論文の概要: AI in the Wild: A Large Scale Analysis of Authentic Interactions of College Students with Generative AI
- arxiv url: http://arxiv.org/abs/2606.29442v1
- Date: Sun, 28 Jun 2026 15:07:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.914809
- Title: AI in the Wild: A Large Scale Analysis of Authentic Interactions of College Students with Generative AI
- Title（参考訳）: AI in the Wild: 生成AIを用いた大学生の認証インタラクションの大規模分析
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 5.052839340528487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI tools (GenAI) are increasingly used by students during coursework, yet empirical understanding of how students engage with these systems in authentic learning contexts remains limited. Existing studies have largely relied on controlled settings, single-domain analyses, or small-scale qualitative data, leaving open how student-AI interaction unfolds across courses and forms of academic work. We present a large-scale analysis of naturally occurring student-AI interactions collected from undergraduate students across multiple university courses and academic domains. The dataset comprises over 15,000 student-AI interaction units drawn from voluntary use of generative AI during real coursework. To characterize these interactions, we analyze each student turn along two complementary dimensions, cognitive intent and interaction context, capturing whether requests are directed toward the task or domain, the student's own work, or prior AI output. Using instruction-guided annotation applied at scale, we examine how these interaction patterns are distributed overall and how they vary across courses. Our analysis reveals that student-AI interaction is highly structured. Across courses, interactions concentrate in a small number of recurring patterns rather than exhibiting highly idiosyncratic use. At the same time, systematic differences emerge across courses, giving rise to distinct interaction profiles associated with different forms of academic work.
- Abstract（参考訳）: ジェネレーティブAIツール(GenAI)は、コースワークの間、学生がますます利用している。
既存の研究は、制御された設定、単一ドメイン分析、または小規模の質的データに大きく依存しており、学生とAIの相互作用が学術的な研究のコースや形態にどのように展開するかをオープンにしている。
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。
これらの相互作用を特徴付けるために、各学生は2つの相補的な次元、認知意図と相互作用の文脈に沿って向きを変え、要求がタスクやドメイン、学生自身の仕事、あるいは事前のAI出力に向けられているかどうかを計測する。
大規模に適用された命令誘導アノテーションを用いて、これらの相互作用パターンが全体としてどのように分散され、コース毎にどのように異なるかを検討する。
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明らかとなった。
コース全体を通じて、相互作用は、高度に慣用的な使用を示すのではなく、少数の繰り返しパターンに集中する。
同時に、体系的な違いがコースにまたがって現れ、異なる形態の学術研究に関連する異なる相互作用プロファイルが生まれる。
関連論文リスト
- From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning [2.024558551027881]
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。
論文 参考訳（メタデータ） (2026-06-26T14:54:37Z) - Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course [0.0]
本研究では、オブジェクト指向プログラミング(OOP)コースにおける学習結果と学習者とAIの相互作用形態の違いについて検討する。
初年度のOOPコースに入学した210人の大学生を対象に,調査データを収集した。
論文 参考訳（メタデータ） (2026-05-26T07:48:00Z) - Attachment Styles and AI Chatbot Interactions Among College Students [1.334956439319062]
本研究では,愛着スタイルの異なる大学生がChatGPTとのインタラクションをどのように記述するかを検討した。
我々は,(1)AIを低リスクの感情空間として,(2)AIエンゲージメントの愛着連続パターンとして,(3)AI親密性のパラドックスとして,3つの主要なテーマを特定した。
論文 参考訳（メタデータ） (2025-12-20T18:49:07Z) - Student-AI Interaction in an LLM-Empowered Learning Environment: A Cluster Analysis of Engagement Profiles [28.794946431719392]
本研究では,多エージェント LLM を用いた学習環境における多様な学習者のプロファイルについて検討した。
学生は様々な行動、認知、感情的なエンゲージメントの傾向を示す。
論文 参考訳（メタデータ） (2025-03-03T16:08:28Z) - Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。
また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
論文 参考訳（メタデータ） (2024-10-28T23:10:06Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - AI-Tutoring in Software Engineering Education [0.7631288333466648]
我々は,GPT-3.5-TurboモデルをAI-TutorとしてAPASアルテミスに組み込むことで,探索的なケーススタディを行った。
この発見は、タイムリーなフィードバックやスケーラビリティといった利点を浮き彫りにしている。
しかし,AI-Tutor を用いた場合,一般的な応答や学習進行抑制に対する学生の懸念も明らかであった。
論文 参考訳（メタデータ） (2024-04-03T08:15:08Z) - ArK: Augmented Reality with Knowledge Interactive Emergent Ability [115.72679420999535]
基礎モデルから新しいドメインへの知識記憶の伝達を学習する無限エージェントを開発する。
私たちのアプローチの核心は、Augmented Reality with Knowledge Inference Interaction (ArK)と呼ばれる新しいメカニズムである。
我々のArKアプローチは,大規模な基礎モデルと組み合わせることで,生成された2D/3Dシーンの品質を大幅に向上することを示す。
論文 参考訳（メタデータ） (2023-05-01T17:57:01Z) - Quiz-based Knowledge Tracing [61.9152637457605]
知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。
QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-04-05T12:48:42Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z)
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。