論文の概要: Student-LLM Interactions During Math Learning: Limited Epistemic Proactivity Overall, but Within-chat Change Predicts Performance Without AI

• arxiv url: http://arxiv.org/abs/2610.38950v1
• Date: Wed, 28 Oct 2026 21:35:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 08:15:19.312943
• Title: Student-LLM Interactions During Math Learning: Limited Epistemic Proactivity Overall, but Within-chat Change Predicts Performance Without AI
• Title（参考訳）: 数学学習における学生とLLMの相互作用: 総合的な認知的活動は限定的だが、チャット内変化はAIを使わずにパフォーマンスを予測する
• Abstract要約: 大規模言語モデル(LLM)は、学習にますます使われており、重要な疑問を提起している。AIで作業しながら学習が行われる認知的および規制的活動に対して、学習者が責任を負うことができるのか? 我々は,自己統制学習(SRL)の動きを通じて,情緒的積極性を概念化し,助けを求める戦略と,情緒的警戒の顕在化を補完する。 一般目的LLM(ミストラル)を用いた112人の中学生のオープンエンド数学的モデリング実習を完了した880進路におけるこれらの行動分析を行った。
• 参考スコア（独自算出の注目度）: 2.024558551027881
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language models (LLMs) are increasingly used for learning, raising a key question: can learners remain epistemically proactive, retaining responsibility for the cognitive and regulatory activities through which learning is produced while working with AI? Because this responsibility may change as interactions unfold, we examine epistemic proactivity as a developing process. We conceptualize epistemic proactivity through self-regulated learning (SRL) moves, complemented by help-seeking strategies and manifestations of epistemic vigilance. We analyzed these behaviors in 880 substantive turns from 112 secondary-school students completing open-ended mathematical-modeling practice with a general-purpose LLM (Mistral). Overall, students showed limited observable epistemic proactivity: their interactions were strongly request-dominated, with planning, monitoring, and evaluation relatively rare, although low-quality AI responses elicited more explicit evaluation. Temporal analyses qualified this picture: explicit SRL-related moves increased modestly over the chat, but help-seeking strategies became less understanding-oriented. Crucially, these temporal trajectories in help-seeking strategies predicted their post-test performance without AI beyond pre-test and aggregate patterns: students whose requests became more understanding-oriented performed better once AI assistance was removed. Thus, while students had a limited epistemic proactivity overall, its temporal development still was a critical predictor of post-test performance without AI. These results underscore the importance of examining the temporal organization of epistemic proactivity, rather than isolated prompt types, for understanding AI-supported learning. We release our fully-anonymized dataset publicly in an OSF repository.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、学習にますます使われ、重要な疑問を提起する。学習者は、AIで作業しながら学習が生み出される認知および規制活動に対する責任を保ちながら、認識的に積極的に活動し続けることができるのか? この責任は、相互作用が広がるにつれて変化する可能性があるため、発達過程としててんかんの活性を調べる。 我々は,自己統制学習(SRL)の動きを通じて,情緒的積極性を概念化し,助けを求める戦略と,情緒的警戒の顕在化を補完する。 本研究では,112人の中学生を対象に,汎用LLM(ミストラル)を用いたオープンエンド数学的モデリングの実践を行った。 学生は概して、観察可能な予後が限られており、その相互作用は、計画、監視、評価が比較的稀であるが、低品質なAI反応はより明確な評価を招いた。 露骨なSRL関連の動きはチャット上で緩やかに増大するが、ヘルプ検索戦略は理解に向かないものになった。 重要なことに、ヘルプ検索戦略におけるこれらの時間的軌跡は、事前テストや集約パターンを超えて、AIなしでのテスト後のパフォーマンスを予測した。 このように、学生は総合的にてんかんの確率が限られていたが、その時間的発達は、AIを使わずにテスト後のパフォーマンスを決定的に予測する要因であった。 これらの結果は、AI支援学習を理解するために、孤立したプロンプト型ではなく、てんかん性活動の時間的組織を調べることの重要性を浮き彫りにした。 完全に匿名化されたデータセットをOSFリポジトリで公開しています。

