このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

研究記事

AI支援学生中心の指導と青少年の学術的自己概念およびコミュニケーション能力:混合手法研究

50 閲覧数

⸱

DOI：

10.3791/72078

⸱

2026年8月4日

 ,  , 
1College of Education, Kookmin University, 2Guangzhou City Construction College

この記事について

サマリー

この混合方法の研究は、AI支援による生徒中心の教室ルーティンを評価し、AI支援の探究、ピアディスカッション、教師の説明、自己評価を含みます。この研究は自己申告による学術的自己概念とコミュニケーション能力に焦点を当て、教室での再現を促進するための十分な手順的詳細を提供します。

要約

この教室ベースの混合方法の準実験的研究は、AI支援型学生中心の指導が、思春期の学業的自己概念および自己申告コミュニケーション能力の変化と関連しているかどうかを検証しました。6つの完全なクラスが、AI支援指導または通常の学生中心の指導条件のいずれかに割り当てられました。この介入は、個別の探求、ピアディスカッション、教師の明確化、自己評価からなる構造化された学習サイクルにAI支援のプロンプトを組み込みました。186名の学生のうち174名が定量分析のために残留しました。学術的自己概念および自己申告によるコミュニケーション能力は、ベースライン、介入直後、およびあらかじめ定められた短期追跡時に評価されました。介入後に相互作用の質、自己評価、学習者の関与度が測定され、36名の学生が半構造化インタビューに参加しました。通常の指導群と比較して、AI支援群は介入後および追跡調査の両方で、ベースライン調整後の追加がより大きいことが認められました。探索的プロセス分析では、AI支援グループにおける相互作用の質、自己評価、学習者の関与が高まり、質的発見ではAI支援のプロンプトが、ピアディスカッションや教師指導と組み合わせることで、説明の検証、回答の修正、自己評価の明確化に役立ったことが示唆されました。参加者はクラスレベルで割り当てられ、アウトカムは主に自己申告であったため、これらの結果は学業成績の因果的改善の決定的な証拠ではなく、教室内の関連性として解釈されるべきです。

概要

人工知能(AI)は教育現場でますます普及しています。しかし、単に技術ツールへのアクセスが学習プロセスを構成するわけではなく、教育的価値は一貫性に欠けています。レビューは教育用AIの進歩を強調する一方で、教師の役割や教室でのやり取りを見落としがちです。これは、能力判断を積極的に形成し、仲間とアイデアを検証する思春期の若者にとって非常に重要です。したがって、AI支援学習は単なる技術的な経験ではなく、学生の疑問、評価、議論の仕方を形作る意図的な教育体制として実施されるべきです。

学生中心の指導は、この課題に対処するための強固な枠組みを提供します。受動的な受容から生徒を移すことで、このアプローチは能動的な参加、課題への関与、ピア・ツー・ピアの説明、そして自律的な意思決定を優先します。メタ分析の研究は、問題解決と学生の関与を特徴とする能動的学習環境が、従来の講義と比べて学業成績を大幅に向上させることを確認しています。しかしながら、学生中心の指導は本質的に効果的ではありません。参加を導くのに十分な構造を持たれつつ、学生が説明、比較、修正を促す柔軟性のある指導課題が求められます。このダイナミクスはAI支援教室ではさらに複雑になります。AIは素早く例や説明、提案を生成できますが、教師の指導やピア評価がないため、生徒はこれらの成果を無批判に受け入れ、より深い思考の素材としてではなく認知的な近道として扱う可能性があります。

学術的自己概念は、この文脈において非常に関連性の高い成果として機能し、学生の学力に関する分野特有の信念を反映しています。これまでの研究では、学問的自己概念は静的な性格特性ではなく、達成や継続的な学習経験と密接に結びついた動的な構造であることが示されています。本研究は、学生が自分の仕事を向上させる自信を評価するために、学術的自己概念を評価します。コミュニケーション能力は二次的な成果として機能し、介入は学生が構造化されたピアフィードバックを通じて正当化を明確にし、説明を洗練させることを求めます。

