Faculty Orientations Shape Adoption of AI in Research and Teaching

技術的サマリー：教員の向き合い方が研究および教育における AI の受容を形作る

問題提起
高等教育において大規模言語モデル（LLM）が広く利用可能であるにもかかわらず、教員による受容と利用には大きなばらつきが見られる。既存の文献は、このばらつきと、AI に対する複数の解釈（ツール、知識源、あるいは脅威として）の共存を記録しているが、現在の技術受容モデルは、なぜ教員が同様の機能に対して異なる反応を示すのかを完全に説明できていない。ロジャーズの革新の普及（DoI）や技術受容・利用の統一理論（UTAUT）といった従来の枠組みは、外部条件、社会的影響、および知覚された有用性を強調する。しかし、これらのモデルは、技術が学問的推論や知識生産と直接相互作用する文脈では不十分である可能性がある。著者らは、AI 利用のばらつきは、アクセス、情報源、または一般的な態度だけでは説明できず、教員がいかに自らの特定の学問分野内において AI の認識論的役割を概念化しているかを調査する必要があると提唱している。

方法論
本研究は、科学研究振興財団（RCSA）のコトレル奨学金を受賞した 572 名の STEM 分野の教員を標的とした混合研究法の調査デザインを採用した。この集団は、受賞の二重選定基準（科学的研究の質と革新的な教育計画）により、新興技術を実験的に活用している可能性が高い「標的集団」として選定された。

• データ収集: 2025 年秋に実施された本調査は、20% の回答率（116 件の回答）を達成し、50% の完了閾値を適用した後に 90 件の回答が分析用に保持された。
• 調査票設計: 調査票は、研究、教育、その他の専門的タスクにおける AI 利用パターン、ツールの情報源、機関のイニシアチブ、態度に関する記述（リッカート尺度）、および人口統計データを捉えた。項目は DoI と UTAUT の構成概念に基づいて作成された。
• 量的分析: 著者らは、態度および文脈変数に対して探索的因子分析（EFA）を実施し、潜在構造を特定した。二値データと順序データを処理するために、混合相関行列（二項多項、多項多項、および多項連続）が使用された。その後、ロジスティック回帰分析と相関分析を用いて、特定された因子を自己申告の利用状況に対して検証した。
• 質的分析: 自由記述式の調査回答は、反復的な出現的コーディング手順を用いて分析された。初期コードは、実践、認識論的、情動的、構造的という 4 つの高次構成概念に統合された。評価者間信頼性はクリッペンドルフの$\alpha$を用いて評価された。
• 統合: 量的因子スコアと統合された質的コードを相関させることで、推論と経験が特定された潜在構成概念とどのように整合するかを検討した。

主要な貢献と結果
本研究の主な貢献は、「AI 教育学的向き合い方」と呼ばれる一貫した潜在構成概念の特定にある。

1. 因子の特定: EFA は、態度データの変異の 55% を説明する単一次元の 9 項目尺度を明らかにした。この因子は、研究、教育、およびその他の専門的活動における自己申告の AI 利用を強く予測する（オッズ比は 2.8 から 5.0 の範囲）。
2. 構成概念の性質: 「AI 教育学的向き合い方」は、単に肯定的または否定的な感情を測定するものではない。むしろ、それは AI が学問的思考、学習、および専門性の発展において果たすべき役割に対する異なる見方を反映している。
   • 高い向き合い方: AI を学問的思考を支援し、付随的なタスクを委任し、効率を高めるツールとして捉えることに関連する。これらの回答者は、批判的評価を通じてリスクを管理しながら、ワークフローに AI を統合する。
   • 低い向き合い方: AI を深い学習や専門性の発展に対する潜在的な脅威として捉えることに関連する。これらの回答者は、効率性よりも努力と意図的な関与を優先し、利用を制限するか、伝統的な方法に代えて LLM を拒否することが多い。
3. 伝統的予測子の弱さ: 標準的な受容モデルとは対照的に、機関のイニシアチブ、人口統計変数（キャリア段階、機関の種類）、および情報源は、AI 利用と比較的弱い、あるいは有意ではない関連を示した。ツールへのアクセスは向き合い方の一部ではあるが、ツールの役割の概念化が支配的な予測因子である。
4. 質的裏付け: 質的分析は、向き合い方が認識論的境界によって定義されていることを確認した。高い向き合い方の回答者は AI を「対話的な認知パートナー」として枠組み化したのに対し、低い向き合い方の回答者はそれを「表面的な関与」または「過信した誤り」の源として枠組み化した。両者の違いは、リスクの認識の有無（両グループともそれを認めている）ではなく、そのリスクをツールを避ける理由として捉えるか、管理すべき制約として捉えるかという点にある。

意義と主張
著者らは、知識生産や学問的推論と直接相互作用する技術については、既存の技術受容モデルが不完全である可能性を主張している。本研究は、AI の文脈において、受容はアクセス、政策、研修といった外部要因よりも、「科学を行う」ことと教育の実践に技術がどのように適合するかという内部的、認識論的な解釈によって駆動されていることを示唆している。

本論文は、知覚された有用性や機関の支援といった要因は依然として関連性があるものの、教育に携わるこの集団内における受容のばらつきを完全に説明するものではないと控えめに結論づけている。この知見は、AI 受容を支援する取り組みは、アクセスと技術研修の提供を超えて、教員が AI がどのように学問的思考を支援（あるいは損なう）するかを明確化することを支援する方向へ移行する必要があることを示唆している。著者らは、サンプルが特定（コトレル受賞者）であり、ある時点のスナップショットを表していることに留意しており、したがって、観察された関係性は、機関構造が成熟し、受容がより広範になるにつれて変化する可能性があるとしている。今後の研究として、これらの向き合い方が時間とともにどのように発展するか、およびそれらが学生学習環境にどのように転移するかを検討することが提案されている。