関連論文リスト

• Proactive Physical AI through Continuous Observation and Timely Intervention [67.51229925917208]
  ProAgentは2つのコンポーネントを中心に構築されたエンドツーエンドシステムである。 Jevスタイルのプロアクティブタイミングモデルは、介入が必要かどうかを判断する。 Response Modelは、人に対するレスポンスを生成したり、物理的実行のために利用可能なデバイス機能を呼び出す。
  論文  参考訳（メタデータ） (2026-10-12T15:33:34Z)
• Constructing Epistemic AI Literacy: Detecting Epistemic Aims and Processes in Student-AI Co-Programming [0.0]
  創造的人工知能(GenAI)を応用する学生の学習過程において、疫学的思考が中心的な役割を担っている 本研究では、疫学AIリテラシー(EAIL)の概念的枠組みを紹介する。 その結果、EAILの欠如が顕著であり、78.8%の学生-GenAI相互作用は、非専門的目的に依存していることが明らかとなった。
  論文  参考訳（メタデータ） (2026-06-30T21:43:35Z)
• From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning [2.024558551027881]
  GenAIは、学生が学習コンパニオンとして使うことが多い。 本研究では,9年生の数学教育における汎用LLMとの対話について検討した。
  論文  参考訳（メタデータ） (2026-06-26T14:54:37Z)
• Critical Thinking in the Age of Artificial Intelligence: A Survey-Based Study with Machine Learning Insights [1.5223740593989443]
  本稿では,AI利用行動と批判的思考能力の関係について検討する。 その結果、背景特性のみよりも、忍耐力の低下と依存関係の強い傾向が推論性能の低下と密接に関連していることが示唆された。 効果的な人間とAIのコラボレーションは、その代わりではなく、リフレクション、検証、持続的な認知的努力をサポートするべきだ、と氏は主張する。
  論文  参考訳（メタデータ） (2026-03-18T03:22:44Z)
• Transforming GenAI Policy to Prompting Instruction: An RCT of Scalable Prompting Interventions in a CS1 Course [8.222598094097867]
  ICAPフレームワークをベースとした4つの指導条件を,テスト前,即時,遅延後,調査により有意差が認められた。 その結果,条件1から条件4まで,すべての条件が向上し,段階的に向上することが判明した。 同様の試験前スコアを持つ学生の場合, 試験直後の高等教育成績は, グループ間での直接差はみられなかったが, 最終試験直後の成績の上昇を予測できた。
  論文  参考訳（メタデータ） (2026-02-17T21:40:12Z)
• AI instructional agent improves student's perceived learner control and learning outcome: empirical evidence from a randomized controlled trial [29.45751702212421]
  本研究は,教科を主教科とする中等教育課程において,AI指導エージェントが生徒の認知的学習者制御と学業成績に与える影響について検討した。 AI指導エージェントグループの学生は、他のグループに比べて学習者のコントロールが有意に高いことを報告した。
  論文  参考訳（メタデータ） (2025-05-28T16:13:27Z)
• Reinforcement Learning under Latent Dynamics: Toward Statistical and Algorithmic Modularity [51.40558987254471]
  強化学習の現実的な応用は、エージェントが複雑な高次元の観察を行う環境を含むことが多い。 本稿では,統計的・アルゴリズム的な観点から,textit General$ latent dynamicsの下での強化学習の課題に対処する。
  論文  参考訳（メタデータ） (2024-10-23T14:22:49Z)
• Hierarchical Decomposition of Prompt-Based Continual Learning: Rethinking Obscured Sub-optimality [55.88910947643436]
  大量のラベルのないデータを実際に扱うためには、自己教師付き事前トレーニングが不可欠である。 HiDe-Promptは、タスク固有のプロンプトと統計のアンサンブルで階層的なコンポーネントを明示的に最適化する革新的なアプローチである。 実験では,HiDe-Promptの優れた性能と,継続学習における事前学習パラダイムへの頑健さを実証した。
  論文  参考訳（メタデータ） (2023-10-11T06:51:46Z)
• Autonomous Reinforcement Learning: Formalism and Benchmarking [106.25788536376007]
  人間や動物が行うような現実世界の具体的学習は、連続的で非エポゾディックな世界にある。 RLの一般的なベンチマークタスクはエピソジックであり、試行錯誤によってエージェントに複数の試行を行う環境がリセットされる。 この相違は、擬似環境向けに開発されたRLアルゴリズムを現実世界のプラットフォーム上で実行しようとする場合、大きな課題となる。
  論文  参考訳（メタデータ） (2021-12-17T16:28:06Z)
• Stateful Offline Contextual Policy Evaluation and Learning [88.9134799076718]
  我々は、シーケンシャルデータから、政治以外の評価と学習について研究する。 動的パーソナライズされた価格設定などの問題の因果構造を形式化する。 本報告では,本クラスにおけるアウト・オブ・サンプル・ポリシーの性能改善について述べる。
  論文  参考訳（メタデータ） (2021-10-19T16:15:56Z)
• Persistent Reinforcement Learning via Subgoal Curricula [114.83989499740193]
  VaPRL(Value-accelerated Persistent Reinforcement Learning)は、初期状態のカリキュラムを生成する。 VaPRLは、エピソード強化学習と比較して、3桁の精度で必要な介入を減らす。
  論文  参考訳（メタデータ） (2021-07-27T16:39:45Z)

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。