論文の概要: "Why Put in This Much Effort?": How AI Availability Shapes Students' Motivation in Introductory Programming

• arxiv url: http://arxiv.org/abs/2606.30480v1
• Date: Mon, 29 Jun 2026 15:41:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.321043
• Title: "Why Put in This Much Effort?": How AI Availability Shapes Students' Motivation in Introductory Programming
• Title（参考訳）: 「なぜこんなに努力をするのか?」:AIアベイラビリティーが学生の入門プログラミングへの意欲をいかに形作るか
• Abstract要約: 工学生がAIの可用性をどのように経験し、反応するかを研究する。 本研究は,学生が学習を保護するために外部制約が必要であるという仮定を複雑にしている。 テンションを管理した学生は、学習プロセス自体にモチベーションを見出した。
• 参考スコア（独自算出の注目度）: 0.15293427903448018
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When AI tools can easily complete programming assignments, students face a motivational question: why invest effort in completing them independently? While prior work has examined instructor policies and usage patterns, we focus on how students themselves experience and respond to AI availability, a perspective important for designing courses that sustain engagement with programming practice. We investigate two research questions: (1) How do engineering students describe how AI availability shapes their motivation to put effort into programming assignments? (2) How do students navigate the tension between their expressed value for learning through effort and the constant availability of AI as an alternative to effort? We conducted semi-structured interviews with 13 engineering majors in an introductory MATLAB course where students could use a course-specific AI chatbot. Using Situated Expectancy-Value Theory (SEVT) as an analytical framework, we examined how students described their expectancy, values, and costs in the context of AI availability. When AI could complete assignments quickly, students questioned whether their time on programming was well spent (cost), questioned the long-term usefulness of programming skill (utility value), reported less satisfaction when AI bypassed productive struggle (intrinsic value), and described confidence that depended on AI being available (expectancy). Nearly all students expressed a preference for learning through effort and a simultaneous temptation to take shortcuts with AI (sanctioned or otherwise). Our findings complicate the assumption that students need external constraints to protect their learning. Students who managed the tension found motivation in the learning process itself, suggesting that course design may need to shift from valuing what students produce to supporting how they learn.
• Abstract（参考訳）: AIツールが簡単にプログラミングの課題を完了すると、学生たちはモチベーションの疑問に直面します。 これまでの研究はインストラクターの方針や利用パターンを調べてきたが、プログラミングの実践を継続するコースをデザインする上で重要な視点である、AIの可用性に対する学生自身の経験と対応に焦点を当てている。 1) 工学生は,AIがプログラミング課題に力を注ぐ動機をどう形作るかを説明する。 2) 学生は、努力による学習の表現価値と、努力の代替としてAIが常に利用できることとの間の緊張関係をいかにナビゲートするか。 学生がコース固有のAIチャットボットを使用できる入門MATLABコースにおいて,13人の工学専攻と半構造化インタビューを行った。 分析フレームワークとしてSEVT(Situated expectancy-Value Theory)を用いて,AI活用の文脈における学生の期待度,価値観,コストについて検討した。 AIが迅速に課題を完了できたとき、学生はプログラミングの時間が十分に費やされているか(コスト)、プログラミングスキルの長期的な有用性(実用価値)を疑問視し、AIが生産的困難(本質的価値)を回避したときの満足度を低下させた。 ほぼすべての学生は、努力を通じて学ぶことを好む傾向を示し、同時にAIでショートカットを行う誘惑を示した。 本研究は,学生が学習を保護するために外部制約が必要であるという仮定を複雑にしている。 このテンションを管理した学生は、学習プロセス自体にモチベーションを見出した。

関連論文リスト

• AI literacy over tool design: a mixed-methods study of scaffolded versus unrestricted generative AI in programming education [0.0]
  本稿では,マスターレベルのデータ分析コースにおける7週間の混合メソドス試験について報告する。 33人の学生が、ノートベースの実験室のセッションに埋め込まれた足場付きAI研究コーチにランダムに割り当てられた。 ツールの設計は、学生が自身の利用を管理する能力よりも重要で、これは現在、偶然に獲得されている能力である。
  論文  参考訳（メタデータ） (2026-09-15T07:53:58Z)
• Verification-Conditioned Use: A Qualitative Study on How Generative AI Reshapes Learning, Autonomy, and Market Entry for Junior Software Developers [0.3342165620612816]
  本研究では,生成人工知能(AI)ツールの利用がソフトウェア開発のキャリアの初期段階にどのように影響するかを検討する。 16のテーマが出現し、中心的な概念である検証条件の使用を中心に組織された。 2つのテーマは、新参者の自己認識における緊張を露呈する: 自律的パラドックスと、第一人物による依存の否定である。
  論文  参考訳（メタデータ） (2026-07-27T16:07:21Z)
• 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)
• Teaching AI Through Benchmark Construction: QuestBench as a Course-Based Practice for Accountable Knowledge Work [9.434503228899455]
  ベンチマーク構築を通じてAIを教えるコースベースのプラクティスを導入する。 学生は学際的な知識を検証可能な専門家レベルの質問に変換する。 学生は結果のタスクでAIシステムを評価する。
  論文  参考訳（メタデータ） (2026-05-20T17:09:56Z)
• 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)
• "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
  ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。 本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
  論文  参考訳（メタデータ） (2025-12-02T13:32:23Z)
• 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)
• Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
  本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。 その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
  論文  参考訳（メタデータ） (2024-11-15T13:22:04Z)
• Effects of a Prompt Engineering Intervention on Undergraduate Students' AI Self-Efficacy, AI Knowledge and Prompt Engineering Ability: A Mixed Methods Study [36.48421439947282]
  本研究は,香港の大学において,迅速な工学的介入を設計・実施した。 学生のAI自己効力、AI知識、そして効果的なプロンプト作成能力について検討した。
  論文  参考訳（メタデータ） (2024-07-30T15:05:24Z)
• AI for non-programmers: Applied AI in the lectures for students without programming skills [0.0]
  この研究は、応用AIのための実践的な計画スクリプトを提示する。 ドキュメント計画スクリプトは、AIアプリケーションパイプラインに基づいて、AIの概念と研究関連トピックをリンクする。 エネルギー管理の修士課程の講義シリーズは、AIを規律固有の講義にシームレスに統合する方法を示している。
  論文  参考訳（メタデータ） (2024-02-06T17:26:24Z)
• Charting the Future of AI in Project-Based Learning: A Co-Design Exploration with Students [35.05435052195561]
  学習における人工知能(AI)の利用の増加は、学習成果を評価するための新たな課題を提示している。 本稿では,学生のAI活用データの新たな評価材料としての可能性を検討するための共同設計研究を紹介する。
  論文  参考訳（メタデータ） (2024-01-26T14:49:29Z)
• Learning to Prompt in the Classroom to Understand AI Limits: A pilot study [35.06607166918901]
  大規模言語モデル(LLM)と、ChatGPTのような派生したチャットボットは、AIシステムの自然言語処理能力を大幅に改善した。 しかし、AI手法が顕著な貢献を示しているにもかかわらず、興奮は否定的な感情を引き起こしている。 パイロット教育は21人の生徒を抱えた高校で実施された。
  論文  参考訳（メタデータ） (2023-07-04T07:51:37Z)
• The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
  MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。 Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。 これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
  論文  参考訳（メタデータ） (2021-07-05T12:18:17Z)
• 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。