フィードバックと自己評価は、AI支援とこれらの学習成果をつなぐ重要な教育の架け橋です。効果的な形成的評価には、生徒が進捗を積極的に監視し、基準に照らして測定し、パフォーマンスの差に対処する必要があります。3,4.AI支援の生徒中心の教室では、AIプロンプトが修正のための別の説明や手がかりを生成することがあります。しかし、これらの課題の真の教育的価値は、学生が成果を精査し、仲間と議論し、洗練された回答に翻訳するかどうかにかかっています。したがって、本研究における自己評価は漠然とした態度としてではなく、学習ギャップを特定し修正を行うことを目的とした具体的で観察可能な教室行動として運用されています。

学習者の関与もこの学習サイクルにおいて同様に重要な役割を果たします。多面的な構成要素として認識されているエンゲージメントは、行動参加、感情的関与、認知的投資にまたがる5.この多面性は特に思春期の若者に重要であり、表面的な従順さだけでは深い認知処理が保証されないからです。ある学生は基礎的な理由を分析せずに機械的にワークシートを完成させる一方で、別の学生は質問を少なくしながらも継続的な自己モニタリングと修正を通じて深く関わるかもしれません。AIの導入は理論的には比較や探究のための豊かな資料を提供することでエンゲージメントを高めることができます。逆に、学生が自動出力に無理に頼りすぎると、エンゲージメントが損なわれることもあります。したがって、本研究は学習者の関与をインタラクションの質や自己評価と並べて文脈化し、AI使用を教室内の孤立した出来事として扱うことを意図的に避けています。

教育用大規模言語モデルをめぐる議論は、個別支援と、厳格な境界なしに使われた場合の過度依存や努力の減少といったリスクとの間にある緊張関係を浮き彫りにしています。したがって、学習ルーチンの教育的配列はAI技術自体と同じくらい重要な意味を持つ。本研究では、AI支援のプロンプトを一貫した5段階の教室の順序に組み込みました:教師へのブリーフィング、個別の質問、ピアディスカッション、クラス全体の説明、自己評価です。この特定の設計は、AIの出力を確実な最終回答ではなく、厳密な検証と修正の対象となる予備資料として意図的に位置づけています。

定量的な調査データだけでは学生の実体験の微妙なニュアンスを十分に捉えきれないため、混合手法の研究デザインが採用されました。混合手法アプローチは、参加者の経験、実施条件、教室の展開するダイナミクスを背景に結果の軌跡を解釈する必要がある場合に特に価値があります。本研究では、定量的要素が学術的自己概念とコミュニケーション能力の発達変化を追跡しました。同時に、質的要素では、学生が介入中の相互作用の質、自己評価の実践、課題への関与、認識された障壁をどのように特徴づけたかを探りました。これら2つのエビデンスを統合し、観察された定量的なスコアパターンが学生の地上レベルの教室体験と一致しているかどうかを評価しました。

本研究はまた、AI支援教育に関する文献における大きな実践的ギャップにも対応しています。多くの研究がAI駆動の結果を評価していますが、プロンプトの活用、ピアスキャフォールディング、対照群比較、忠実度モニタリング、混合手法データ統合などを詳細に示した透明で再現可能な教室プロトコルを提供するものは比較的少ないです。数十年にわたるピア間の交流に関する研究は、学生が概念を説明し、ピアからのフィードバックを受け取り、対話を通じて理解を継続的に洗練させることで大きな恩恵を受けることを示しています7。本研究はこの基礎的な論理を基盤とし、AI生成のプロンプトを教師の指導やピア協働という不可欠な役割を奪うことなく、この対話構造にうまく組み込めるかどうかを調査しています。

したがって、本研究では、AI支援で学生中心の指導を単なるAIツールへの曝露ではなく、構造化された教室のプロトコルとして検証しました。提案された指導経路は、まずAI支援のプロンプトが探究と比較のための素材を提供することでした。ピアディスカッションや教師による説明では、生徒がその内容を検証し、正当化し、修正することが求められます。そして最終的な自己評価の段階では、学生が進捗や未解決のギャップを認識できるようになります。この経路の中で、相互作用の質、自己評価、学習者の関与は、学生が指導ルーチンをどのように体験したかを説明するための探索的プロセス変数として扱われ、確立された仲介者として扱われるのではありませんでした。

