論文の概要: Accessible, but Not Adopted: Increasing LLM Adoption among First-generation, Low-income (FGLI) College Students beyond Expanding Access

• arxiv url: http://arxiv.org/abs/2609.36129v1
• Date: Mon, 28 Sep 2026 19:00:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.963151
• Title: Accessible, but Not Adopted: Increasing LLM Adoption among First-generation, Low-income (FGLI) College Students beyond Expanding Access
• Title（参考訳）: 第一世代低所得(FGLI)大学生におけるLSM導入の促進
• Abstract要約: 大規模言語モデル(LLM)は、保存されていないコミュニティに力を与える力としてますます位置づけられている。 本稿では,第1世代低所得学生コミュニティにおけるアクセス適応ギャップについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly positioned as a force to empower underserved communities, and significant efforts are being made to expand access. Yet, access alone does not equate to meaningful adoption. First, even if a system is accessible, it won't be adopted if users are not willing to adopt it. Second, even if an LLM system is superficially adopted, the heterogeneity of LLM tools means that LLM adoption can be further deepened. Closing this access-adoption gap is critical to ensuring that the full social potential of LLM is not only accessible but fully realised. Drawing on 61 interviews (15 long-form semi-structured interviews with first-generation, low-income college (FGLI) students, 3 non-FGLI students, 3 FGLI program directors, and 40 intercept interviews), this paper examines the access-adoption gap in first-generation, low-income student communities. This paper a) finds that while FGLI students have adopted LLM systems, their depth of LLM tool usage is limited to chatbots (e.g., ChatGPT or Claude) for narrow use cases, and b) identifies barriers limiting their willingness to learn and use (low perceived value, under-estimated self-efficacy, unclear starting point, low peer exposure, and resource constraints). Then, from these findings, the paper derives the four design principles to design a system or an intervention aimed at closing the access-adoption gap in LLM adoption by FGLI students. In doing so, the paper contributes to the field by a) examining the LLM access-adoption gap in the FGLI student community, and b) reframing LLM adoption as a depth gradient across four modes of LLM tool use: basic chatbot interfaces, tool-augmented prebuilt interfaces, agentic development interfaces, and programmatic integration.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、保存されていないコミュニティを強化する力としてますます位置づけられ、アクセスを拡大するための大きな努力が続けられている。 しかし、アクセスだけでは、意味のある採用にはふさわしくない。 第一に、もしシステムがアクセス可能であったとしても、ユーザがそれを採用しようとしなかったら、採用されないでしょう。 第二に、仮にLLMシステムが表面的に採用されているとしても、LLMツールの不均一性はLLMの採用をさらに深めることができることを意味する。 このアクセス調整ギャップを閉鎖することは、LLMの完全な社会的ポテンシャルがアクセス可能であるだけでなく、完全に実現されていることを保証するために重要である。 本研究では,第1世代低所得大学(FGLI)学生,非FGLI学生3名,FGLIプログラムディレクター3名,インターセプトインタビュー40名を対象に,第1世代低所得学生コミュニティにおけるアクセス適応ギャップについて検討した。 この論文は a) FGLI の学生は LLM システムを採用しているが,LLM ツールの使用深度はチャットボット(例えば ChatGPT や Claude など)に限られている。 b)学習意欲や利用意欲の制限(低評価値、過小評価自己効力感、出発点の不明、対人露出の低、資源制約)を識別する。 そこで本研究では,FGLI 学生による LLM 導入におけるアクセス適応ギャップの解消を目的とした,システム設計のための4つの設計原則を導出する。 そうすることで、論文はフィールドに貢献する。 a) FGLI学生コミュニティにおけるLCMアクセス調整ギャップの調査及び b) LLMツールの使用方法は,基本的なチャットボットインターフェース,ツール拡張済みインターフェース,エージェント開発インターフェース,プログラム統合の4つのモードにまたがる奥行き勾配である。

