論文の概要: Measuring How Students Rely on Generative AI in Academic Writing: Development and Multi-Source Validation of the Generative AI Reliance Types Scale (GenAI-RTS)
- arxiv url: http://arxiv.org/abs/2607.14301v1
- Date: Wed, 15 Jul 2026 19:04:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.891768
- Title: Measuring How Students Rely on Generative AI in Academic Writing: Development and Multi-Source Validation of the Generative AI Reliance Types Scale (GenAI-RTS)
- Title（参考訳）: 学生が生成AIにどのように依存しているかを学術著作で測る:生成AI信頼型尺度(GenAI-RTS)の開発とマルチソース検証
- Abstract要約: 学生が生成AI(GenAI)にどのように依存するかは、学習、学術的完全性、教育的平等の中心的な問題となっている。
本研究は,GenAI信頼型尺度(GenAI-RTS:GenAI Reliance Types Scale)を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As generative AI (GenAI) becomes increasingly embedded in undergraduate academic writing, how students rely on these tools, rather than simply whether they use them, has become a central question for learning, academic integrity, and educational equity. Existing measures of reliance were developed inductively, focused on discrete problem-solving tasks, and validated mainly with homogeneous samples. This study developed and validated the GenAI Reliance Types Scale (GenAI-RTS), a 20-item instrument measuring four theoretically derived types of GenAI reliance: Strategic, Instrumental, Dependent, and Dialogic. Validation followed the multisource framework of the Standards for Educational and Psychological Testing, drawing on a survey of 382 undergraduates at a U.S. Minority-Serving Institution and interviews with 14 purposively sampled students. Confirmatory factor analyses of six competing models supported a five-factor structure in which Strategic Reliance comprises two facets, Deliberate Use and Critical Evaluation, alongside Instrumental, Dependent, and Dialogic factors (CFI = .92, RMSEA = .08; DWLS CFI = .98, RMSEA = .07). Subscale reliability was acceptable to good (omega = .75-.88), and scalar measurement invariance held across gender, first-generation status, and STEM/non-STEM majors, to our knowledge the first such evidence for a GenAI reliance instrument. Rasch analysis indicated that a five-point response format would improve category functioning. Strategic reliance was positively associated with AI literacy, and the reliance types differentiated students across multiple writing process and outcome variables. The GenAI-RTS offers researchers and educators a theoretically grounded, psychometrically validated instrument for identifying undergraduate reliance profiles and supporting research, assessment, and AI literacy intervention.
- Abstract（参考訳）: ジェネレーティブAI(GenAI)が学部生の執筆に浸透するにつれ、学生が単にそれを使うかどうかではなく、これらのツールにどのように依存するかが、学習、学術的完全性、教育的エクイティの中心的な問題となっている。
既存の信頼度尺度は、離散的な問題解決タスクに焦点をあてて誘導的に開発され、主に均質なサンプルを用いて検証された。
The GenAI Reliance Types Scale (GenAI-RTS), a 20-item instrument using four methodly derived type of GenAI reliance: Strategic, Instrumental, Dependent, and Dialogic。
検証は、米国マイノリティ・サービング・インスティチュート(英語版)の382人の学部生に対する調査と、14人の純粋にサンプリングされた学生へのインタビューに基づいて、教育・心理学検査標準の多元的枠組みに従った。
CFI = 92, RMSEA = .08; DWLS CFI = .98, RMSEA = .07; DWLS CFI = .08; RMSEA = .07) とともに、戦略信頼性が2つの面からなる5要素構造を支持した。
亜尺度信頼性は良好(オメガ=.75-.88)であり, 性別, 第一世代, STEM/非STEMメジャー間でスカラー測定のばらつきが認められた。
ラシュ解析により、5点応答形式がカテゴリ機能を改善することが示唆された。
戦略的信頼は、AIリテラシーと肯定的に関連付けられ、信頼タイプは、複数の書き込みプロセスと結果変数で学生を区別した。
GenAI-RTSは、研究者と教育者に対して、学部生の信頼プロファイルを特定し、研究、評価、AIリテラシーの介入を支援するための理論的に根拠があり、精神測定的に検証された手段を提供する。
関連論文リスト
- GenAIT: Development and Validation of an Objective Generative AI Literacy Test for High School Students [0.5735035463793009]
ジェネレーティブAI(GenAI)リテラシーの国際的関心が高まっており、その評価は高校生の間で行われているが、この人口の客観的評価はいまだに未発達である。
本稿では,高校生のGenAIに関する概念的知識を測定する18項目の多重選択テストであるGenAIリテラシーテスト(GenAIT)の反復的開発と検証について報告する。
論文 参考訳（メタデータ） (2026-08-26T13:58:56Z) - Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University [0.0]
既存の機器は使用頻度にのみ依存度を評価する。
学生の価値とコストの信念は、彼らの大きな言語モデルへの依存の強さを予測した。
戦略的なユーザー、最も意図的にAIに関わったユーザーは、標準結果の基準で最低のスコアを得た。
論文 参考訳（メタデータ） (2026-06-27T05:56:03Z) - The GenAI Skill Bypass: Mapping Divergent Pathways of University Students and Staff AI Literacy [0.9039347265533652]
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。
論文 参考訳（メタデータ） (2026-06-10T06:53:39Z) - Profiles of AI Dependency: A Latent Class Analysis of Filipino Students' Academic Competencies [0.0]
フィリピンの大学生の人工知能(AI)への依存度の増加は、基本的な学術能力の低下を懸念している。
本研究は, 学生の批判的思考, 文章スキル, 学習自立, 研究スキル, 学術的エンゲージメントに対するAI依存度とその認知的影響について検討した。
論文 参考訳（メタデータ） (2026-04-30T02:59:52Z) - AI-Assisted Peer Review at Scale: The AAAI-26 AI Review Pilot [45.90272517740283]
本稿では,AI支援ピアレビューの大規模展開について報告する。
AAAI-26のすべてのメイントラックは、最先端のシステムから明確に特定されたAIレビューを受け取りました。
論文 参考訳（メタデータ） (2026-04-15T14:51:07Z) - 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) - AstaBench: Rigorous Benchmarking of AI Agents with a Scientific Research Suite [75.58737079136942]
本稿では,AstaBenchについて紹介する。AstaBenchは,科学的研究を行うためのエージェント能力の総合的な測定を行うスイートである。
私たちのスイートには、プロダクショングレードの検索ツールを備えた、最初の科学研究環境が付属しています。
22のエージェントクラスで57のエージェントを評価したところ,いくつかの興味深い結果が得られた。
論文 参考訳（メタデータ） (2025-10-24T17:10:26Z) - 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 AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - Synergizing Self-Regulation and Artificial-Intelligence Literacy Towards Future Human-AI Integrative Learning [92.34299949916134]
自己制御学習(SRL)と人工知能(AI)リテラシーは、人間とAIの対話学習を成功させる上で重要な能力となっている。
本研究では,4つの学習グループを明らかにするクラスタリング手法を用いて,1,704人の中国人大学生のデータを分析した。
論文 参考訳（メタデータ） (2025-03-31T13:41:21Z) - Position: Evaluating Generative AI Systems Is a Social Science Measurement Challenge [78.35388859345056]
我々は,MLコミュニティが,GenAIシステム評価のための計測機器を開発する際に,社会科学の学習と図面の恩恵を受けることを論じる。
我々は,GenAIシステムの能力,行動,および影響に関する概念を測定するための,社会科学からの計測理論に基づく4段階の枠組みを提案する。
論文 参考訳（メタデータ） (2025-02-01T21:09:51Z)
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。