主な研究課題は以下の通りです:AI支援型学生中心プロトコルは、通常の学生中心の指導よりも学術的自己概念および自己申告コミュニケーション能力に大きな変化をもたらすか?介入後の相互作用の質、自己評価、学習者の関与はAI支援条件下で高くなっているのでしょうか?二次的な探索的質問は以下の通りです:これらのプロセス変数は結果変化スコアと関連性を示すか?質的な面接のテーマは定量的調査結果と収束したり、拡張したり、複雑にしたりするのでしょうか?個々の生徒ではなく、完全なクラスに条件が割り当てられたため、すべての結果は因果推論や教室レベルのクラスタリングに関して明確に慎重に解釈されました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

人間参加者を含むすべての方法は、機関のガイドラインおよびヘルシンキ宣言に従って実施されました。研究プロトコルは広州市建設学院の機関審査委員会(IRB承認番号)によって審査・承認されました。GZCJ2026A016;承認日:2026年1月2日)。承認された研究タイトルは「AI支援学生中心の指導と思春期の学術的自己概念およびコミュニケーション能力:混合方法研究」でした。研究実施前に参加校から書面による許可が取得されました。書面による書面によるインフォームド・コンセントは保護者または法定後見人から取得され、参加者全員から書面による同意が得られました。学生には参加が任意であり、学業上のペナルティなしにいつでも学業から撤退できることが伝えられました。AIチャットボットプラットフォームには、名前、連絡先、学校識別番号、成績、その他の直接的に特定可能な情報は一切入力されておらず、公開データセットにも含まれていません。すべての研究手順は、承認された研究期間中の2026年1月2日から2027年1月2日まで実施されました。本研究で使用されるすべてのツールおよびプラットフォームは、材料表に記載されています

学習設計と教室課題

本研究では、AI支援の学生中心の指導グループと通常の学生中心の指導グループという2つの指導条件を用いた準実験的混合方法の教室設計が用いられました。縦断的測定は、介入前のベースライン(T1)、最終指導セッション直後(T2)、およびあらかじめ定められた短期追跡評価(T3)の3つの時点で実施されました。T2–T3の間隔は研究ログに記録され、原稿、データセット、解析スクリプト、図ラベル全体で一貫性を保った。 図1 は、採用、クラス割り当て、評価時期、除外、定性的サンプリングを要約しています。管理的および環境的制約により個別のランダム化が不可能だったため、教室レベルで6つの完全なクラスが割り当てられ、3クラスはAI支援条件下、3クラスは比較条件下で割り当てられました。各クラスは最終的な分析サンプルに29名の学生を送り出しました。学年、教科、授業の順序、セッションの長さ、教室の課題、評価スケジュール、教師との接触時間は、各州で比較可能です。クラスターに応じた統計的チェックのためにクラス識別子は保持されました。

参加者募集および適格性審査

参加者は参加した無傷のクラスから直接募集されました。学生とその保護者または法定後見人には、学習目的、教室の手順、AI支援活動、アンケートスケジュール、任意の面接要素、プライバシー保護、撤回権利、データ保存計画が詳細に記載された情報シートが配布されました。参加者は、参加クラスのいずれかに在籍し、通常の教室授業に参加し、書面による同意を提供し、親または後見人の書面同意を取得し、初回セッション前にベースラインアンケートに回答した場合に含まれました。逆に、転校した場合、介入セッションの25%以上を欠席した場合、無効なアンケート記録を提出した場合、データ使用許可を取り消した場合は最終分析サンプルから除外されました。除外の主な理由の一つが、除外された各参加者ごとに記録されました。データ入力前に、各対象参加者には固有の研究識別コードが割り当てられました。関連する人口統計的および教育的共変量(年齢、性別、クラス識別子、基礎学力成績帯、AI支援学習への事前曝露、基礎的なデジタル学習の親しみ度など)を記録しました。統計的追跡では、比較条件が0、AI支援条件が1として指示グループ変数としてコード化されました。

