AI-Automation Tooling in Computer Engineering Education: Mixed-Methods TAM/UTAUT Evidence for a General Acceptance Attitude

技術要約：コンピュータ工学教育におけるAIオートメーション・ツーリング

問題提起
生成AIやローコード・ワークフロー・プラットフォームがソフトウェア実践の不可欠な要素となる中で、コンピュータ工学教育における極めて重要な実証的問いが残されている。それは、学部生がこれらのツールを、有用で、使いやすく、持続的な関与に値するものとして受け入れているか、という点である。次世代のエンジニアは、AIによって拡張されたオートメーションを設計し、それについて推論することが期待されるが、特に東南アジアの教育現場における、こうしたツーリングに対する学生の態度に関するエビデンスは不足している。さらに、既存の文献では、指導的介入の直後に受容を測定するために用いられる、短形式かつ単一ソースの調査票に対する厳密な方法論的処理が欠如していることが多い。

方法論
本研究は、タイの大学のコンピュータ工学部の学部生103名を対象とした、横断的かつ説明的な混合研究法（mixed-methods design）を採用している。参加者は、基礎から中級程度のPythonスキルと、汎用AIツールへの日常的な経験を有しており、オープンソースのローコード・プラットフォームである n8n を活用した、同一のスクリプトに基づく3回のワークショップに参加した。

• 調査手法: ワークショップ後に、テクノロジー受容モデル（TAM）、統合技術受容理論（UTAUT）、およびUTAUT2から導出された6つの構成概念（パフォーマンス期待（PE）、努力期待（EE）、行動意図（BI）、自己効力感（SE）、享楽的動機付け（HM）、および出力品質（OQ））に対応する、12項目の5件法リッカート尺度質問票を実施した。各構成概念は2つの項目によって測定された。
• 定量的分析: パルシモニアス（簡潔）な設計（構成概念あたり2項目、$N=103$）による制限に対処するため、構造方程式モデリング（SEM）は避け、堅牢な非パラメトリック手法および順序統計学的手法を採用した。分析には以下が含まれる：
  • ポーコリック相関に基づくSpearman-Brown係数およびMcDonald's omega ($\omega$) を用いた信頼性推定。
  • 構成概念の平均値に対するブートストラップ信頼区間（95%, $B=5,000$）。
  • 中立的な中間値（3.0）に対する一標本Wilcoxon符号付順位検定。
  • 多重比較のためのHolm補正を伴うSpearman相関。
  • 次元診断：共通メソッドバイアスおよび因子の分離性を評価するための、Hornの平行分析、Harmanの単一因子テスト、およびKaiser-Meyer-Olkin（KMO）指標。
• 定性的分析: 定量的データとの収束および相違を特定するため、13件の実質的な自由記述コメントに対して、帰納的な主題分析（thematic analysis）を行った。

主な結果

1. 高い受容レベル: 全6つの構成概念において、平均値は中立的な中間値を有意に上回り（$p < 0.0001$）、大きな効果量を示した（$r$ は0.68から0.81の範囲）。平均スコアの順位は、PE (4.28) > OQ (4.16) > EE (4.11) > BI (4.05) > SE (4.04) > HM (4.00) であった。
2. 次元の崩壊: 次元診断の結果、理論的に異なる6つの構成概念が、単一の全般的受容因子へと崩壊することが明らかになった。Hornの平行分析では、1つの因子のみが保持され（固有値8.77に対し、ランダムなベンチマークは約1.76）、Harmanのテストでは第1因子の分散が73.1%であった。これは、短形式のポストワークショップの文脈において、学生は受容の各サブファセットを経験的に区別しておらず、ホリスティックな「ハロー（後光）」的な態度として反応していることを示唆している。
3. 定量的・定性的データの乖離: 出力品質（OQ）の定量的スコアは高かったものの、定性的フィードバックでは「信頼性に懐疑的な少数派」の存在が明らかになった。一部の学生は、プロンプトの一貫性のなさや結果の不正確さについて懸念を表明しており、集団としての支持が、オートメーションに対する較正された信頼と必ずしも一致しないことを示している。
4. セッション間の一貫性: Kruskal-Wallis検定により、3回のワークショップセッション間で受容プロファイルに統計的な有意差がないことが確認され、プロトコルの忠実性が検証された。

主要な貢献

• 実証的貢献: 本研究は、TAM/UTAUTの文献において過小評価されている集団である、タイのコンピュータ工学部の学部生における、AIオートメーション・ツーリングの受容に関する構成概念レベルのエビデンスを初めて提供した。
• 方法論的貢献: 短形式の順序変数を用いた単一ソースの調査票に対する、透明性の高い分析フレームリークを提示している。ポーコリック相関、非パラメトリック検定、および明示的な次元診断を用いることで、SEMが識別不能な状況においても、因子の分離性をデフォルトの仮定とせずに、いかに厳密にデータを分析できるかを示している。
• 理論的貢献: カノニカルなTAM/UTAFのサブファセットが、短期的な指導設定においては単一の全般的受容態度へと崩壊するという発見は、単一の曝露直後にはこれらの構成概念が経験的に分離可能であるという仮定に疑問を投げかけるものである。これは、受容の完全なノモロジカル・ネットワーク（法則的ネットワーク）が顕在化するには、持続的な縦断的曝露が必要であることを示唆している。
• 教育学的貢献: 混合研究法の統合により、理論に基づいた3つの指導的レバーを特定した：
  1. 努力期待（EE）の摩擦に対処するための、指導シーケンスの足場架け（scaffolds）。
  2. 有用性を認識することと、実行能力を感じることの間の溝を埋めるための、自己効力感（SE）のサポート。
  3. 出力品質（OQ）の認識における乖離に対処するための、信頼較正（trust-calibration）的介入（例：失敗に遭遇し、それを検証するための構造化された機会）。

意義と主張
本論文は、学部生のAIオートメーション・ツーリングへの受容は概して好意的であり、道具的な有用性に根ざしているものの、ワークショップ直後の態度は、個別の心理的要因の集合体ではなく、一般化された未分化な構成概念であると主張している。したがって、短形式の受容調査票は、単一の態度次元の尺度として解釈されるべきであり、信頼性に関する具体的な懸念を検出するために定性的調査によって補完されるべきである。

本研究は、カリキュラムへの当該ツールの導入がデータによって支持されていると結論付けているが、効果的な教育は単なる「露出」を超えなければならない。それは、初期の熱狂が成熟した、較正されたオートメーション・システムへの依存へと移行することを前提とするのではなく、検証行動を通じて学生の信頼を較正するように設計された、いわゆる「適切な依存（appropriate-reliance）問題」に積極的に取り組む必要がある。著者らは、本研究の知見が単一の機関および横断的設計に限定されていることを明記しており、因果推論を妨げるものであることを認め、初期の好意的な態度が、適切な長期的使用行動へとどのように成熟するかを追跡するための縦断的研究を求めている。