論文の概要: Understanding Generative AI Use in Programming MOOCs: The Role of Course Context and Learner Characteristics
- arxiv url: http://arxiv.org/abs/2610.04447v1
- Date: Sat, 03 Oct 2026 11:28:06 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 20:33:44.343987
- Title: Understanding Generative AI Use in Programming MOOCs: The Role of Course Context and Learner Characteristics
- Title（参考訳）: プログラミングMOOCにおける生成AI利用の理解:コースコンテキストと学習者特性の役割
- Abstract要約: 本研究では,エストニアで教えられている2つのプログラムMOOCにおけるGenAIの使用状況について検討した。
両MOOCでは, 性別, 年齢, 教育水準, 事前プログラミング経験など, 統計的に有意な差は認められなかった。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The increasing availability of generative artificial intelligence (GenAI) tools, such as ChatGPT and code-completion assistants, raises questions about how learners integrate these tools into learning activities, particularly in MOOCs that attract diverse participant populations. This study examines the use of GenAI in two programming MOOCs taught in Estonian that differ in duration, workload, topic complexity, and assignment volume: About Programming (4 weeks, 26 expected hours, n = 187) and Introduction to Programming (8 weeks, 78 expected hours, n = 182). Post-course questionnaire data were analyzed using non-parametric statistical methods to examine self-reported adoption, usage frequency, and purposes of GenAI use across courses and learner backgrounds. The results show that GenAI adoption was widespread in both MOOCs, with no statistically significant differences by gender, age, education level, or prior programming experience. However, participants in the longer, more extensive MOOC reported significantly higher usage frequency and were more likely to use GenAI for debugging and idea generation. Reported usage frequency for code explanation and debugging was also higher in the longer course. Exploratory analyses found limited relationships between GenAI use and learning-related outcomes. The findings suggest that course context may play a greater role than learner characteristics in shaping how GenAI tools are used. These results provide implications for instructional design and guidance in programming education.
- Abstract（参考訳）: ChatGPTやコード補完アシスタントといった生成型人工知能(GenAI)ツールが利用可能になったことで、学習者がこれらのツールを学習活動、特に多様な人口を惹きつけるMOOCにどのように統合するかという疑問が持ち上がった。
本研究は,エストニアで教えられている2つのプログラムMOOCにおけるGenAIの利用について検討する。プログラミングについて(4週間,26予測時間,n = 187),プログラミング入門(8週間,78予測時間,n = 182)。
非パラメトリックな統計的手法を用いて, 自己申告された採用状況, 利用頻度, 学習者背景におけるGenAI活用の目的について分析した。
その結果, 性別, 年齢, 教育水準, 事前プログラミング経験など, 統計的に有意な差は認められなかった。
しかし、より長く広範なMOOCの参加者は、使用頻度が著しく高く、デバッグやアイデア生成にGenAIを使用する可能性が高かった。
より長いコースでは、コード説明やデバッグに使用する頻度も高かった。
探索分析の結果、GenAIの使用と学習関連結果の関係は限定的であった。
これらの結果から,GenAIツールの活用方法の学習者特性よりも,コースコンテキストが重要な役割を担っている可能性が示唆された。
これらの結果から,プログラミング教育における指導設計と指導の意義が示唆された。
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) - Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course [0.0]
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。
論文 参考訳（メタデータ） (2026-05-26T07:48:00Z) - 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) - 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) - 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) - Students' Perceptions and Use of Generative AI Tools for Programming Across Different Computing Courses [1.7811951520198]
生成的人工知能(GenAI)の教育における利用に対する学生の認識と意見の調査が注目されている。
学生がGenAIツールをどのように認識し利用しているかは、背景知識を含む多くの要因に依存する可能性がある。
ヨーロッパ大の研究大学の全コンピュータプログラムの学生を対象に,3つの調査を行った。
論文 参考訳（メタデータ） (2024-10-09T13:24:06Z) - Genetic Auto-prompt Learning for Pre-trained Code Intelligence Language Models [54.58108387797138]
コードインテリジェンスタスクにおける即時学習の有効性について検討する。
既存の自動プロンプト設計手法は、コードインテリジェンスタスクに限られている。
本稿では、精巧な遺伝的アルゴリズムを用いてプロンプトを自動設計する遺伝的オートプロンプト(GenAP)を提案する。
論文 参考訳（メタデータ） (2024-03-20T13:37:00Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳（メタデータ） (2023-04-18T15:35:43Z)
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。