教育資料と介入の提供

実施前に6セッションの指導ユニット(補足表1)が作成され、各教室セッションは40〜45分でした。同一の学習目標、授業テーマ、ワークシート、ピアディスカッション課題、自己評価フォーム、振り返りのプロンプトが両教育条件で適用されました。アンケート構成、採点指示、逆採点項目、最終的なスケールレベルの変数は 、表1のロックされた採点マップに従っていました。再現性のある教材には、授業計画(補足表1)、AIプロンプトシート(補足表2)、教師プロンプトシート(補足表3)、生徒用ワークシート(補足表4)、自己評価フォーム(補足表5)、観察チェックリスト(補足表6)、技術的なインシデントログ(補足表7)、面接ガイド(補足表8)、および質的なコードブック(補足表9)。参加教師は、セッションの順序、AI使用の範囲、比較グループの手順、プライバシー要件、忠実度チェックリストをカバーした書面による提供ガイドを使って研修を完了しました。学習していない学生を対象にリハーサルを行い、活動のタイミング、機器へのアクセス、ワークシートの明瞭さ、課題の難易度を確認しました。このAIツールは、GPT-4アーキテクチャを用いた機関承認のChatGPTベースのチャットボットでした。教室での利用では、チャット履歴、プロフィールメモリ、ウェブ閲覧、プラグイン、画像生成、自動採点が無効化されました。原稿では、宣伝的な表現を避けるため、最初の言及後に「AIチャットボットプラットフォーム」という一般的な用語を使用しています。プロンプトデザインの原則は介入前に固定され、AIの使用は明確化、例生成、説明比較、ターゲットを絞った修正支援、自己評価の手がかりに限定されました。代表的なプロンプト、サンプルAI出力、教師のモデレーション例は再現性資料の一部として残されました。

各AI支援セッションは5つの構造化されたフェーズで実施されました。まず、5分間の教師向けブリーフィングが行われ、学習目標の説明、タスクの説明、設定されたAIチャットボットプラットフォームの特定、そしてAIの出力が権威ある回答ではなく仮のプロンプトであることを学生に思い出させました。学生には、プラットフォームに身元を特定できる個人情報を入力しないよう厳しく指示されていました。次に、10分間の個別AI支援の探究活動があり、生徒たちは用意したプロンプトシートを使って、説明や例、代替説明、改訂の提案を求めました。各生徒は使用されたプロンプトカテゴリー、有用なAI支援アイデア1つ、検証が必要なポイント1点、そして最終的な採用決定を記録しました。3つ目は12〜15分のピアディスカッション活動が行われ、学生たちは小グループでAI支援のアイデアを比較し、不正確さを特定し、共同で作業を修正しました。この段階では、教師が教室内を回り、標準化されたモデレーションルールを適用し、生徒が授業基準に対して口頭で修正を正当化し、誤りや自信過剰なAI出力を修正して最終決定を行った。第四に、5〜8分間の全クラス説明セッションが行われ、広く誤解されていた事実誤認を正しました。最後に、5分間の自己評価活動がセッションの締めくくりとなり、生徒たちは理解度を評価し、具体的な改善点を1つ記録し、未解決の質問を1つ指摘しました。この正確な運用順序はすべての介入クラスで維持されました。印刷されたプロンプトシートが技術的なバックアップとして機能し、クラスの3分の1以上に影響を与える技術的な逸脱が明示的に記録されていました。匿名化された代表的なプロンプト・出力・モデレーションの例は補 足表2、3に記録・保存されました。

比較条件は、同じセッション長、学習目標、トピック順序、ワークシート、ピアディスカッション間隔、自己評価フォーム、教師フィードバックウィンドウを用いて実施されました。しかし、AIによるプロンプトは、教師が作成した標準化されたガイリングプロンプトに置き換えられ、学生にコアコンセプトの説明、例の比較、弱点の特定、復習を指示しました。ブリーフィング、個別問い合わせ、ピアディスカッション、クラス全体の明確化、最終自己評価を含む同じ5段階構造が厳格に維持されました。どちらの州にも追加の個別指導、授業外課題、長期フィードバック時間、その他の評価課題は一切提供されませんでした。教室出席、行動の乱れ、教師の交代、不完全な構成要素は、両グループで同じログ形式で記録されました。

