論文の概要: Generative artificial intelligence prompting strategies among Chinese university students across academic tasks

• arxiv url: http://arxiv.org/abs/2610.39571v1
• Date: Thu, 29 Oct 2026 08:14:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.061571
• Title: Generative artificial intelligence prompting strategies among Chinese university students across academic tasks
• Title（参考訳）: 学術課題における中国の大学生の創造的人工知能推進戦略
• Abstract要約: 本研究は,大学生が認知するGenAI促進能力について検討し,プロンプト戦略を報告した。 学生は、さまざまな学術活動でGenAIを使用しており、一般的にその促進能力に自信を示していた。 学生はまた、簡潔な指示とすべての関連する情報を最初から提供することを一般に支持した。
• 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: Generative artificial intelligence (GenAI) is increasingly embedded in university learning, yet effective human-GenAI interaction depends not only on access to these tools but also on students' ability to formulate, evaluate, and refine prompts for academic tasks. This study examined university students' perceived GenAI prompting capability and reported prompting strategies. Questionnaire data from 234 students were analyzed using descriptive statistics, measurement modelling, scenario comparisons, structural associations, and qualitative coding of optional comments. Students reported using GenAI across diverse academic activities and generally expressed confidence in their prompting capabilities, particularly in providing relevant context and refining prompts following initial outputs. However, prompting strategies showed limited sensitivity to task types: specifying output format was more strongly endorsed in a creative workshop preparation scenario than in a research-oriented assignment, whereas other matched strategies showed no adjusted differences. Students also commonly endorsed both concise instructions and providing all relevant information at the outset, suggesting that effective brevity may depend more on selecting and organizing task-relevant information than on prompt length alone. By contrast, fixed prompt templates received lower endorsement than other prompting strategies. In the adopted factor model, perceived cognition showed the clearest unique association with perceived prompting capability, while open-ended responses highlighted prompt-intent alignment as a common challenge.
• Abstract（参考訳）: ジェネレーティブ・人工知能(GenAI)は、大学教育にますます組み込まれつつあるが、効果的な人間とAIの相互作用は、これらのツールへのアクセスだけでなく、学生が学術的な課題の手順を定式化し、評価し、洗練する能力にも依存している。 本研究は,大学生が認知するGenAI促進能力について検討し,プロンプト戦略を報告した。 234名の学生を対象に, 記述的統計, 測定モデル, シナリオ比較, 構造的関連, 定性的コメント符号化を用いて質問紙調査を行った。 学生は様々な学術的活動でGenAIを使用しており、特に関連する文脈や初期出力のあとのプロンプトの提供において、そのプロンプト能力に自信を示していた。 しかし、プロンプト戦略はタスクタイプに対して限定的な感受性を示し、アウトプットフォーマットの指定は研究指向の課題よりも創造的なワークショップ準備シナリオで強く支持された。 学生はまた、簡潔な指示とすべての関連情報を最初から提供することを一般に支持しており、効果的な簡潔さは、即時長単独よりもタスク関連情報の選定と整理に依存する可能性があることを示唆している。 対照的に、固定プロンプトテンプレートは他のプロンプト戦略よりも低い支持を受けていた。 適応因子モデルでは、知覚認知は、知覚的刺激能力と最も明確な一意な関連性を示し、オープンエンド応答は、インテリジェントアライメントを共通の課題として強調した。

関連論文リスト

• 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)
• Exploring Student Perception on Gen AI Adoption in Higher Education: A Descriptive Study [1.978884131103313]
  本研究では,学生が生成人工知能(GenAI)をどのように認識し,活用し,評価するかを検討する。 データは、ハートフォードシャー大学の大学院コンピュータサイエンスの学生436名を対象に実施されたアンケートによって収集された。
  論文  参考訳（メタデータ） (2026-03-29T17:19:39Z)
• 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)
• Teaching Language Models To Gather Information Proactively [53.85419549904644]
  大規模言語モデル(LLM)は、ますます協力的なパートナーとして機能することが期待されている。 本研究では,アクティブな情報収集という新たなタスクパラダイムを導入する。 キー情報をマスキングする、部分的に特定された現実世界のタスクを生成するスケーラブルなフレームワークを設計する。 このセットアップの中核となるイノベーションは、真に新しい暗黙のユーザー情報を引き出す質問に報酬を与える、強化された微調整戦略です。
  論文  参考訳（メタデータ） (2025-07-28T23:50:09Z)
• Short-Term Gains, Long-Term Gaps: The Impact of GenAI and Search Technologies on Retention [1.534667887016089]
  本研究では,認知複雑性の異なるタスクにおいて,GenAI(ChatGPT),検索エンジン(Google),e-textbooksが学生のパフォーマンスに与える影響について検討した。 ChatGPTとGoogleグループは、低次の認知タスクの即時評価において、コントロールグループを上回った。 AI駆動のツールは即時パフォーマンスを促進するが、構造化学習戦略がサポートしない限り、本質的に長期維持を強化するものではない。
  論文  参考訳（メタデータ） (2025-07-10T00:44:50Z)
• The Agency Gap: How Generative AI Literacy Shapes Independent Writing after AI Support [4.013708138746962]
  本研究は,GenAIリテラシーが自己開始と規制を必要とする状況下で,学生の筆記能力を予測する程度について検討する。 文章は洞察力、視覚データ統合、組織、言語的品質、批判的思考などにわたって評価された。
  論文  参考訳（メタデータ） (2025-07-06T14:01:06Z)
• Evolving Prompts In-Context: An Open-ended, Self-replicating Perspective [65.12150411762273]
  ランダムなデモを不整合な "gibberish" にプルーニングすることで,多様なタスクにおけるパフォーマンスが著しく向上することを示す。 本稿では,低データレジームのみを用いてプルーニング戦略を自動的に検索する自己発見プロンプト最適化フレームワークPromptQuineを提案する。
  論文  参考訳（メタデータ） (2025-06-22T07:53:07Z)
• Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
  KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。 動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-05T09:32:03Z)
• Active Learning for Abstractive Text Summarization [50.79416783266641]
  本稿では,抽象テキスト要約におけるアクティブラーニングのための最初の効果的なクエリ戦略を提案する。 ALアノテーションにおける私たちの戦略は、ROUGEと一貫性スコアの点からモデル性能を向上させるのに役立ちます。
  論文  参考訳（メタデータ） (2023-01-09T10:33:14Z)
• A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
  エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。 このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-04-04T14:59:32Z)

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。