論文の概要: The AI Adaptation Gap in Higher Education: Students, Faculty, and Administrative Staff

• arxiv url: http://arxiv.org/abs/2608.25063v1
• Date: Tue, 25 Aug 2026 18:59:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.416437
• Title: The AI Adaptation Gap in Higher Education: Students, Faculty, and Administrative Staff
• Title（参考訳）: 高等教育におけるAI適応ギャップ--学生・学部・行政スタッフ
• Abstract要約: 本研究の目的は,教員養成専門大の学生,教員,行政スタッフを対象に,人工知能(AI)の利用パターンとAIに対する態度を分析することである。 3つのロール適応75項目のアンケートでは,AI活用の頻度と状況,有用性,信頼とコントロール,学術的整合性の懸念,責任意識の規範,制度的方針の明確化,アウトプット品質の向上について調査した。 学生は、現在のAI利用の強さと、教員や管理スタッフよりも有用性が高いと報告し、教員や管理スタッフは、より強い学術的整合性の懸念と責任利用規範の支持を報告した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The purpose of this study was to analyze patterns of artificial intelligence (AI) use and attitudes toward AI among students, faculty, and administrative staff at a large university specializing in teacher education. The analytical sample comprised 1809 students, 250 faculty members, and 62 administrative staff members (N = 2121). Three role-adapted 75-item questionnaires covered the frequency and contexts of AI use, perceived usefulness, trust and control, academic integrity concerns, responsible-use norms, institutional policy clarity, and perceived improvement in output quality. Data analysis included descriptive statistics, Welch group comparisons, pooled ordinary least squares (OLS) models, reliability and dimensionality checks for observed indices, and exploratory student-only K-means clustering. The results revealed a pronounced AI adaptation gap across university groups. Students reported higher current AI-use intensity and perceived usefulness than faculty and administrative staff, whereas faculty and administrative staff reported stronger academic integrity concerns and greater endorsement of responsible-use norms. In the pooled OLS trust model, perceived usefulness had the strongest standardized positive association with trust in AI (beta = 0.402); institutional policy clarity also had a positive but weaker association (beta = 0.223). Students reported higher perceived policy clarity than faculty, while neither group differed significantly from administrative staff. Exploratory clustering indicated heterogeneity among students in experience, competence, usefulness, trust, and control, but did not establish a latent typology across university groups. The cross-sectional, self-reported data show associations and group differences rather than causal effects on learning or objective outcomes.
• Abstract（参考訳）: 本研究の目的は,教員養成専門大の学生,教員,行政スタッフを対象に,人工知能(AI)の利用パターンとAIに対する態度を分析することである。 分析対象は学生1809名,教員250名,管理職員62名(N=2121名)であった。 3つのロール適応75項目のアンケートでは,AI活用の頻度と状況,有用性,信頼とコントロール,学術的整合性の懸念,責任意識の規範,制度的方針の明確化,アウトプット品質の向上について調査した。 データ分析には、記述統計、ウェルチ群の比較、プールド・ノーマル・最小二乗(OLS)モデル、観察された指標の信頼性と寸法チェック、探索的な学生のみのK平均クラスタリングが含まれる。 その結果,大学グループ間でAI適応率の差が顕著であった。 学生は、現在のAI利用の強さと、教員や管理スタッフよりも有用性が高いと報告し、教員や管理スタッフは、より強い学術的整合性の懸念と責任利用規範の支持を報告した。 プール化されたOLS信頼モデルでは、知覚された有用性はAIに対する信頼と最強の正の相関(ベータ=0.402)を持ち、制度的政策の明確さも正の相関(ベータ=0.223)を持っていた。 学生は学部よりも政策の明確さが高かったが、行政スタッフと大きく異なるグループではなかった。 探索的クラスタリングは、経験、能力、有用性、信頼、コントロールの学生の間で異質性を示したが、大学群全体にわたって潜伏型は確立しなかった。 横断的、自己報告されたデータは、学習や客観的な結果に対する因果的な影響よりも、関連性やグループの違いを示している。

