論文の概要: Generative AI and Extended Reality in Collaborative Architectural Design Education: An Exploratory Studio Study
- arxiv url: http://arxiv.org/abs/2609.13494v1
- Date: Fri, 11 Sep 2026 19:58:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.336226
- Title: Generative AI and Extended Reality in Collaborative Architectural Design Education: An Exploratory Studio Study
- Title（参考訳）: 協調型建築デザイン教育におけるジェネレーティブAIと拡張現実--探索的スタジオスタディ
- Abstract要約: GenAIとXRは、迅速なアイデア探索と没入型空間可視化のための新しい機会を提供する。
本研究では,GenAIを用いたマルチユーザXRが協調的なアーキテクチャ概念設計にどのように影響するかを検討した。
- 参考スコア（独自算出の注目度）: 11.858193608108524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Architectural design education relies heavily on visual ideation and representation to support collaborative learning in studio environments. Recent advances in generative artificial intelligence (GenAI) and extended reality (XR) offer new opportunities for rapid idea exploration and immersive spatial visualization. This exploratory mixed-methods classroom study investigated how GenAI-assisted multi-user XR influenced collaborative architectural conceptual design. We developed GenARch, a pipeline that integrates GenAI-based visual generation with collaborative XR environments, and deployed it in an undergraduate architectural design studio. Twenty-seven students formed seven self-selected design teams; four teams incorporated GenARch into their usual course workflow to support collaborative ideation and visualization, while three teams continued the same course workflow without GenARch. Pre- and post-intervention surveys assessed design self-efficacy, attitudes toward collaborative learning, and teamwork; a seven-member panel evaluated team design presentations; and GenARch teams participated in group interviews. The quantitative results showed larger relative declines in confidence and outcome expectancy for the GenARch condition and a positive difference-in-differences estimate for perceived conflict management, while panel-rated presentation outcomes were not significantly different between conditions. Interviews indicated complementary roles for the technologies: GenAI supported idea externalization and visual reference generation, whereas XR supported spatial, contextual, and scale-based evaluation. Students also reported challenges related to control, dimensional fidelity, shared attention, and motion comfort. These findings highlight both opportunities and limitations when GenAI and XR are incorporated into collaborative design education.
- Abstract（参考訳）: 建築デザイン教育は、スタジオ環境における協調学習を支援するために、視覚的思考と表現に大きく依存している。
生成人工知能(GenAI)と拡張現実(XR)の最近の進歩は、迅速なアイデア探索と没入型空間可視化のための新たな機会を提供する。
本研究は,GenAIを用いたマルチユーザXRが協調的なアーキテクチャ概念設計にどのように影響するかを調査した。
我々は、GenARchを開発した。GenAIベースのビジュアル生成と協調的なXR環境を統合し、それを学部建築デザインスタジオに展開する。
4つのチームがGenARchを通常のコースワークフローに組み込んでコラボレーションのアイデアと視覚化をサポートし、3つのチームはGenARchなしで同じコースワークフローを継続した。
事前および後の調査では、デザインの自己効力、共同学習に対する態度、チームワークを評価し、7人のメンバによるパネルでチームデザインのプレゼンテーションを評価し、GenARchチームはグループインタビューに参加した。
定量的結果から,GenARch条件に対する信頼度と期待度は相対的に低下し,コンフリクト管理に対する正差差が推定された。
GenAIはアイデアの外部化と視覚的参照生成をサポートし、XRは空間的、文脈的、スケールベースの評価を支持した。
学生はまた、制御、次元の忠実さ、共有された注意、動きの快適さに関する課題を報告した。
これらの知見は、GenAIとXRが共同設計教育に組み込まれた際の機会と限界の両方を浮き彫りにした。
