Learners’ Engagement with Artificial Intelligence: Validation of the Cognitive-Affective AI Engagement Model
本研究は、ハンガリーの大学1年生1,249名から得られたデータの確認的因子分析を通じて、LLMベースのAIツールに対する大学生のエンゲージメントを測定するための信頼できる4次元のフレームワークとして、認知・感情的AIエンゲージメントモデル（CAAIEM）を検証し、強力な心理計量的特性を実証すると同時に、さらなる異文化間妥当性検証の必要性を指摘している。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現代の教室では、新しい教科書や黒板によってではなく、エッセイを書き、問題を解き、会話を行うことができる知的なコンピュータ・プログラムによって、静かな革命が起きている。大規模言語モデルとして知られるこれらのツールは、サイエンス・フィクションの世界から、学生たちの日常生活へと移り変わった。教育者や研究者にとって、切実な問いが浮上している。学習者は実際にどのようにしてこれらのテクノロジーと結びついているのだろうか。彼らと人工知能との関係は、単に利便性のためのチェックボックスを埋めるだけのものなのだろうか、それとも、より深い感情、習慣、そして将来への希望を伴うものなのだろうか。これを理解するために、科学者たちは「エンゲージメント（関与）」に注目している。これは、ある人が活動にいかに深く関わっているかを表す概念である。従来、これはツールが有用であるか、あるいは使いやすいかという観点から捉えられてきた。しかし、人工知能がより対話的でパーソナルなものになるにつれ、研究者たちは、その図式がより複雑なものであると考えている。それはおそらく、学生がそのツールとどれくらいの頻度で交流するか、その体験をどれほど楽しんでいるか、ツールを効果的に使う能力に対してどれほどの自信を持っているか、そして将来にわたって学習を継続する意思があるか、といった要素を含んでいる。これらの層を理解することは極めて重要である。なぜなら、もし学校や開発者がツールの機能性だけに焦点を当ててしまうと、学生を学びへと引き戻し続ける感情的・行動的な原動力を見逃してしまう可能性があるからである。
ハンガリーのセゲド大学の研究チームは、この未開拓の領域をマッピングすることに着手した。彼らは、学生が人工知能といかに関わっているかを捉える新しい方法を提案し、それが単一の感情ではなく、4つの明確な要素の組み合わせであることを示唆した。彼らはこれを「認知・感情的AIエンゲージメント・モデル（Cognitive-Affective AI Engagement Model）」と呼んだ。第一の要素は「相互作用の強度（interaction intensity）」であり、これは単に、学生が日常生活や学習においてこれらのツールをどの程度の頻度で、どの程度深く使用しているかを測定するものである。第二は「道具的効力（instrumental efficacy）」であり、これは、テクノロジーが実際に自分の作業をより速く、より良くこなす助けになるという学生の信念を捉えるものである。第三は「感情的エンゲージメント（affective engagement）」であり、これは体験の感情的な側面、すなわち、学生がAIを使用する際に楽しさ、心地よさ、あるいは純粋な好感を抱いているかを指す。最後の要素は「学習継続意図（learning continuance intent）」であり、これは未来を見据えたもので、学生が進化し続けるこれらのテクノロジーについて、今後も学び続け、使い続ける計画があるかどうかを測定する。
この4部構成のモデルが実際に現実を反映しているかどうかを検証するために、研究者たちは大規模な第一学年の大学生グループを集めた。彼らは、ハンガリーのセゲド大学の様々な学部から1,249人の学生を調査に招待した。参加者は主に18歳から22歳の間であり、これら4つの領域を測定するために設計されたアンケートに回答した。質問内容は、AIアプリケーションをどの程度の頻度で使用しているか、AIが自身のパフォーマンスを向上させるとどの程度同意するか、AIを使うことをどの程度楽しんでいるか、そして将来的にそれについて学び続ける意図があるか、といった報告を求めるものであった。その後、研究者たちは高度な統計手法を用い、学生の回答がモデルが予測した4つのカテゴリーに自然にグループ化されるのか、あるいはデータが全く異なる構造を示唆しているのかを確認した。
結果は明白であり、新しいモデルを支持するものだった。研究者がデータを分析したところ、提案した4つのカテゴリーこそが、これらの学生が人工知能といかに関わっているかを説明する最善の方法であることが判明した。データは、すべての回答が単一の一般的な感情を指し示す単純なモデルや、3つのカテゴリーのみを持つモデルには適合しなかった。むしろ、これら4つの明確な次元が、全体的な体験の別個でありながらも関連した部分として際立っていたのである。学生たちの回答は、彼らの行動、有用性に関する信念、感情、そして将来の計画が、すべて測定可能で独立したエンゲージメントの側面であることを一貫して示していた。この研究は、これら4つの要素が連携して、学習者がAIとどのように関わるかという完全な姿を形作っていることを裏付けた。
研究者たちはまた、質問事項が信頼できるものであるか、そして意図した通りのものを実際に測定しているかを確認した。彼らは、各4領域の質問が整合していることを見出した。例えば、楽しさに関する質問はすべて密接に関連しており、将来の計画に関する質問も同様であった。これにより、このモデルが学生の行動を理解するための堅実なツールであるという確信が得られた。さらに、これら4つの領域は互いに関連しているものの、別個の概念として扱うのに十分な違いがあることも検証した。例えば、AIが有用であると感じる学生は、それを使用することを楽しむ傾向もあったが、本研究によれば、有用性と楽しさは同一のものではないことが示された。同様に、AIを頻繁に使用する学生と、単に将来使用する計画を持っている学生では、動機が異なっていた。
この研究は、教育における人工知能の人間的な側面を理解するための重要な一歩となる。エンゲージメントをこれら4つの具体的な構成要素に分解することで、研究者たちは、教育者や開発者が単なる使用統計を超えて、その本質を見るための枠組みを提供した。これは、学生が真にAIの恩恵を受けるためには、テクノロジーが効果的であるだけでなく、感情的な共鳴を生み、かつ彼らの長期的な学習目標と一致していなければならないことを示唆している。研究結果は、これらのツールの導入を成功させるには、単に今日のタスクを完了させるのを助けるかどうかだけでなく、学生がテクノロジーをどのように感じ、それを将来どのように活用していくと考えているかに注意を払う必要があることを示している。この研究は特定のハンガリーの学生グループに焦点を当てたものであるが、検証されたこのモデルは、教育を形成しつつあるインテリジェントな機械と学習者との複雑な関係を記述するための、新しい言語を提供している。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。