provide novice programmers with instant, personalized support, but also raise concerns about whether AI use supports or bypasses students' regulation of problem-solving. Existing work has largely focused on correctness, usability, or overall usage frequency, with less attention to how student--AI help-seeking unfolds. This study addresses this gap by analyzing AI-assisted help-seeking trajectories in university-level programming. Using an SRL-informed analytical framework that links prompt-level help-seeking codes to conceptual, implementation, debugging, and reflective forms of support, we analyzed 1,290 task-specific student prompts linked to 17,190 code submissions from 71 students in introductory Python programming courses. Specifically, we examined how help-seeking interactions were structured across turns and attempts, and how trajectory patterns related to task scores and the number of code submissions. Results indicate that many students primarily used AI for reactive troubleshooting rather than for planned, self-regulated problem-solving. Although trajectory patterns were not associated with significant differences in task scores, they differed substantially in the number of code submissions required. These findings suggest that the educational significance of AI support lies not only in whether students use AI, but in how their help-seeking trajectories develop during programming problem-solving.
• Abstract（参考訳）: 生成型AIツールは、初心者プログラマに即時かつパーソナライズされたサポートを提供するだけでなく、AIの使用が生徒の問題解決の規制を回避しているか、という懸念を引き起こす。 既存の作業は主に正確性、ユーザビリティ、あるいは全体的な使用頻度に重点を置いており、学生のAI支援活動の展開にはあまり注意を払わない。 本研究は,大学レベルのプログラミングにおけるAI支援型ヘルプ探索トラジェクトリの分析により,このギャップを解消する。 SRL-informed analysisal framework that link prompt-level help-seeking codes to concept, implementation, debugging and reflective form of support, we analyzed 1,290 task-specific students prompts linked to 17,190 code submits from 71 students in introductory Python programming courses。 具体的には、ターンや試行においてヘルプ-ウォーキングのインタラクションがどのように構成され、タスクスコアとコード提出数に関連する軌道パターンがどのように構成されたかを検討した。 その結果、多くの学生が、計画的で自己規制された問題解決よりも、主にAIをリアクティブなトラブルシューティングに用いていることが示唆された。 トラジェクトリパターンはタスクスコアの顕著な違いとは関連付けられなかったが、要求されるコード提出数に大きく違いがあった。 これらの知見は、AIサポートの教育的意義は、学生がAIを使用するかどうかだけでなく、プログラミング問題解決の過程において、彼らの助けを求める軌跡がどのように発達するかにも関係していることを示唆している。

関連論文リスト

• Unpacking Vibe Coding: Help-Seeking Processes in Student-AI Interactions While Programming [1.3802799822705387]
  Generative AIは、生徒が自然言語を使ってAIとコラボレーションするビブコーディングを通じて、高等教育プログラムを再構築している。 110人の大学生から19,418人のインタラクション・ターンを分析し,トップレベルとローパフォーマンスの学生を比較した。 その結果、トップパフォーマーはインストゥルメンタル・ヘルプ・サーキングを行い、教師のようなAIの反応を引き出すことができた。
  論文  参考訳（メタデータ） (2026-04-29T19:35:10Z)
• Trust and Reliance on AI in Education: AI Literacy and Need for Cognition as Moderators [2.0391237204597363]
  プログラミング課題において,学生の信頼度が,AIアシスタントへの適切な依存度にどのように関係しているかを検討する。 学生の回答が適切なAIアシスタントの提案の活用を反映する程度に行動依存を運用する。
  論文  参考訳（メタデータ） (2026-04-01T16:38:47Z)
• Closing the Loop: An Instructor-in-the-Loop AI Assistance System for Supporting Student Help-Seeking in Programming Education [21.729610894273563]
  本稿では,AI生成ヒントとエスカレーション機構を統合したハイブリッドヘルプフレームワークを提案する。 その結果、673件のAIによるヒントのうち、146件(22%)が無害と評価された。 この発見は、AIサポートが失敗した場合、専門家のインストラクターでさえ、ミスを犯すのを避けるためにもっと注意を払う必要があることを示唆している。
  論文  参考訳（メタデータ） (2025-10-16T08:57:05Z)
• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• New Kid in the Classroom: Exploring Student Perceptions of AI Coding Assistants [0.0]
  本研究では,初級プログラミングコースにおける初心者プログラマの体験をAIツールがいかに形作っているかを検討する。 学生は、AIツールがコードの概念を把握し、初期開発フェーズにおける信頼を高めるのに役立つと考えている。 しかし,基礎知識伝達の過度さとギャップを指摘して,学生が無意識に働くように求められた際,顕著な困難が生じた。
  論文  参考訳（メタデータ） (2025-06-26T05:59:23Z)
• Plagiarism and AI Assistance Misuse in Web Programming: Unfair Benefits and Characteristics [0.0]
  分類された提出物は、色や識別子名のような自明な面を除いて、独立したものに似ている。 学生は、AIアシスタントは適切な使用の承認があれば有用であると信じているが、ソリューションの可読性と正確性には納得していない。
  論文  参考訳（メタデータ） (2023-10-31T00:51:14Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)

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。