論文の概要: The GenAI Skill Bypass: Mapping Divergent Pathways of University Students and Staff AI Literacy
- arxiv url: http://arxiv.org/abs/2607.05411v1
- Date: Wed, 10 Jun 2026 06:53:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 07:26:11.086628
- Title: The GenAI Skill Bypass: Mapping Divergent Pathways of University Students and Staff AI Literacy
- Title（参考訳）: GenAIスキルバイパス:大学生の多様性パスとスタッフAIリテラシーのマッピング
- Authors: Eduardo Oliveira, Narelle English, Tracii Ryan, Kamila Misiejuk, Cory dal Ponte, Sonsoles López-Pernas, Mohammed Saqr,
- Abstract要約: 高等教育機関は、学生とスタッフの両方がジェネレーティブAI(GenAI)を開発するよう、ますます期待されている。
現在の教育の枠組みは、通常、GenAIリテラシーの線形進行を前提としている。
本稿では,分類に基づく自己評価尺度の心理測定分析を通じて,このような仮定に挑戦する。
- 参考スコア（独自算出の注目度）: 0.9039347265533652
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Higher education institutions are increasingly expected to ensure that both students and staff develop Generative AI (GenAI) literacies. In response, they are introducing professional development programs and embedding GenAI skills within student curricula. However, current educational frameworks typically assume a linear progression of GenAI literacy, implying that foundational technical understanding must precede creative application. This paper challenges such an assumption through a psychometric analysis of a taxonomy-based self-assessment instrument (n = 158). We applied Rasch measurement theory and Guttman ordering to map the latent perceived order of difficulty of GenAI skills across students, academics, and professional staff. Results reveal a fundamental divergence in perceived competence profiles: while academics follow a more traditional linear path, students exhibit an "inverted" profile, frequently mastering high-level creation tasks before acquiring foundational conceptual understanding. Furthermore, the correlation of skill difficulty between students and academics was weak (r = 0.188). We argue that this "skill bypass" creates a fragile sense of fluency, where high self-efficacy in prompting masks low literacy in AI mechanics. These findings challenge the "one-size-fits-all" curricula and provide the empirical basis for diagnostic-driven, modular interventions that foster genuine human-AI synergy.
- Abstract（参考訳）: 高等教育機関は、学生とスタッフの両方がジェネレーティブAI(GenAI)リテラシーを開発することを確実にすることがますます期待されている。
そのために彼らは、専門的な開発プログラムを導入し、GenAIスキルを学生カリキュラムに組み込んでいる。
しかし、現在の教育の枠組みは一般的に、創造的応用に先立って基礎的な技術理解が必要であることを暗示して、GenAIリテラシーの線形進行を前提としている。
本稿では,分類に基づく自己評価器(n = 158)の心理測定分析を通じて,このような仮定に挑戦する。
我々はRasch測定理論とGuttman命令を適用し、学生、学者、専門職にまたがるGenAIスキルの難易度を地図化した。
学術者はより伝統的な線形パスを踏襲する一方、学生は「反転した」プロファイルを示し、基礎的な概念的理解を得る前にしばしば高いレベルの創造タスクを習得する。
さらに,学生と学者のスキルの難しさの相関は弱かった(r=0.188)。
この「スキルバイパス」は、AIメカニクスにおいて、マスクの識字率を低下させる自己効力が高いという、脆弱な流感を生み出すと我々は主張する。
これらの知見は、真の人間-AIシナジーを育むための、診断駆動のモジュラーな介入の実証的な基礎を提供する「オールワンサイズ」カリキュラムに挑戦する。
関連論文リスト
- Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy [0.4306143768014156]
ソフトウェアエンジニアリング教育におけるジェネレーティブAIの採用は、表面的な学習と学術的整合性に関する懸念とともに、学習支援の機会を高める。
本研究は,Bloomの分類に整合した明示的な指導指導が,SE/CS教育におけるGenAIの関与をどう支援するかを考察する。
論文 参考訳（メタデータ） (2026-06-24T10:44:07Z) - 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) - Characterizing initial human-AI proof formalization workflows [66.06866890889131]
AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。
我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。
質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
論文 参考訳（メタデータ） (2026-06-02T22:58:19Z) - The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking [26.81026121718816]
「インストラクターは、AIを学習仲間として融合させることで、高次思考の基本的な過程に学生を巻き込むことができる。」
我々は,AI生成エラーとの構造化された相互作用がメタ認知的エンゲージメントをどのように支援し,学際的厳密さを強化し,学生が認識するAIリテラシーと主観的マター能力に関連するかを検討する。
論文 参考訳（メタデータ） (2026-05-06T21:50:46Z) - Exploring Student Perception on Gen AI Adoption in Higher Education: A Descriptive Study [1.978884131103313]
本研究では,学生が生成人工知能(GenAI)をどのように認識し,活用し,評価するかを検討する。
データは、ハートフォードシャー大学の大学院コンピュータサイエンスの学生436名を対象に実施されたアンケートによって収集された。
論文 参考訳（メタデータ） (2026-03-29T17:19:39Z) - The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。
GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up?
この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
論文 参考訳（メタデータ） (2025-08-22T10:19:42Z) - The Agency Gap: How Generative AI Literacy Shapes Independent Writing after AI Support [4.013708138746962]
本研究は,GenAIリテラシーが自己開始と規制を必要とする状況下で,学生の筆記能力を予測する程度について検討する。
文章は洞察力、視覚データ統合、組織、言語的品質、批判的思考などにわたって評価された。
論文 参考訳（メタデータ） (2025-07-06T14:01:06Z) - From Recall to Reasoning: Automated Question Generation for Deeper Math Learning through Large Language Models [44.99833362998488]
先進数学のためのコンテンツ生成を最適化する第1ステップについて検討した。
我々は、GenAIがコース内容に関連する高品質な実践問題を生み出す能力について検討した。
論文 参考訳（メタデータ） (2025-05-17T08:30:10Z) - Evaluating the AI-Lab Intervention: Impact on Student Perception and Use of Generative AI in Early Undergraduate Computer Science Courses [0.0]
Generative AI(GenAI)はコンピュータサイエンス教育に急速に参入しつつある。
形式コースにおける道具使用の指針となる構造的足場の研究のギャップを伴う過信共存に関する懸念。
本研究は,「AI-Lab」の介入が大学生に与える影響について考察する。
論文 参考訳（メタデータ） (2025-04-30T18:12:42Z) - Generative AI Literacy: Twelve Defining Competencies [48.90506360377104]
本稿では、生成AIと対話するために必要なスキルと知識領域を網羅した、生成人工知能(AI)リテラシーの能力に基づくモデルを提案する。
能力は、基礎的なAIリテラシーから、倫理的および法的考慮を含むエンジニアリングとプログラミングのスキルの促進まで様々である。
これらの12の能力は、個人、政策立案者、政府高官、教育者が責任を持って生成AIの可能性をナビゲートし活用しようとするための枠組みを提供する。
論文 参考訳（メタデータ） (2024-11-29T14:55:15Z) - Hey GPT, Can You be More Racist? Analysis from Crowdsourced Attempts to Elicit Biased Content from Generative AI [41.96102438774773]
本研究は,GenAIツールから偏りのあるアウトプットを抽出するプロンプトの設計に参加者が挑戦する大学レベルのコンペから得られた知見を提示する。
我々は、競争の提出を定量的に質的に分析し、GenAIにおける多様なバイアスと、GenAIにおけるバイアスを誘発する参加者の戦略を同定する。
論文 参考訳（メタデータ） (2024-10-20T18:44:45Z)
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。