関連論文リスト

• Bridging the LLM Accessibility Divide? Performance, Fairness, and Cost of Closed versus Open LLMs for Automated Essay Scoring [18.33969226071914]
  我々は、テキスト評価と自動エッセイスコアリングに関連する生成タスクにおいて、9つの主要な大規模言語モデル(LLM)を比較した。 その結果,Llama 3 や Qwen2.5 などのオープン LLM は GPT-4 に比較して,予測性能が向上することがわかった。 生成タスクにおいて、トップオープンLLMによって生成されたエッセイは、セマンティックコンポジション/埋め込みやML評価スコアの点から、クローズドLLMに匹敵するものである。
  論文  参考訳（メタデータ） (2025-03-14T19:34:40Z)
• Position: LLMs Can be Good Tutors in English Education [120.25980336297444]
  大規模言語モデル(LLM)は、英語教育において効果的な家庭教師として機能する可能性がある。 LLMは、データエンハンサー、学習材料の作成の改善、学生シミュレーションの3つの重要な役割を果たすことができる。
  論文  参考訳（メタデータ） (2025-02-08T06:48:49Z)
• GIVE: Structured Reasoning of Large Language Models with Knowledge Graph Inspired Veracity Extrapolation [108.2008975785364]
  Graph Inspired Veracity Extrapolation (GIVE)は、パラメトリックメモリと非パラメトリックメモリを融合して、最小の外部入力で正確な推論を改善する新しい推論手法である。 GIVE は LLM エージェントをガイドして,最も関連する専門家データ (observe) を選択し,クエリ固有の発散思考 (reflect) に従事し,その情報を合成して最終的な出力 (speak) を生成する。
  論文  参考訳（メタデータ） (2024-10-11T03:05:06Z)
• FernUni LLM Experimental Infrastructure (FLEXI) -- Enabling Experimentation and Innovation in Higher Education Through Access to Open Large Language Models [2.190269031876989]
  本稿では,Hagen の FernUniversit において,FLEXI というプロジェクト名でオープン LLM インフラストラクチャの構築状況について述べる。 本稿は,自前のLLMサーバを実行するかどうかを判断しようとするすべての人たちに対して,実践的なガイダンスを提供する。
  論文  参考訳（メタデータ） (2024-06-27T09:46:11Z)
• Self-Augmented In-Context Learning for Unsupervised Word Translation [23.495503962839337]
  大規模言語モデル (LLMs) は、強力な単語翻訳やバイリンガル語彙誘導(BLI)機能を示す。 教師なしBLIのための自己拡張型インコンテキスト学習(SAIL)を提案する。 提案手法は,2つの確立したBLIベンチマーク上でのLDMのゼロショットプロンプトよりも大幅に向上することを示す。
  論文  参考訳（メタデータ） (2024-02-15T15:43:05Z)
• LLM Maybe LongLM: Self-Extend LLM Context Window Without Tuning [67.39585115936329]
  LLMには、微調整なしで長いコンテキストを処理できる固有の能力がある、と我々は主張する。 バイレベルアテンション情報を構築することで,LLMのコンテキストウィンドウを拡張するためのSelfExtendを提案する。 複数のベンチマークで包括的な実験を行い、その結果、既存のLLMのコンテキストウィンドウ長を効果的に拡張できることが示されている。
  論文  参考訳（メタデータ） (2024-01-02T18:30:51Z)
• Democratizing Reasoning Ability: Tailored Learning from Large Language Model [97.4921006089966]
  そこで我々は,そのような推論能力をより小さなLMに蒸留する,適切な学習手法を提案する。 対話型多ラウンド学習パラダイムを構築することにより,理科教員としてのLLMの可能性を活用する。 より小さなLMの推論可能性を活用するために,学生が自作ミスから学習する動機付けを目的とした自己回帰学習を提案する。
  論文  参考訳（メタデータ） (2023-10-20T07:50:10Z)
• LgTS: Dynamic Task Sampling using LLM-generated sub-goals for Reinforcement Learning Agents [10.936460061405157]
  LgTS (LLM-Guided Teacher-Student Learning) を提案する。 提案手法では,提案したサブゴールを達成するための事前訓練されたポリシーも必要としない。
  論文  参考訳（メタデータ） (2023-10-14T00:07:03Z)

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。