論文の概要: Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis

• arxiv url: http://arxiv.org/abs/2607.08748v2
• Date: Thu, 16 Jul 2026 09:52:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.831324
• Title: Using AI-based Learning Assistants in Higher Education: A Large-Scale Descriptive Analysis
• Title（参考訳）: 高等教育におけるAIベースの学習アシスタントの利用:大規模記述分析
• Abstract要約: 高等教育におけるAIベースの学習アシスタント(Syntea)の使用に関する大規模記述分析を行った。 遠隔研究に参加した77,543人の学生の客観的ログデータに基づいて,性別,年齢,学習クラスタ,学位,学習モードにおける利用パターンを検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this study, we present a large-scale descriptive analysis of the use of an AI-based learning assistant (Syntea) in higher education. Based on objective log data from 77,543 students enrolled in distance studies, we examine usage patterns across gender, age group, study cluster, degree, and study mode. To date, existing research on educational chatbots has largely relied on comparatively small samples and self-reported survey data, while large-scale evidence on actual usage behavior remains limited. Our findings show that Syntea is already embedded in the study routines of many learners, but that usage differs across demographic and structural contexts. By identifying these patterns, our study provides an empirical basis for the further development of AI-based learning support and contributes a large-scale analysis of educational chatbot usage in higher education.
• Abstract（参考訳）: 本研究では,高等教育におけるAIベースの学習アシスタント(Syntea)の利用について,大規模な記述分析を行った。 遠隔研究に参加した77,543人の学生の客観的ログデータに基づいて,性別,年齢,学習クラスタ,学位,学習モードにおける利用パターンを検討した。 現在までに、教育チャットボットの研究は、比較的小さなサンプルと自己報告された調査データに大きく依存しているが、実際の使用行動に関する大規模な証拠は限られている。 以上の結果から,Synteaはすでに多くの学習者の学習ルーチンに埋め込まれているが,その使用法は人口統計学的・構造的背景によって異なることがわかった。 これらのパターンを同定することにより、AIベースの学習支援のさらなる発展のための実証的基盤を提供し、高等教育におけるチャットボットの使用状況の大規模分析に貢献する。

関連論文リスト

• Empowering Computing Education Researchers Through LLM-Assisted Content Analysis [0.0]
  本稿では,大量のテキストデータに対して厳密な分析を行う手法を提案する。 この方法は、コンテンツ分析と大規模言語モデルの利用を組み合わせることで、研究者がより大規模な研究を行うことを可能にする。 我々は、この手法がCERに潜在する可能性があり、より広い範囲の研究からより一般化可能な発見を可能にすると信じている。
  論文  参考訳（メタデータ） (2025-08-26T09:46:59Z)
• The Use of Generative Artificial Intelligence for Upper Secondary Mathematics Education Through the Lens of Technology Acceptance [0.3749861135832073]
  本研究では,生成人工知能(GenAI)を用いた数学教育における学生の認識について検討した。 その結果,GenAIの使用意図に対する知覚的有用性の影響が強く示された。 互換性の付与により、モデルの説明力、特に知覚された有用性を予測する能力が改善された。
  論文  参考訳（メタデータ） (2025-01-02T14:50:30Z)
• A Benchmark for Math Misconceptions: Bridging Gaps in Middle School Algebra with AI-Supported Instruction [0.0]
  本研究では,中学代数学が人工知能ベースの教育プラットフォームで使用されるための評価ベンチマークを紹介する。 データセットは、代数、一般的な誤り、220の診断例に関する55の誤解を含む。 5人の教育者のうち4人は、学生の誤解の診断や教師の訓練にAIでデータセットを使用することに関心を示した。
  論文  参考訳（メタデータ） (2024-12-04T23:10:29Z)
• A Closer Look at Deep Learning Methods on Tabular Datasets [78.61845513154502]
  広い範囲にまたがる300以上のデータセットの集合であるTALENTについて広範な研究を行った。 我々の評価では、アンサンブルは木に基づくアプローチとニューラルアプローチの両方に効果があることが示されている。
  論文  参考訳（メタデータ） (2024-07-01T04:24:07Z)
• Research on Education Big Data for Students Academic Performance Analysis based on Machine Learning [8.556825982336807]
  本研究では,Long Short-Term Memory Network(LSTM)に基づく機械学習モデルを用いて,教育用ビッグデータの詳細な分析を行った。 LSTMモデルは時系列データを効率的に処理し、学生の学習活動における時間依存的・長期的傾向を捉えることができる。 このアプローチは、生徒の進歩、エンゲージメント、その他の行動パターンを分析してパーソナライズされた教育を支援するのに特に有用である。
  論文  参考訳（メタデータ） (2024-06-25T01:19:22Z)
• Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
  我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。 まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。 トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
  論文  参考訳（メタデータ） (2022-11-24T13:18:27Z)
• A Survey of Learning on Small Data: Generalization, Optimization, and Challenge [101.27154181792567]
  ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。 この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。 効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
  論文  参考訳（メタデータ） (2022-07-29T02:34:19Z)
• What Makes Good Contrastive Learning on Small-Scale Wearable-based Tasks? [59.51457877578138]
  本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。 本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
  論文  参考訳（メタデータ） (2022-02-12T06:10:15Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• Automatic coding of students' writing via Contrastive Representation Learning in the Wasserstein space [6.884245063902909]
  本研究は,学生の文章の質的分析を支援する統計的機械学習(ML)手法を構築するためのステップである。 MLアルゴリズムは,人間解析のラタ間信頼性に近づいた。
  論文  参考訳（メタデータ） (2020-11-26T16:52:48Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)

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。