論文の概要: Impacts of generative AI skill development on academic adaptation and learning outcomes among university students
- arxiv url: http://arxiv.org/abs/2610.30599v1
- Date: Thu, 22 Oct 2026 01:58:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-24 02:08:44.186285
- Title: Impacts of generative AI skill development on academic adaptation and learning outcomes among university students
- Title（参考訳）: 生成型AIスキル開発が大学生の学業適応と学習成果に及ぼす影響
- Abstract要約: 本研究は, 技能発達の軌跡, 学習実践の変化, 関連する学力について検討した。
34.2%の学生が急激な早期改善、28.4%の安定した改善、21.1%の遅れを報告した。
アカデミック・ゲインは、試験よりも課題のために報告されることが多い。
- 参考スコア（独自算出の注目度）: 1.8625021794520016
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how university students perceive the development of their generative artificial intelligence (GenAI) skills over time can clarify how GenAI use relates to learning and academic outcomes. This study examined perceived skill-development trajectories, changes in learning practices, and associated academic gains using a retrospective questionnaire with 313 analyzed responses and interviews with 18 students across subject areas. Descriptive and comparative analyses and exploratory structural equation modeling (SEM) were integrated with thematic analysis. Perceived developmental trajectories were heterogeneous: 34.2% of students reported rapid early improvement followed by a plateau, 28.4% steady improvement, and 21.1% delayed acceleration. Development was also uneven across skills, with improvement in evaluating GenAI outputs perceived as more challenging; assignments were the most frequently selected driver of skill growth. Interviews further indicated increasingly specific prompting, tailored verification, and selective delegation, although some students reported stable routines, dependence, skipped reasoning, or improvements attributable partly to better GenAI tools. Academic gains were reported more often for assignments than for examinations. The SEM indicated a positive indirect association between perceived skill growth and academic gains through adaptation of assignment processes, whereas academic gains did not clearly differ across developmental trajectory groups after multiplicity correction. The findings suggest that perceived GenAI skill development varies in both trajectory and skill domain and is associated with changes in learning practices and differentiated academic benefits.
- Abstract（参考訳）: 大学生が生成的人工知能(GenAI)のスキルを時間とともにどう感じているかを理解することで、GenAIの使い方が学習と学術的成果にどのように関係しているかを明らかにすることができる。
本研究は,教科領域の18名の学生を対象に,313名の質問紙調査を行い,技能発達の軌跡,学習実践の変化,関連する学力について検討した。
SEM(Descriptive and comparative analysis and Exploratory Structure equation Modeling)をテーマ解析と統合した。
34.2%の学生が急激な早期改善、28.4%の安定した改善、21.1%の遅延加速を報告した。
スキルの面でも開発は不均一であり、GenAIのアウトプットの評価はより困難なものと見なされ、課題はスキル成長の最も頻繁に選択されたドライバーであった。
インタビューでは、より具体的なプロンプト、調整された検証、選択的なデリゲートが示されたが、一部の学生は安定したルーチン、依存、スキップされた推論、改善は、改善されたGenAIツールに起因すると報告した。
アカデミック・ゲインは、試験よりも課題のために報告されることが多い。
SEMは,多能性補正後の発達軌跡群間で,学業利益が明らかに異なるのに対し,学業利益は課題適応によって認知的スキル成長と学業利益の相互関係が示唆された。
このことから,GenAIのスキル開発は,学習実践の変化や学力の差別化にともなうことが示唆された。
関連論文リスト
- Agentic Knowledge-Model Co-Evolution via Consistency Regularization [47.11420125825058]
一貫性に規則化された知識モデル共進化のためのフレームワークであるSPLICEを紹介する。
それは、同じ経験がどのように分析され、異なる知識候補を生み出すかを摂動することで、進化の視点を構築する。
モデル進化の間、自己蒸留は強化学習と共に進化した知識を内部化し、一貫したユーティリティ劣化に関連する知識を対照的な参照として利用する。
論文 参考訳（メタデータ） (2026-10-22T06:09:10Z) - Heterogeneous Agentic Coevolution [47.1305917022255]
Heterogeneous Agentic CoEvolution (HACE)は、相互学習を通じて、特殊な基礎モデルとLLMエージェントを共同で進化させるフレームワークである。
HACEは,推奨システム,生物におけるタンパク質機能予測,物質発見における結晶安定性予測の3分野にまたがって評価される。
論文 参考訳（メタデータ） (2026-10-12T02:34:01Z) - 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) - The impact of generative artificial intelligence on academic development of Chinese students in humanities and social sciences [1.8625021794520016]
本研究は, 利用パターン, 学習過程と学業成績, GenAI利用に伴う課題, およびカリキュラム統合への望ましいアプローチの4つの側面に焦点を当てた。
その結果、半数以上が学習のモチベーション、独立した思考、創造性の向上を感じていることがわかった。
圧倒的多数が倫理的配慮の重要性を重んじたが、プライバシー保護に満足しているのは半分以下だった。
論文 参考訳（メタデータ） (2026-06-23T03:35:30Z) - Learning to Self-Verify Makes Language Models Better Reasoners [65.75109817173315]
大規模言語モデル(LLM)は、複雑なタスクに対する有望な推論パスを生成する上で、強力なパフォーマンスを達成する。
強力な生成能力にもかかわらず、LSMは自身の答えを検証するのに弱いままである。
同じタスクであっても、生成を改善することは、自己検証の改善に繋がらないことを示す。
論文 参考訳（メタデータ） (2026-02-07T15:49:06Z) - Socratic Mind: Impact of a Novel GenAI-Powered Assessment Tool on Student Learning and Higher-Order Thinking [2.192176712066146]
本研究では,ジェネレーティブ・人工知能(GenAI)を利用した形式的評価ツールであるソクラティック・マインド(Socratic Mind)が学習結果に与える影響について検討する。
GenAIツールに携わる学生は、クイズスコアが、そうでない学生に比べて大幅に向上した。
我々の研究は、より深いエンゲージメントと高次の認知スキルを育成する上で、AIによる対話の約束を強調した。
論文 参考訳（メタデータ） (2025-09-18T03:08:24Z) - 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) - 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) - Understanding Student and Academic Staff Perceptions of AI Use in Assessment and Feedback [0.0]
高等教育における人工知能(AI)と生成人工知能(GenAI)の台頭は、評価改革を必要としている。
本研究は,AIとGenAIツールを用いた学生と学術スタッフの経験を探索することによって,重要なギャップを解消する。
オンライン調査では、ベトナムの2つの大学とシンガポールの1つの大学から35人の研究スタッフと282人の学生のデータを収集した。
論文 参考訳（メタデータ） (2024-06-22T10:25:01Z)
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。