論文の概要: Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course
- arxiv url: http://arxiv.org/abs/2607.24755v1
- Date: Tue, 26 May 2026 07:48:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:39.037609
- Title: Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course
- Title（参考訳）: オブジェクト指向プログラミングコースにおける学習者とAIの相互作用パターンと学業成績
- Abstract要約: 本研究では、オブジェクト指向プログラミング(OOP)コースにおける学習結果と学習者とAIの相互作用形態の違いについて検討する。
初年度のOOPコースに入学した210人の大学生を対象に,調査データを収集した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This full research paper examines how different forms of learner-AI interaction relate to learning outcomes in object-oriented programming (OOP) courses. Generative artificial intelligence (GenAI) tools are increasingly used by students in programming education, yet evidence on their educational impact remains mixed. In particular, little is known about how students integrate GenAI tools when learning OOP, and how different patterns of use relate to students' learning experiences and outcomes. This study investigates patterns of students' self-directed GenAI use and their relationship with academic performance, perceived difficulty, understanding, and trust. Survey data were collected from 210 undergraduate students enrolled in a first-year OOP course in which the use of GenAI tools was permitted for coursework but prohibited in assessments. Results show that students used GenAI significantly more often for explanation seeking and debugging than for code generation. Cluster analysis identified five distinct learner-AI interaction profiles, including a "smart" high-usage pattern characterized by low reliance on code generation and high use for conceptual support and debugging. While usage patterns were associated with differences in perceived assignment difficulty, self-assessed understanding, trust in AI-generated code, and norm-related attitudes, no significant differences in assessment performance were found across clusters. These findings suggest that self-directed GenAI use alone does not lead to measurable learning gains, underscoring the need for pedagogically guided and process-aware AI support. The study contributes empirical evidence on learner-AI interaction patterns and highlights the importance of pedagogically guided AI use in programming education.
- Abstract（参考訳）: 本稿では、オブジェクト指向プログラミング(OOP)コースにおける学習結果と学習者とAIの相互作用形態の違いについて検討する。
生成人工知能(GenAI)ツールは、プログラミング教育の学生によってますます使われているが、その教育効果に関する証拠は混在している。
特に、OOPを学習する際に学生がGenAIツールをどのように統合するか、また利用パターンが学生の学習経験や成果とどのように関係しているかについてはほとんど分かっていない。
本研究では,学生の自己指導型GenAI利用のパターンと学業成績,難易度,理解度,信頼度との関連について検討した。
初年度のOOPコースに入学した210人の大学生を対象に,GenAIツールの使用が許可されたが,評価は禁止された。
その結果, 学生はコード生成よりも, 説明探索やデバッグにGenAIを多用していることが判明した。
クラスタ分析では、コード生成への依存度が低く、概念的サポートとデバッグに高い使用率を特徴とする"スマート"な高使用パターンを含む、5つの学習者とAIのインタラクションプロファイルを特定した。
使用パターンは、割り当ての難易度、自己評価された理解、AI生成コードの信頼、規範的態度の相違に関連付けられていたが、クラスタ間でのアセスメント性能に顕著な違いは見つからなかった。
これらの結果は、自己指向のGenAIの使用だけでは、測定可能な学習の増加につながらないことを示唆し、教育的指導とプロセス対応のAIサポートの必要性を浮き彫りにしている。
この研究は、学習者とAIの相互作用パターンに関する実証的な証拠を提供し、プログラミング教育における教育的指導によるAI利用の重要性を強調している。
関連論文リスト
- Quick Build, Careful Check? Generative AI Use in Hackathons [83.0493885475068]
中央ヨーロッパにおけるAIをテーマとしたハッカソンの参加者を対象とした探索的なインタビュー研究を報告する。
参加者はコーディング以外の目的でGenAIを使用して,馴染みのないトピックの学習やブレインストーミング,ドキュメントの作成などを行いました。
また、すべての参加者が、使用前にGenAI出力をチェックするという書面のないプラクティスに集約されていることもわかりました。
論文 参考訳（メタデータ） (2026-07-31T08:59:18Z) - Is Solving Better Than Evaluating GenAI Solutions? [45.714140455691485]
本研究では,GenAIが生成する解を,中等レベルのアルゴリズムコースで従来の問題解決法と比較する。
調査では,中期成績,最終試験成績,総合成績,授業介入と構造的に整合した試験問題に統計的に有意な差は認められなかった。
学生は、GenAI生成ソリューションの評価において、かなり高い得点を得たが、この局所的な優位性は下流の利得に変換されなかった。
論文 参考訳（メタデータ） (2026-07-30T02:08:29Z) - 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) - 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) - Investigating Self-regulated Learning Sequences within a Generative AI-based Intelligent Tutoring System [14.046963768734114]
本研究は,GenAIを用いた知的学習システムにおける課題解決タスクを完了したトレースデータから,学生のGenAIとのインタラクションパターンを抽出した。
また、情報処理の観点から、学生のGenAI利用の目的も分析した。
論文 参考訳（メタデータ） (2026-01-13T20:37:19Z) - Examining the Usage of Generative AI Models in Student Learning Activities for Software Programming [3.2383459424229835]
本研究では,GenAI支援が従来のオンラインリソースとどのように比較して,知識の獲得を支援するかを検討する。
プログラミング経験の異なる24人の大学生を対象に,制御されたユーザ実験を行った。
以上の結果から,GenAIによる完全解の生成は,特に初心者のタスク性能を著しく向上させるが,必ずしも知識の獲得には至らないことが明らかとなった。
論文 参考訳（メタデータ） (2025-11-17T11:42:24Z) - Encouraging Students' Responsible Use of GenAI in Software Engineering Education: A Causal Model and Two Institutional Applications [0.4306143768014156]
ジェネレーティブAI(GenAI)ツールが教育で普及するにつれ、学生が学習よりも学習に使用することへの懸念が高まっている。
本稿では、ソフトウェア工学(SE)教育におけるGenAI利用に責任を持つ教育者を支援するために、因果モデルを提案し、実証的に適用する。
論文 参考訳（メタデータ） (2025-05-31T19:27:40Z) - 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) - Early Adoption of Generative Artificial Intelligence in Computing Education: Emergent Student Use Cases and Perspectives in 2023 [38.83649319653387]
コンピュータ学生のGenAI利用と認識に関する先行研究は限られている。
私たちは、小さなエンジニアリングに焦点を当てたR1大学で、すべてのコンピュータサイエンス専攻を調査しました。
我々は,GenAIと教育に関する新たな議論に対する知見の影響について論じる。
論文 参考訳（メタデータ） (2024-11-17T20:17:47Z) - 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) - Toward enriched Cognitive Learning with XAI [44.99833362998488]
本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。
CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
論文 参考訳（メタデータ） (2023-12-19T16:13:47Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
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。