関連論文リスト

• 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)
• From Novelty to Normalisation: Tracking Changing Perceptions of AI in Higher Education, 2024-2026 [1.701796716399534]
  生成的人工知能の急速な統合により、高等教育の風景が変わりつつある。 生徒はChatGPTなどのツールを目覚ましいスピードで採用し、教職員や機関はより注意を払って対応している。 本稿では, 高等教育におけるAI認知の縦断的研究, 学部生, 博士研究員, アルスター大学教授スタッフ, 非教育スタッフの追跡について述べる。
  論文  参考訳（メタデータ） (2026-06-18T13:58:02Z)
• Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning [7.3864557762003615]
  本稿では,ピア期待とアセスメント設計によって構成された協調問題として,学生AIのアセスメントにおける利用について再検討する。 分析結果と有限人口シミュレーションを用いて,学生AI利用におけるしきい値駆動行動遷移を明らかにする。
  論文  参考訳（メタデータ） (2026-04-23T21:21:14Z)
• Enduring Disparities in the Workplace: A Pilot Study in the AI Community [3.4307685264019256]
  産学歴1260名のAI/MLプロフェッショナルを対象に,異なる軸をまたいだパイロット調査を行った。 その結果, 職場経験における疎外・疎外化サブグループの持続的格差が示唆された。 我々は、アクセシビリティは、ポジティブな職場環境にとって重要な課題であり、障害者の従業員は、非障害者の同僚よりも職場経験が劣っていることを強調する。
  論文  参考訳（メタデータ） (2025-06-04T17:40:36Z)
• Mitigating Subgroup Disparities in Multi-Label Speech Emotion Recognition: A Pseudo-Labeling and Unsupervised Learning Approach [53.824673312331626]
  Implicit Demography Inference (IDI)モジュールは、k平均クラスタリングを用いて、音声感情認識(SER)におけるバイアスを軽減する 実験により、擬似ラベルIDIはサブグループの格差を減らし、フェアネスの指標を28%以上改善することが示された。 教師なしのIDIは、SERのパフォーマンスが3.6%未満のフェアネス指標を4.6%以上改善する。
  論文  参考訳（メタデータ） (2025-05-20T14:50:44Z)
• Artificial Intelligence in Government: Why People Feel They Lose Control [44.99833362998488]
  行政における人工知能の利用は急速に拡大している。 AIはより効率と応答性を約束するが、政府機能への統合は公正性、透明性、説明責任に関する懸念を提起する。 この記事では、デリゲートの特別事例として、AI導入に関するプリンシパル・エージェント理論を適用します。
  論文  参考訳（メタデータ） (2025-05-02T07:46:41Z)
• The Role of AI, Blockchain, Cloud, and Data (ABCD) in Enhancing Learning Assessments of College Students [0.0]
  本研究では,ABCD技術が高等教育における学習評価を改善する方法を検討する。 目的は、学生が物事をどのように認識し、行動計画し、ABCD技術が個人の学習、学術的完全性、共同学習、評価に対する信頼にどのように影響するかを研究することである。
  論文  参考訳（メタデータ） (2025-02-17T15:11:44Z)
• Fairness in Reinforcement Learning with Bisimulation Metrics [45.674943127750595]
  公平さを考慮せずに報酬を最大化することにより、AIエージェントはグループや個人の扱いに格差を導入することができる。 そこで本研究では,バイシミュレーションのメトリクスを利用して報酬関数と観測ダイナミクスを学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-12-22T18:23:06Z)
• Fair and skill-diverse student group formation via constrained k-way graph partitioning [65.29889537564455]
  本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。 学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。 この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
  論文  参考訳（メタデータ） (2023-01-12T14:02:49Z)
• "You Can't Fix What You Can't Measure": Privately Measuring Demographic Performance Disparities in Federated Learning [78.70083858195906]
  グループメンバーシップのプライバシを保護しつつ,グループ間でのパフォーマンスの差異を測定するための,差分プライベートなメカニズムを提案する。 我々の結果は、以前の研究の示唆に反して、プライバシ保護は必ずしもフェデレーションモデルの性能格差の特定と矛盾しているわけではないことを示している。
  論文  参考訳（メタデータ） (2022-06-24T09:46:43Z)
• How Different Groups Prioritize Ethical Values for Responsible AI [75.40051547428592]
  民間企業、公共セクター組織、学術団体は、責任あるAI技術にとって重要であると考える倫理的価値観を概説している。 彼らのレコメンデーションは中央値のセットに収束するが、より代表的な大衆が、彼らが交流し、影響を受ける可能性のあるAI技術にとって重要な価値についてはほとんど知られていない。 我々は、個人が3つのグループにまたがる責任あるAIの価値観をどのように認識し、優先順位付けしているかを調査した。
  論文  参考訳（メタデータ） (2022-05-16T14:39:37Z)
• Statistical discrimination in learning agents [64.78141757063142]
  統計的差別は、訓練人口のバイアスとエージェントアーキテクチャの両方の関数としてエージェントポリシーに現れる。 我々は、リカレントニューラルネットワークを使用するエージェントによる差別の低減と、トレーニング環境のバイアスの低減が示される。
  論文  参考訳（メタデータ） (2021-10-21T18:28:57Z)

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。