論文の概要: Experiential Versus Instructional Approaches for Eliciting Metacognitive Awareness in AI-Assisted Learning: A Short-Term Longitudinal Study

• arxiv url: http://arxiv.org/abs/2607.20047v1
• Date: Wed, 22 Jul 2026 11:42:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.066803
• Title: Experiential Versus Instructional Approaches for Eliciting Metacognitive Awareness in AI-Assisted Learning: A Short-Term Longitudinal Study
• Title（参考訳）: AI支援学習におけるメタ認知意識の緩和のための経験的動詞教育的アプローチ : 短期縦断的研究
• Abstract要約: 実験学習と授業学習の2つの対照的なアプローチについて検討する。 5週間で両群はこれらの尺度に収束し,実験群は認知の制御の遅れ,継続的な内集団増加を示した。 これは、経験的アプローチの利点が、従来の教育環境からAI支援学習にまで及んでいることを示唆し、知識と規制が経験的学習の下で異なる時間スケールで発展する可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With generative AI (GenAI) entering classrooms the question to which teaching approach best supports metacognitive skill acquisition in AI-assisted learning becomes pressing. In this short-term longitudinal study we investigate two contrasting approaches: experiential learning encompassing hands-on approaches and instructional learning such as classical lectures. We conducted a quasi-experiment with 126 university students from a first-year engineering course which were distributed across the two conditions and completed a two hour session on learning with GenAI in the corresponding learning style. Metacognitive awareness which encompasses both knowledge of cognition (understanding effective AI-use strategies) and regulation of cognition (applying that knowledge in practice) was measured before and after the session. Additionally, students longitudinal metacognitive awareness was tracked over the trimester and assessed again five weeks after the initial intervention. Results reveal that experiential methods outperform instructional approaches in engagement and knowledge of cognition immediately after the intervention. By five weeks, the two groups converged on these measures, while the experiential group showed a delayed, continuous within-group increase in regulation of cognition that was not observed in the instructional group. This suggests that the benefits of experiential approaches extend beyond conventional educational settings to AI-assisted learning, and that knowledge and regulation may develop on different timescales under experiential learning.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)が教室に入ると、AI支援学習におけるメタ認知スキル獲得をどの教育アプローチが最善かという疑問が強まる。 本研究は,ハンズオン的アプローチを含む経験的学習と,古典的講義などの指導的学習の2つの対照的なアプローチについて検討する。 我々は,2つの条件にまたがる1年間の工学講座から126人の大学生と準実験を行い,GenAIによる学習を学習スタイルで行う2時間のセッションを完了した。 認知の知識(効果的なAI利用戦略の理解)と認知の規制(実際に知識を適用)の両方を包含するメタ認知意識は、セッション前後に測定された。 さらに, 学生の経時的メタ認知認知は, 初診から5週間後に三期にわたって追跡され, 再評価された。 その結果,経験的手法は介入直後の認知のエンゲージメントや知識の指導的アプローチよりも優れていた。 5週間で2つの集団はこれらの尺度に収束し, 実験群は, 指導群では観察されなかった認知の制御が遅れ, 連続的に増加していた。 これは、経験的アプローチの利点が、従来の教育環境からAI支援学習にまで及んでいることを示唆し、知識と規制が経験的学習の下で異なる時間スケールで発展する可能性があることを示唆している。

関連論文リスト

• The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education [2.856083627975759]
  本研究では,建設教育における指導指導が学生とAIの相互作用をどのように形作るかを検討する。 生成学習理論に基づく5段階のプロンプトフレームワークを導入し,学習者のインタラクションをガイドする。
  論文  参考訳（メタデータ） (2026-06-03T23:27:46Z)
• Transforming GenAI Policy to Prompting Instruction: An RCT of Scalable Prompting Interventions in a CS1 Course [8.222598094097867]
  ICAPフレームワークをベースとした4つの指導条件を,テスト前,即時,遅延後,調査により有意差が認められた。 その結果,条件1から条件4まで,すべての条件が向上し,段階的に向上することが判明した。 同様の試験前スコアを持つ学生の場合, 試験直後の高等教育成績は, グループ間での直接差はみられなかったが, 最終試験直後の成績の上昇を予測できた。
  論文  参考訳（メタデータ） (2026-02-17T21:40:12Z)
• GraphRAG-Induced Dual Knowledge Structure Graphs for Personalized Learning Path Recommendation [56.37740554448673]
  本稿では知識概念構造グラフ生成モジュールEDU-GraphRAGを紹介する。 次に、ブロックされた学習経路の問題を緩和する識別学習駆動強化学習(DLRL)モジュールを提案する。 我々は3つのベンチマークデータセットに対して広範な実験を行い、その手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-06-27T15:15:42Z)
• AI instructional agent improves student's perceived learner control and learning outcome: empirical evidence from a randomized controlled trial [29.45751702212421]
  本研究は,教科を主教科とする中等教育課程において,AI指導エージェントが生徒の認知的学習者制御と学業成績に与える影響について検討した。 AI指導エージェントグループの学生は、他のグループに比べて学習者のコントロールが有意に高いことを報告した。
  論文  参考訳（メタデータ） (2025-05-28T16:13:27Z)
• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• Bridging Declarative, Procedural, and Conditional Metacognitive Knowledge Gap Using Deep Reinforcement Learning [7.253181280137071]
  帰納的ドメインでは、昇順のメタ認知的知識タイプは宣言的、手続き的、条件的学習である。 この研究は、3つの知識タイプ間のギャップを埋めるために適応的なメタ認知的介入を提供するために、Deep Reinforcement Learning (DRL)を活用する。 以上の結果から,DRLは両ITSにおいて,学生間のメタ認知的知識ギャップを橋渡しし,学習能力を大幅に向上させた。
  論文  参考訳（メタデータ） (2023-04-23T20:07:07Z)
• Leveraging Deep Reinforcement Learning for Metacognitive Interventions across Intelligent Tutoring Systems [7.253181280137071]
  本研究は,知能学習システム(ITS)におけるメタ認知的介入を実現するための2つのアプローチを比較する。 実験1では,古典的な人工知能を用いて,生徒を異なるメタ認知グループに分類し,分類されたグループに基づいて静的な介入を行う。 Exp.2では,Deep Reinforcement Learning(DRL)を利用して,生徒のメタ認知レベルの変化を考慮した適応的介入を行った。
  論文  参考訳（メタデータ） (2023-04-17T12:10:50Z)
• Augmenting Policy Learning with Routines Discovered from a Demonstration [86.9307760606403]
  日常的な政策学習(RAPL)を提案する。 RAPLは1つのデモから原始的なアクションからなるルーチンを発見する。 RAPLが最先端の模倣学習方法SQILと強化学習方法A2Cを改善することを示した。
  論文  参考訳（メタデータ） (2020-12-23T03:15:21Z)
• Transfer Learning in Deep Reinforcement Learning: A Survey [64.36174156782333]
  強化学習は、シーケンシャルな意思決定問題を解決するための学習パラダイムである。 近年、ディープニューラルネットワークの急速な発展により、強化学習の顕著な進歩が見られた。 転校学習は 強化学習が直面する様々な課題に 対処するために生まれました
  論文  参考訳（メタデータ） (2020-09-16T18:38:54Z)

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。