論文の技術的サマリー：「すべての大学生のための AI バディへの道？学生経験、態度、および動機に関する調査」

この論文は、スイスの大学（チューリッヒ大学）の学生 926 名を対象とした大規模な横断調査に基づき、生成 AI（GenAI）ツールの普及下における学生の AI 利用経験、AI バディ（学習コンパニオン）への受容性、およびそれが伝統的な学術活動への関与に与える影響を分析したものです。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細を記述します。

---

1. 問題定義 (Problem)

高等教育における生成 AI の統合は急速に進んでいますが、以下のギャップが存在していました。

• 実証データの不足: 学生がパーソナライズされた「AI バディ（デジタルコンパニオン）」をどのように経験し、どの程度の準備ができているか、またその受容が従来の学術活動（講義出席や図書館利用など）にどのような波及効果をもたらすかについての実証的知見が不足していた。
• 動機と受容のメカニズム: 以前の AI 導入研究では、過去の経験や知覚された能力が技術受容を左右することは示唆されていたが、AI コンパニオンという特定の文脈における学生動機（特に自己決定理論の観点から）との関係性は未解明だった。
• 物理的キャンパスの価値: AI への依存が、対面教育や大学コミュニティの社会的・対話的な側面を侵食する可能性があるという懸念に対し、実証的な反証または裏付けが必要とされていた。

2. 研究方法 (Methodology)

• 調査対象: チューリッヒ大学（UZH）の学生 926 名（有効回答）。
  • 対象者属性：平均年齢 26 歳、平均在籍年数 3 年。男女比は女性 58.1%、男性 38.3%。全 7 学部から回答を得たが、人文社会科学部と理学部が過剰代表、医学部や法学部は低めだった。
• 調査手法: 2024 年 4 月に実施された横断調査（クロスセクショナル・サーベイ）。
  • ツール: Qualtrics を使用。ドイツ語と英語の両言語で実施。
  • 構成: 5 つの主要テーマブロック（人口統計、デジタルリテラシー、AI スキル、AI バディへの態度、デジタル化が大学出席に与える影響）。
  • 分析手法:
    • 量的データ：Jamovi (R ベース) を使用。記述統計、カイ二乗検定、分散分析（ANOVA）、ピアソンの相関分析（有意水準 p < 0.05）。効果量（r）の評価も実施。
    • 質的データ：オープンエンド回答のテキスト分析（R 使用）により、テーマとパターンを特定。

3. 主要な貢献 (Key Contributions)

1. AI バディ概念の検証: 単なるタスク支援ツールではなく、学業全体を通じて学生を支援する「AI バディ」という概念に対する学生の態度を初めて体系的に調査した。
2. 受容と伝統的活動の相関分析: AI ツールの受容意欲が、講義出席や図書館利用といった伝統的な学術行動とどのように関連するかを定量的に示した（弱く負の相関）。
3. プライバシーと信頼のジレンマの解明: 学生が AI の利便性を高く評価する一方で、データ保護とプライバシーに対して極めて慎重であることを明らかにし、教育機関におけるガバナンスの重要性を浮き彫りにした。
4. 学問分野・性別による格差の提示: 情報学・経済学部と人文・獣医学部、および性別によるデジタルリテラシーと AI への関心の有意な差を特定し、公平な AI 統合の必要性を提言した。

4. 主要な結果 (Key Results)

A. 学生経験と能力 (RQ1)

• 利用経験: 96.9% の学生が過去に AI ツールを利用しており、主に学業（82.4%）と個人利用（76.8%）に使用。
• ツール: ChatGPT が最も一般的（835 言及）、次いで DeepL。
• 能力の自己評価:
  • 強み: 批判的思考（62.3% が上級と評価）やプロンプト作成（34.4% が上級）に対する自信が高い。
  • 弱み: プログラミングや AI ソフトウェアの基礎知識など、技術的・法的スキルでは「基礎レベル」とする学生が半数近く（49.5%）を占め、能力と重要度の認識にギャップがある。
• 格差: 男性は女性よりもデジタル能力を高く評価する傾向があり、経済・情報学部は他学部よりも能力・関心ともに高い。

B. AI バディへの態度 (RQ2)

• 受容意欲: 平均スコア 4.79（7 段階尺度）と、全体的に肯定的。
• 期待される利点: 「時間効率（168 言及）」「情報提供」「学習支援」が主要なメリット。
• 懸念: 「データ保護（508 言及）」「プライバシー」「セキュリティ」が最大の懸念事項。
• データ共有の意向: 学習スケジュールや学習スタイルの共有には積極的だが、成績記録や閲覧履歴などの機微な情報の共有には消極的。データ管理権は学生自身に留めることを 91.4% が希望。
• 評価への関与: 学生は AI バディを成績評価や採点に使用することに強く反対しており、評価権限の委譲には抵抗感がある。

C. 伝統的学術活動との関係 (RQ3)

• 負の相関: AI バディの受容意欲と「講義への出席動機（r = -0.084）」および「図書館利用動機（r = -0.105）」の間に、統計的に有意だが弱い負の相関が見られた。
  • 解釈：AI バディを好む学生は、情報収集や学習支援を AI に求めるため、物理的な講義や図書館への依存度がわずかに低下する可能性がある。
• 無相関: セミナーでの議論、クラスメイトとの交流、学生イベントへの参加など、社会的・協働的な動機とは相関が見られなかった。
  • 解釈：AI バディは情報処理の代替手段となり得るが、大学の社会的・対人的な側面（関連性の欲求）を代替するものではない。

5. 意義と示唆 (Significance)

• 教育的価値の再定義: AI バディは物理的キャンパスの存在意義を否定するものではなく、情報処理タスクを効率化することで、学生が対面での社会的交流や深層的な学習に集中できる環境を創出する可能性がある。
• プライバシーガバナンスの重要性: 学生は AI ツールの導入には前向きだが、データ保護と透明性を最優先する。大学は、評価や採点に AI データを使用せず、集約・匿名化されたデータのみを教育改善に活用する厳格なガバナンス枠組みを構築する必要がある。
• リテラシー教育の転換: 学生はすでに自己主導で AI を学習しているため、大学は単なる「ツールの使い方」教育から、倫理的・批判的・社会的な側面を扱う高度な教育へシフトすべきである。特に、技術系以外の学部におけるデジタル格差の是正が急務。
• 理論的貢献: 自己決定理論（SDT）の観点から、AI は「有能性（Competence）」と「自律性（Autonomy）」を支援できるが、「関連性（Relatedness）」は人間同士の相互作用に依存しており、AI はこれを補完するだけで代替できないことを実証的に示した。

結論として、 本調査は「AI バディ」が高等教育において、学習効率を高める一方で、学生の社会的関与を損なうことなく、物理的キャンパスの価値を維持・強化する可能性を示唆している。成功の鍵は、プライバシー保護、批判的関与の促進、および人間中心の教育環境との調和にある。