論文の概要: Informal Learning Emerges in Everyday Human-LLM Interaction

• arxiv url: http://arxiv.org/abs/2607.17643v1
• Date: Mon, 20 Jul 2026 07:56:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.540882
• Title: Informal Learning Emerges in Everyday Human-LLM Interaction
• Title（参考訳）: 日常の人間-LLMインタラクションにおけるインフォーマルラーニング
• Authors: Zixin Chen, Haotian Li, Ziang Xiao, Huamin Qu, Xing Xie,
• Abstract要約: 我々は大規模な人間-LLMの会話を分析し、学習機会を保ちながら交換を行うかどうかを問う。 128,569件の自然主義的会話を通じて,学習科学の構成要素をターンレベルの行動シグネチャに翻訳した。 日常的な人間とLLMのインタラクションは、納品や認知的オフロードに応答するだけでなく、非公式学習の計測可能、選択的、条件付き行動シグネチャも含んでいることを示す。
• 参考スコア（独自算出の注目度）: 74.53081471113929
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As LLMs become increasingly capable of completing tasks for users, a central concern is that everyday AI use may become primarily cognitive offloading, eroding the opportunities through which people develop their own capabilities. We analyse large-scale human--LLM conversations to ask whether informal learning behaviors also emerge in this setting: whether users engage in exchanges in ways that preserve opportunities to learn. Across 128,569 naturalistic conversations, we translated learning-science constructs into turn-level behavioural signatures. Cognitive engagement, users' cognitive effort as reflected in the exchange, appeared in 31.9% of 491,685 user turns, whereas constructive engagement, the deepest observable form of learning-oriented engagement, appeared in 4.9%, showing that deeper sense-making was recurrent but selective. Our study further identifies factors associated with these forms of engagement. Scaffolded assistant support consistently marked richer constructive participation, with associations varying by user framing, task ecology, support form, timing and prior user state. Together, these findings show that everyday human--LLM interaction is not only answer delivery or cognitive offloading; it also contains measurable, selective and conditionally organized behavioural signatures of informal learning. They shift AI evaluation from answer-delivery efficiency toward the preservation of cognitive opportunities for users to reason, test ideas and construct understanding in the course of everyday problem-solving.
• Abstract（参考訳）: LLMがユーザのためのタスクを完了させる能力が増すにつれて、日常的なAIの使用が主に認知的オフロードになり、人々が自身の能力を開発する機会を損なう、という懸念が強まっている。 我々は,大規模な人間-LLM会話を分析し,非公式な学習行動が,学習機会を保ちながら交流を行うかどうかを問う。 128,569件の自然主義的会話を通じて,学習科学の構成要素をターンレベルの行動シグネチャに翻訳した。 491,685のユーザターンのうち31.9%に認知的エンゲージメントが、最も深い学習指向エンゲージメントである構成的エンゲージメントが4.9%に現れ、深いセンスメイキングが反復しているが選択的であることを示している。 本研究は,これらのエンゲージメントに関連する要因をさらに明らかにする。 共有アシスタントサポートは、ユーザフレーミング、タスクエコロジー、サポートフォーム、タイミング、および以前のユーザ状態によって異なる関連性を持つ、よりリッチなコンストラクティブな参加を一貫して特徴付ける。 これらの結果は、日常的な人間とLLMの相互作用は、納品や認知的オフロードだけでなく、非公式学習の計測可能、選択的、条件付き行動シグネチャも含んでいることを示している。 彼らはAI評価を、回答提供効率から、ユーザーが日々の問題解決の過程で推論、テスト、理解を構築するための認知機会の保存へとシフトする。

関連論文リスト

• Disrupting Cognitive Passivity: Rethinking AI-Assisted Data Literacy through Cognitive Alignment [17.265229093607676]
  我々は、認知的相違を乱すには、認知的アライメントを通じてよりダイナミックで適応的な戦略が必要であると論じる。 このフレームワークでは、AIのインタラクションモード(伝達的または熟考的)とユーザの認知的要求(受容的または熟考的)のマッピングを提供する。
  論文  参考訳（メタデータ） (2026-04-03T06:47:55Z)
• Safeguarding Privacy: Privacy-Preserving Detection of Mind Wandering and Disengagement Using Federated Learning in Online Education [53.25191965774678]
  遠隔学習における行動・認知障害の相違に対処するために,デバイス間フェデレーション学習を利用したフレームワークを提案する。 顔の表情と視線特徴を用いた映像ベース認知解離検出モデルに適合する。 以上の結果から,学習者のエンゲージメントを促進するプライバシー保護教育技術への大きな期待が示された。
  論文  参考訳（メタデータ） (2026-02-10T15:40:01Z)
• GuideAI: A Real-time Personalized Learning Solution with Adaptive Interventions [0.5833117322405447]
  大規模言語モデル(LLM)は強力な学習ツールとして登場したが、学習者の認知的・生理的状態に対する認識は欠如している。 リアルタイムバイオセンサーフィードバックを統合することでLLM駆動学習を強化するマルチモーダルフレームワークである GuideAI を紹介する。
  論文  参考訳（メタデータ） (2026-01-28T09:06:45Z)
• Learning Through Dialogue: Unpacking the Dynamics of Human-LLM Conversations on Political Issues [17.05441917302334]
  大規模言語モデル(LLM)は、学習のための対話的パートナーとしてますます使われていますが、ユーザの学習とエンゲージメントをサポートする相互作用のダイナミクスは検討されています。 社会政治問題に関する397人の人間とLLMの会話におけるLLMと参加者のチャットの言語的特徴と相互作用的特徴を分析した。
  論文  参考訳（メタデータ） (2026-01-12T18:10:21Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
  自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。 現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。 我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
  論文  参考訳（メタデータ） (2025-06-05T14:53:35Z)
• From Consumption to Collaboration: Measuring Interaction Patterns to Augment Human Cognition in Open-Ended Tasks [2.048226951354646]
  ジェネレーティブAIの台頭、特に大規模言語モデル(LLM)は、知識労働における認知過程を根本的に変えるものである。 本稿では、認知活動モード(探索対搾取)と認知エンゲージメントモード(建設対有害)の2つの側面に沿って相互作用パターンを分析する枠組みを提案する。
  論文  参考訳（メタデータ） (2025-04-03T17:20:36Z)
• Dynamic Demonstration Retrieval and Cognitive Understanding for Emotional Support Conversation [35.49338831485202]
  ESCにおける2つの重要な課題は、文脈的関連性および共感的応答生成の促進と認知的理解の促進である。 私たちの仕事は、ESCで提供されるサポートの品質を改善するためにこれらの要素を相乗化するための新しいアプローチです。 私たちのコードは、さらなる研究と開発を促進するために、パブリックアクセスが可能です。
  論文  参考訳（メタデータ） (2024-04-03T06:47:15Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)

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。