論文の概要: Students' Perception Accuracy of Partners' AI Use and its Relation to Collaboration Performance

• arxiv url: http://arxiv.org/abs/2606.23237v1
• Date: Mon, 22 Jun 2026 12:23:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 23:06:58.772088
• Title: Students' Perception Accuracy of Partners' AI Use and its Relation to Collaboration Performance
• Title（参考訳）: パートナーのAI活用に対する学生の認識精度と協調能力との関連性
• Authors: Laura Graf, Ramona Beinstingel, Stephan Kusche, Oleksandra Poquet,
• Abstract要約: 現在、学部生が広く使用しているジェネレーティブAIツールは、各学生のAI利用という、連続的でほとんど見えない新しい次元をコラボレーションに導入している。 導入型ソフトウェア工学コースにおいて,103組の学生ペアの3波縦断調査を行った。 プロジェクトの初期において、パートナー同士のAI使用に対する信念の相違が、最終段階のプロジェクトスコアの低下に関連していることがわかりました。
• 参考スコア（独自算出の注目度）: 12.900130585480523
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative assignments are a cornerstone of programming education. Effective collaboration during a programming project depends on the formation of reasonably accurate beliefs about how each partner works. Generative AI tools, now widely used by undergraduate students, have introduced a consequential and largely invisible new dimension into collaboration: each student's use of AI. When partners collaborate remotely, they interpret partners' ability and effort through their code. This raises the question of how accurately students perceive each other's AI use in collaborations, and if a misalignment in these perceptions relates to team performance. To address this question, we conducted a three-wave longitudinal study of 103 student pairs in an introductory software engineering course. We found that greater misalignment between partners' beliefs about each other's AI use early in the project was associated with lower final project scores. The effect of such misaligned perceptions is the strongest in teams with lower prior programming performance, suggesting that low performing students pay a higher cost of misaligned perceptions. The perception misalignment does not consistently decrease through face-to-face pair-programming sessions. This suggests that ways to foster transparency may be needed to support student teams in collaborative programming.
• Abstract（参考訳）: 協調的な課題はプログラミング教育の基盤である。 プログラミングプロジェクトの間の効果的なコラボレーションは、各パートナの作業方法に関する合理的に正確な信念の形成に依存します。 現在、学部生が広く使用しているジェネレーティブAIツールは、各学生のAI利用という、連続的でほとんど見えない新しい次元をコラボレーションに導入している。 パートナーがリモートで協力すると、コードを通じてパートナーの能力と努力を解釈する。 このことは、学生が相互にAIの使用をどの程度正確に認識しているか、そしてこれらの認識の不一致がチームのパフォーマンスに関係しているかという疑問を提起する。 そこで本研究では,導入ソフトウェア工学科目における103組の学生ペアの3波縦断調査を行った。 プロジェクトの初期において、パートナー同士のAI使用に対する信念の相違が、最終的なプロジェクトスコアの低下に関連していることがわかりました。 このような不整合認識の効果は、事前プログラミングのパフォーマンスが低いチームでは最強であり、低パフォーマンスの学生は、不整合認識のコストが高いことを示唆している。 認識の不一致は対面対対面プログラミングセッションを通じて一貫して減少しない。 これは、学生チームが協調プログラミングでサポートするために透明性を高める方法が必要であることを示唆している。

関連論文リスト

• Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI [47.027290803102666]
  生産的AI利用を3つの評価可能なスキルに分解する能力モデルであるCoRe-3(Co-Reasoning)を提案する。 理論上のスキルを基盤として、5つのテスト可能な提案を述べ、それらをCoReasoningLabでインスタンス化します。 人為的な合意と成果が次々に行われます。私たちは、計測器、データ、プロトコルをリリースします。
  論文  参考訳（メタデータ） (2026-06-04T10:25:31Z)
• 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)
• Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
  KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。 動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-05T09:32:03Z)
• On the Mistaken Assumption of Interchangeable Deep Reinforcement Learning Implementations [58.60617136236957]
  ディープ・強化学習(Deep Reinforcement Learning, DRL)とは、エージェントがニューラルネットワークを使って特定の環境でどのアクションをとるかを学ぶ人工知能のパラダイムである。 DRLは最近、ドライビングシミュレーター、3Dロボット制御、マルチプレイヤー・オンライン・バトル・アリーナ・ビデオゲームといった複雑な環境を解くことで注目を集めている。 現在、Deep Q-Network (DQN) や Proximal Policy Optimization (PPO) アルゴリズムのような、これらのエージェントを訓練する最先端のアルゴリズムの実装が数多く存在する。
  論文  参考訳（メタデータ） (2025-03-28T16:25:06Z)
• Gender Influence on Student Teams' Online Communication in Software Engineering Education [8.65285948382426]
  本研究では,GitHubプロジェクトにコントリビュートする8チームを対象とした,39人のSE学生による8週間のプロジェクトについて検討する。 混合メソッドのアプローチを使用して、Slackのコミュニケーションを分析し、性別の違いを特定しました。 女性全員のチームでは、より高いヘルプシーキングとリーダシップの行動が見られましたが、男性はよりゆっくりと反応しました。
  論文  参考訳（メタデータ） (2025-02-20T15:43:54Z)
• Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
  この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。 その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。 チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
  論文  参考訳（メタデータ） (2024-10-28T11:42:05Z)
• The Impact of Remote Pair Programming in an Upper-Level CS Course [0.0]
  ペアプログラミングは、学生にいくつかの利益をもたらす活発な学習手法として強調されてきた。 この研究は、上位レベルのコンピュータサイエンスコースにおけるペアプログラミングの効果を分析する。
  論文  参考訳（メタデータ） (2022-04-06T20:01:01Z)
• Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
  本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。 より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
  論文  参考訳（メタデータ） (2021-07-13T03:48:04Z)
• Distributed Deep Learning in Open Collaborations [49.240611132653456]
  協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。 現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2021-06-18T16:23:13Z)
• Who does what? Work division and allocation strategies of computer science student teams [5.863264019032882]
  本研究の目的は,集団課題におけるコンピュータサイエンスの学生の作業分割とアロケーション戦略の洞察を得ることである。 主に成績と効率の要因によって動機付けられ、学生は以前の専門知識と好みに基づいてタスクを選択し、割り当てる。 この結果から,新しいソフトウェア工学のスキルを実践する学生のモチベーションを抑えることができると論じている。
  論文  参考訳（メタデータ） (2021-03-04T12:27:07Z)

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。