[論文レビュー] Promises and challenges of generative artificial intelligence for human learning

Lixiang Yan, Samuel Greiff+2 more|arXiv (Cornell University)|Aug 22, 2024

Engineering Education and Technology被引用数 6

ひとこと要約

本パースペクティブは、GenAI が個別化された支援、多様な教材、フィードバック、評価を通じて学習を変革し得る方法を概説するとともに、倫理的・方法論的・実務的課題を指摘します。

ABSTRACT

Generative artificial intelligence (GenAI) holds the potential to transform the delivery, cultivation, and evaluation of human learning. This Perspective examines the integration of GenAI as a tool for human learning, addressing its promises and challenges from a holistic viewpoint that integrates insights from learning sciences, educational technology, and human-computer interaction. GenAI promises to enhance learning experiences by scaling personalised support, diversifying learning materials, enabling timely feedback, and innovating assessment methods. However, it also presents critical issues such as model imperfections, ethical dilemmas, and the disruption of traditional assessments. Cultivating AI literacy and adaptive skills is imperative for facilitating informed engagement with GenAI technologies. Rigorous research across learning contexts is essential to evaluate GenAI's impact on human cognition, metacognition, and creativity. Humanity must learn with and about GenAI, ensuring it becomes a powerful ally in the pursuit of knowledge and innovation, rather than a crutch that undermines our intellectual abilities.

研究の動機と目的

• 学習科学、教育技術、HCI の視点から、GenAI を人間の学習へ統合する動機付けと枠組みを提示する。
• GenAI が個別化学習支援を拡張し、資源を多様化し、フィードバックを提供し、革新的な評価を可能にする方法を明らかにする。
• 責任ある展開に向けた倫理的・方法論的・評価関連の課題を評価する。
• 人間中心の設計と政策を導く研究アジェンダと必要性を提案する。

提案手法

• GenAI、学習科学、教育技術に関する複数の文献分野からの洞察を統合する。
• GenAI アプリケーションの基盤として、近接発達領域や探究学習などの理論的基盤を論じる。
• チュータリング、資源生成、フィードバック、適応的評価など、GenAI を活用した具体的な学習活動を説明する。
• 実証的ギャップを強調し、GenAI の影響を評価するための厳密な研究デザインを提案する。
• 倫理・公平性・AI リテラシーに関する考慮事項を概説し、人間が関与する開発を呼びかける。

Figure 1: Overview of the impacts of generative artificial intelligence on human learning. The left side of the figure lists various learning impacts, which are categorised into promises (green), challenges (red), and needs (blue). The middle column presents key components associated with each learn

実験結果

リサーチクエスチョン

• RQ1 GenAI が学習支援・資源・フィードバック・評価に提供する核心的な約束は何か？
• RQ2 教育における GenAI に伴う倫理・公平性・方法論的な課題は何か？
• RQ3 学習における GenAI を導くために、AIリテラシー、根拠に基づく意思決定、方法論的厳密さをどのように育成すべきか？
• RQ4 人間−AI 学習相互作用を評価するために、どのような将来の研究方向と方法論的基準が必要か？

主な発見

• GenAI はスケーラブルな認知促進手段として機能し、フィードバック、資源、適応的評価を豊かにする。
• GenAI によるコンテンツ生成は多様なマルチメディア資料を支援するが、正確性と教育学的適合性のためには教育者による検証が必要。
• 幻覚（誤情報生成）と透明性の欠如は、学習内容と評価の信頼性にリスクをもたらす。
• 倫理的懸念には透明性、プライバシー、平等性、善意性が含まれ、ガバナンスとAIリテラシーが必要。
• 評価実践は、人間−AI ハイブリッド認知と真正で多様なモーダル評価へと転換する必要がある。
• 方法論的厳密さと根拠に基づく意思決定は、GenAI の利益を過大評価することを避けるために不可欠である。

Figure 2: Examples of human-AI interactions in human learning. a, Learners receive personalised and adaptive support from generative AI tutors, which are co-designed with educators and have access to prior learner data and domain knowledge. b, Educators use generative AI to create multimodal learnin