データ収集、忠実度監視、定量分析

評価アンケートは、ベースライン、介入後、フォローアップの各間隔で実施され、3波すべての測定波で一貫した文言、回答尺度、スコアリングルールを用いました。これらのツールは、学術的自己概念、コミュニケーション能力、相互作用の質、自己評価、学習者の関与を評価する検証済みの尺度で構成されていました。回答は標準的な5点リッカート型尺度を用いて収集され、1(強い不一致)から5(強い同意)までの範囲で、スコアが高いほどターゲット構成要素のレベルが高いことを示しました。個々のスケールスコアは、必要な逆符号化後に有効な項目の算術平均として算出されました。欠損した項目は、同じスケールと波形内の学生の平均スコアに置き換えられ、欠落項目が20%を超えなければ適用されました。20%を超える欠落項目の尺度は欠損とみなされ、完全に欠損した評価波からのデータは帰属されませんでした。統計解析の前に、生データセットは範囲違反、重複エントリ、直線的な応答パターン、異常な完了時間などを慎重に監査しました。記録は、数値が不可能な、すべての項目で不変の回答、または中央値の1/3を下回る完了時間を示す場合は無効とされ除外されましたが、明確な教室ログでその真正性が証明されない限りは。主な介入後および追跡分析には、有効なベースラインスコアと対応する介入後または追跡評価結果データを提供する学生が含まれ、部分的に完了したスケジュールに対する一方的なリスト削除を回避しました。データ入力前にロックされたデータ辞書が確立され、変数名、ラベル、応答範囲、欠損コード、逆スコアリングルール、波動識別子、最終的なスケールレベルの構成要素が定義されました。アンケートデータは幅広い形式で入力され、生徒ごとに1行、測定波を区別するために波形(_T1、_T2、_T3)が用いられました。数値範囲や一意の参加者記録が計算的に検証され、グループ、クラス、波ごとに欠如パターンをマスター出席ログと照合して調査しました。

実施の忠実さを監視するために、各授業セッションで標準化された教室観察チェックリストが用いられました。各教育要素は0(未完了)、1(部分完了)、または2(完全完了)と評価されました。評価された構成要素は、教師へのブリーフィング、個別問い合わせ、ピアディスカッション、クラス全体の説明、自己評価記録の作成など、5段階の指導の順序に厳密に沿いました。全体のセッション忠実度パーセンテージは、観測されたスコアを最大可能なスコアで割って算出されました。70%の忠実度閾値を下回るセッションはプロトコルの逸脱として記録されました。評価者間の信頼性を確保するため、訓練を受けた2人目の観察者が独立して総セッションの少なくとも20%を評価しました。すべての項目で合意率が計算され、最初の合意が80%を下回った場合は合意協議によって評価の不一致が解決されました。ハードウェアまたはソフトウェアの技術的な不具合は、教育の忠実度の問題と区別するために別々のログに記録されました。

統計解析は、ランダムシードを抽出や感度検査の前に固定する再現性のあるスクリプトベースのワークフローで実施されました。すべての統計検定は両側で、有意意は p < 0.05に設定されていました。連続変数は平均と標準偏差で要約され、カテゴリ変数は頻度とパーセンテージで表されました。コホート間のベースライン等価性は、連続データに対して独立標本t検定、カテゴリ分布にはカイ二乗検定を用いて記述的に評価した。内部一貫性はクロンバックのアルファを用いて測定され、一般尺度にはα ≥0.70、一次アウトカムにはα ≥.80の閾値を適用し、補正済みの項目-総相関も適用しました。ベースライン調整ANCOVAが主要な分析アプローチとして使用されました。各主要アウトカムには別々のモデルが適合され、介入後またはフォローアップスコアが従属変数、指導群が主予測因子、対応するベースラインスコアが必須共変量として指定されました。追加の共変量(性別、基礎学業成績帯、過去のAI曝露)を含め、ベースラインの不均衡や理論的関連性を制御し、調整平均差、95%信頼区間、標準誤差、モデルR2 値を報告しました。変化スコア比較(T2–T1およびT3–T1)は独立サンプルのウェルチt検定を用いた二次解析として行われ、効果量はコーエンのdを用いて定量化されました。探索的プロセス解析では、プロセス変数間のピアソン相関と結果変化を評価し、分散インフレーション係数(VIF)モニタリングを用いた多重予測変数線形回帰を用いて多重共線性を検証しました。最後に、6つの完全なクラス内での学生の入れ子構造を考慮したクラスタに敏感なチェックが実装されました。無条件クラス内相関係数(ICC)を推定し、アウトカムの変化を集約してクラスレベルで比較し、一次ANCOVA計算はクラスタロスト標準誤差を用いて探索的感度チェックを繰り返した。