関連論文リスト
- Uncovering Understanding-Generation Synergy in Native Unified Multimodal Models: From Representation, Task to System [90.64481646805855]
統一マルチモーダルモデル(UMM)は、単一のモデル内で視覚的理解と生成を共同で行う。
制御された、構造的にネイティブな環境で、それらの関係を表現、タスク、システムレベルで調査する。
適切な特殊化やタスク知識の共有,エンドツーエンドの最適化など,UMMの価値は統一インターフェースを超えて,共存を相乗効果に転換できることを示す。
論文 参考訳（メタデータ） (2026-09-01T17:59:59Z) - Developers' Experience with Generative AI Beyond Productivity Assessment -- Insights from an Empirical Mixed-Methods Field Study [7.932998356208937]
本稿では,プロの開発者が自然作業環境においてどのようにGenerative AI(GenAI)と関わるかを検討する。
結果として、開発者は一般的にGenAI、特に単調で反復的で構造化されたタスクに満足している。
開発が重いタスクでは、認知的負荷はAIのインタラクションから生じるが、生産性はAIの出力品質に依存している。
論文 参考訳（メタデータ） (2026-07-02T15:43:21Z) - Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
インテントメイキングという別のワークフローを特定し、特徴付けします。
私たちはこれをセンスメイキングの自然な拡張と捉えています。
これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
論文 参考訳（メタデータ） (2026-05-07T09:30:25Z) - Synergizing Understanding and Generation with Interleaved Analyzing-Drafting Thinking [154.2388970262703]
Unified Vision-Language Models (UVLM) は、単一のフレームワーク内での理解と生成の両方をサポートすることで、マルチモーダル学習を促進することを目的としている。
本稿では,解析処理と起案処理を交互に行う新たな思考パラダイムである,インターリーブド・アナライジング・ドレイティング問題解決ループ(AD-Loop)を紹介する。
テキスト思考を視覚的思考とインターリーブすることで、AD-Loopはモデルが理解と出力の両方を反復的に洗練し、真のシナジーを育むことができる。
論文 参考訳（メタデータ） (2026-02-24T23:26:09Z) - The Impact of Generative AI on Architectural Conceptual Design: Performance, Creative Self-Efficacy and Cognitive Load [11.518907451681189]
本研究では,ジェネレーティブAI(GenAI)が,建築概念設計タスクにおける性能,創造的自己効力,認知的負荷にどのように影響するかを検討する。
自己効力と認知負荷は各段階の後に自己申告された。
論文 参考訳（メタデータ） (2026-01-15T18:52:59Z) - What Drives Compositional Generalization in Visual Generative Models? [56.01574461407906]
画像生成と映像生成において,様々なデザイン選択が構成一般化にどのように影響するかを体系的に研究する。
i)訓練対象が離散的あるいは連続的な分布に作用するか否か,および(ii)訓練中に構成概念に関する情報を提供する条件がどの程度あるか,という2つの要因を同定する。
これらの知見に基づいて,MaskGITの離散的損失を補助的連続JEPAベースで緩和することにより,MaskGITのような離散モデルにおける構成性能を向上させることができることを示す。
論文 参考訳（メタデータ） (2025-10-03T15:02:27Z) - 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) - Exploring Collaborative GenAI Agents in Synchronous Group Settings: Eliciting Team Perceptions and Design Considerations for the Future of Work [31.376737005894793]
我々は、協調的なGenAIエージェントが、同期グループ設定におけるチームワークを増強する可能性について検討する。
我々の知見は、うまく設計すれば、協力的なGenAIエージェントがチームの問題解決を強化する貴重な機会をもたらすことを示唆している。
しかし、GenAIエージェントを統合するというチームの意思は、個人、チーム、組織的要因にまたがる、認識された適合性に依存していた。
論文 参考訳（メタデータ） (2025-04-21T00:38:02Z) - Unifying Search and Recommendation with Dual-View Representation Learning in a Generative Paradigm [51.2624255871896]
GenSRは検索とレコメンデーションを統合するための新しい生成パラダイムである。
本研究は,従来の差別的手法と比較して新しい生成パラダイムを導入する。
論文 参考訳（メタデータ） (2025-04-09T09:15:37Z) - Enhancing Team Diversity with Generative AI: A Novel Project Management Framework [2.334887570960192]
本稿では、チームの多様性とプロジェクト管理の強化にAIの実践的応用を探求することを目的とする。
このフレームワークは、学術および研究プロジェクトチームにおけるチーム構成の統一という共通の課題に対処するために設計されている。
論文 参考訳（メタデータ） (2025-01-13T21:39:06Z) - Kinship Verification Based on Cross-Generation Feature Interaction
Learning [53.62256887837659]
顔画像からの血縁検証は、コンピュータビジョンの応用において、新しいが挑戦的な技術として認識されている。
本稿では,頑健な親族関係検証のためのクロスジェネレーション・インタラクション・ラーニング(CFIL)フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-07T01:50:50Z)
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。