論文の概要: From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning
- arxiv url: http://arxiv.org/abs/2606.28472v1
- Date: Fri, 26 Jun 2026 14:54:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.579906
- Title: From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning
- Title（参考訳）: プロンプティングからエピステミック・プロアクティビティへ:数学学習における学生とAIの相互作用の時間軌道
- Abstract要約: GenAIは、学生が学習コンパニオンとして使うことが多い。
本研究では,9年生の数学教育における汎用LLMとの対話について検討した。
- 参考スコア（独自算出の注目度）: 2.024558551027881
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: GenAI is increasingly used by students as learning companions, yet little is known about how they use these tools in open-ended learning settings, where the goal is not to complete a specific task but to improve understanding and making progress. This study examined Grade-9 students' dialogue with a general-purpose LLM during mathematics practice, in which students prepared a curriculum-aligned skill for a later assessment. We investigated whether students' interactions revealed forms of epistemically proactive AI use: trajectories in which they strategically use and regulate AI to advance their understanding, and whether these trajectories predicted immediate AI-free performance on the same skill. A total of 112 students worked with a web-based LLM tutor on a mathematical-modeling task; 97 completed both AI-free pre- and post-tests. Student turns were coded for self-regulated learning functions, help-seeking content, and mathematical-modeling activity; three dimensions hypothesized to capture epistemically proactive AI use in this task. Descriptively, students' interactions showed little explicit regulation and mostly involved procedural or conceptual questions. Static summaries of AI use, including whole-session prompt functions, request types, modeling stages, and behavioral diversity, did not predict post-test performance after controlling for prior knowledge. In contrast, temporal indicators were informative: students performed better when their interactions shifted from early to late phases toward a more epistemically proactive balance of conceptual or procedural help-seeking and mathematical work, rather than verification, answer-seeking, or validation. These findings suggest that productive AI-supported learning is better understood as a domain-specific trajectory of epistemic proactivity. We discuss implications for AI tutor design and classroom orchestration.
- Abstract（参考訳）: GenAIは、学生が学習コンパニオンとして使うことが多いが、これらのツールを特定のタスクを完了するのではなく、理解と進歩を改善することを目的としている、オープンエンドの学習環境でどのように利用するかについてはほとんど知られていない。
本研究は,9年生の数学実習における汎用LLMとの対話について検討し,その後の評価のためのカリキュラム整合スキルを用意した。
我々は,学生のインタラクションが,AIを戦略的に利用し,その理解を促進させるためにAIを規制するトラジェクトリ,そして,これらのトラジェクトリが,同一スキルにおける即時AIフリーのパフォーマンスを予測しているかどうかを検討した。
合計112人の学生が、数学モデリングタスクでウェブベースのLLMチューターと仕事をし、97人はAIのないプレテストとポストテストの両方を完了した。
学生のターンは、自己制御学習機能、ヘルプ検索コンテンツ、数学的モデリング活動のためにコーディングされた。
説明的には、学生の相互作用はほとんど明示的な規則を示しておらず、主に手続き的あるいは概念的な質問に関係していた。
セッションプロンプト関数、要求タイプ、モデリングステージ、行動多様性を含むAI使用の静的要約は、事前の知識を制御した後のポストテストのパフォーマンスを予測しなかった。
それとは対照的に、時間的指標は、学生のインタラクションが早期から後期に移行した時に、検証、回答探索、検証よりもむしろ、概念的または手続き的なヘルプ探索と数学的作業のより肯定的なバランスに良くなった。
これらの結果から, 生産的AI支援学習は, てんかん活動の領域特異的な軌跡として理解されていることが示唆された。
本稿では,AIチューター設計と教室のオーケストレーションの意義について論じる。
関連論文リスト
- AI in the Wild: A Large Scale Analysis of Authentic Interactions of College Students with Generative AI [5.052839340528487]
本稿では,複数の大学コースや学術領域にまたがる大学生の自然発生学生とAIの相互作用を大規模に分析する。
データセットは、15,000以上の学生とAIのインタラクションユニットで構成され、実際のコース中に生成AIの自発的使用から引き出された。
分析の結果,学生とAIの相互作用は高度に構造化されていることが判明した。
論文 参考訳（メタデータ） (2026-06-28T15:07:53Z) - Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use [2.024558551027881]
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。
論文 参考訳（メタデータ） (2026-06-07T10:47:52Z) - The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education [2.856083627975759]
本研究では,建設教育における指導指導が学生とAIの相互作用をどのように形作るかを検討する。
生成学習理論に基づく5段階のプロンプトフレームワークを導入し,学習者のインタラクションをガイドする。
論文 参考訳（メタデータ） (2026-06-03T23:27:46Z) - Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
インテントメイキングという別のワークフローを特定し、特徴付けします。
私たちはこれをセンスメイキングの自然な拡張と捉えています。
これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
論文 参考訳（メタデータ） (2026-05-07T09:30:25Z) - 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) - 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) - Decoding AI Tutor Effects for Educational Measurement: Temporal, Multi-Outcome, and Behavior-Cognitive Analysis [0.3342165620612816]
本稿では、時間的相互作用パターン、複数結果分析、行動認知学習者プロファイルを用いたAI支援学習のためのAIエージェントプロトタイプフレームワークを提案する。
ヒント、説明、例、コードなど、さまざまなフィードバックフォームを学習者に提供すべく、AIチューターエージェントが開発された。
ニューラルネットワークモデルとシミュレーションフレームワークを使用して、応答時間、試行、ヒント要求、正確性、クイズ結果、改善、満足度、信頼を含む、人工的な学生とAI教師のインタラクションレコードを生成する。
その結果、初期のインタラクションパターンは、後のパフォーマンスと信頼の予測であり、学生の行動はAIベースの授業で時間とともに変化し、学生の行動は変化していることがわかった。
論文 参考訳（メタデータ） (2026-03-22T00:43:17Z) - Towards Agentic Intelligence for Materials Science [73.4576385477731]
この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。
コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
論文 参考訳（メタデータ） (2026-01-29T23:48:43Z) - 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) - Online inductive learning from answer sets for efficient reinforcement learning exploration [52.03682298194168]
エージェントポリシーの近似を説明可能な近似を表す論理規則の集合を学習するために,帰納的な解集合プログラムの学習を利用する。
次に、学習ルールに基づいて回答セット推論を行い、次のバッチで学習エージェントの探索をガイドします。
本手法は,初回トレーニングにおいても,エージェントが達成した割引リターンを著しく向上させる。
論文 参考訳（メタデータ） (2025-01-13T16:13:22Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - 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。