定性的サンプリング、符号化、混合手法の積分

介入後のアンケート直後、36名の学生からなる目的的なサブサンプルが選ばれ、半構造化インタビューが行われました。この質的コホートには、学業的自己概念またはコミュニケーション能力において高、中、低の変化スコアを示す教育条件の参加者が含まれていました。半構造化された面接ガイドは、教室での交流、アイデアの説明に対する自信、自己評価行動、課題への関与、コミュニケーション意欲、修正の瞬間を探るターゲットを絞ったプロンプトの使用、不明瞭なフィードバックへの反応、関与の変動について調査しました。インタビューは保護者と学生の同意を得た後にのみ音声録音されました。それ以外は、構造化された筆記が取られました。転写時にすべての個人名、クラス番号、識別情報は削除され、転写本は対応する定量的識別子に紐付けられました。初期の質的コーディングフレームワークは、相互作用の質、自己評価、学習者の関与構造から演繹的に導かれ、データが基準枠組みに当てはまらない場合にのみ帰納的テーマコードが追加されました。2人の独立したコーダーが少なくとも20%のトランスクリプトを分析し、信頼性を検証しました。コーエンのカッパ係数は評価され、0.61〜0.80の値は実質一致、0.80を超える値は強い一致とみなされました。コードブックの定義は洗練され、初期カッパが0.61を下回るたびに二重コーディングが繰り返され、最終定義とその結果得られた定性的コード頻度行列はアーカイブされました(補足表9および10)。

定量データ分析と定性的コーディングの枠組みは独立して最終決定され、その後混合手法統合を開始しました。3つの定量的プロセス変数と対応する質的テーマを結びつけるような、一貫した共同表示が構造的に構築されました。統合的な結果は、収束(アンケートパターンとインタビューテーマが一致する)、拡張(質的ナラティブが定量的傾向のメカニズムを説明する)、またはダイバージェンス(インタビューで独自の障壁や参加の不均一が明らかになり、定量的パターンを複雑にしている)に分類されました。質的発見を用いて教室のプロセスを文脈化し、学習者のエンゲージメントスコアを能動的な質問やピアディスカッションのテーマと結びつけ、自己評価スコアをギャップ認識や戦略的調整の説明と結びつけました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

参加者の流れと基準特性

最初のコホートは、6つの無傷クラスから186名の学生を研究のために募集しました。適格性審査、出席確認、回答質のチェックを経て、174名の学生が最終定量分析のために留まりました。これらの参加者は均等に分布しており、87名がAI支援型学生中心の指導グループに、87名が通常の学生中心の指導グループに割り当てられました。 図1 は、採用フロー、クラス割り当て、三波評価のタイムライン、除外基準、定性的サブサンプリングを詳細に示しています。

表2は 、指導グループおよび測定波による記述的一次アウトカムスコアをまとめたものです。介入前は、両コホート間の学術的自己概念レベルは類似していました(AI補助:3.00 ± 0.37;比較:3.05 ± 0.43)。しかし、AI支援グループの基礎コミュニケーション能力は通常の指導グルー...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

本研究では、AI支援ツールを学生中心の指導に統合することが、思春期の学業的自己概念や自己申告によるコミュニケーション能力の変化と関連しているかどうかを検証しました。3波の観察期間を通じて、AI支援コホートの学生は通常の学生中心の指導を受けた学生よりも両方の結果で大きな向上を示しました。この軌跡は生スコアパターン、変化スコア指標、ベースライン調整ANCOVAモデルで一貫していました。しかし、設計ではクラスが一貫し、自己申告の結果が行われ、教室クラスターも少数で行われたため、これらの結果は学業成績向上の決定的な因果証拠というよりも、有望な教室ベースの関連性として解釈されるべきです。

学術的自己概念の改善は、学生の学力能力に関する信念が累積的な課題経験と継続的なフィードバックによって形成されるという前提と一致しています。学術的自己概念は、一般的な自己肯定感としてではなく、特定の学習活動における能力の認識に応じて反応する領域特有の構造として機能します。この介入では、学生が初期の説明を作成し、AI生成の提案を批判的に検証し、...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

鄧玲雲:概念化、方法論、調査、データキュレーション、形式分析、執筆 – 原稿。

Shanshan Han:コンセプト化、方法論、監督、プロジェクト管理、検証、執筆 – レビューと編集。

Fengni Yang:参加者募集、アンケートデータ収集、半構造化インタビュー録音、補足資料の整理、原稿の仕上げ。すべての著者は原稿の出版版を読み、同意しました。

謝辞

著者らは、データ収集過程での協力と支援をいただいた参加校、生徒、保護者の皆様に心より感謝申し上げます。著者らはまた、この研究を支えた学術環境と必要な資源を提供してくれた国民大学教育学部にも感謝の意を表しています。本研究の開発や実施に対して外部からの資金や財政的支援は受けていません。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

```html
この記事で使用された材料の一覧
名前会社カタログ番号コメント
ChatGPTOpenAIhttps://chatgpt.com学生の質問とプロンプトのための教育コンポーネントとして使用される機関承認プラットフォーム。
GrammarlyGrammarly, Inc.https://www.grammarly.com原稿作成時に言語の洗練とフォーマットサポートのために使用されます。
SPSSIBM Corp.SCR_002865ベースライン調整済みANCOVA、t検定、ピアソン相関係数、ICCなどの定量的データ分析に使用されます。
NVivoLumiverohttps://lumivero.com/products/nvivo半構造化インタビューの転写をコーディングし、独立したコーダーのためのCohenのカッパを計算するのに使用されます。
QualtricsQualtrics, LLChttps://www.qualtrics.comベースライン、介入後、フォローアップ評価用質問票の管理に使用されます。
```

参考文献

  1. Freeman S et al. Active learning increases student performance in science, engineering, and mathematics. Proc Natl Acad Sci U S A. 2014;111(23):8410-8415.
  2. Marsh HW, Craven RG. Reciprocal effects of self-concept and performance from a multidimensional perspective. Perspect Psychol Sci. 2006;1(2):133-163.
  3. Hattie J, Timperley H. The power of feedback. Rev Educ Res. 2007;77(1):81-112.
  4. Nicol DJ, Macfarlane-Dick D. Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Stud High Educ. 2006;31(2):199-218.
  5. Fredricks JA, Blumenfeld PC, Paris AH. School engagement: Potential of the concept, state of the evidence. Rev Educ Res. 2004;74(1):59-109.
  6. Creswell JW, Plano Clark VL. Designing and conducting mixed methods research. 3rd ed. SAGE Publications; Thousand Oaks, CA; 2018.
  7. Webb NM. The teacher's role in promoting collaborative dialogue in the classroom. Br J Educ Psychol. 2009;79(1):1-28.
  8. Chi MTH, de Leeuw N, Chiu MH, LaVancher C. Eliciting self-explanations improves understanding. Cogn Sci. 1994;18(3):439-477.
  9. Zimmerman BJ. Becoming a self-regulated learner: An overview. Theory Pract. 2002;41(2):64-70.
  10. Ryan RM, Deci EL. Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. Am Psychol. 2000;55(1):68-78.
  11. Shute VJ. Focus on formative feedback. Rev Educ Res. 2008;78(1):153-189.
  12. Lo CK. What is the impact of ChatGPT on education? A rapid review of the literature. Educ Sci. 2023;13(4):410.
  13. Webb NM. Peer interaction and learning in small groups. Int J Educ Res. 1989;13(1):21-39.
  14. Hmelo-Silver CE. Problem-based learning: What and how do students learn? Educ Psychol Rev. 2004;16(3):235-266.
  15. Fàbregues S et al. Use of mixed methods research in intervention studies to increase young people's interest in STEM: A systematic methodological review. Front Psychol. 2022;13:956300.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

Behavior 234
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。