[論文レビュー] Transformative Influence of LLM and AI Tools in Student Social Media Engagement: Analyzing Personalization, Communication Efficiency, and Collaborative Learning

Masoud Bashiri, Kamran Kowsari|arXiv (Cornell University)|Jun 15, 2024

Artificial Intelligence in Healthcare and EducationMedicine被引用数 3

ひとこと要約

本論文は、UniversityCube などの教育的ソーシャルメディアプラットフォームにおける大規模言語モデル（LLMs）およびAIツールが、学生の関与度をどのように変化させるかを調査している。個人化、コミュニケーション効率、共同学習の向上を実現する。実際のユーザーのデータを用いた統計分析と事例研究により、AI統合が学業成績、批判的思考、留任率の向上に寄与することが判明。教育ネットワークでは使用傾向が上昇（R² = 0.82）し、エンタメネットワークと比較して季節的変動が顕著（CV = 0.51）である。

ABSTRACT

The advent of Large Language Models (LLMs) and Artificial Intelligence (AI) tools has revolutionized various facets of our lives, particularly in the realm of social media. For students, these advancements have unlocked unprecedented opportunities for learning, collaboration, and personal growth. AI-driven applications are transforming how students interact with social media, offering personalized content and recommendations, and enabling smarter, more efficient communication. Recent studies utilizing data from UniversityCube underscore the profound impact of AI tools on students' academic and social experiences. These studies reveal that students engaging with AI-enhanced social media platforms report higher academic performance, enhanced critical thinking skills, and increased engagement in collaborative projects. Moreover, AI tools assist in filtering out distracting content, allowing students to concentrate more on educational materials and pertinent discussions. The integration of LLMs in social media has further facilitated improved peer-to-peer communication and mentorship opportunities. AI algorithms effectively match students based on shared academic interests and career goals, fostering a supportive and intellectually stimulating online community, thereby contributing to increased student satisfaction and retention rates. In this article, we delve into the data provided by UniversityCube to explore how LLMs and AI tools are specifically transforming social media for students. Through case studies and statistical analyses, we offer a comprehensive understanding of the educational and social benefits these technologies offer. Our exploration highlights the potential of AI-driven tools to create a more enriched, efficient, and supportive educational environment for students in the digital age.

研究の動機と目的

• LLMsおよびAIツールが教育的文脈における学生のソーシャルメディア関与度に与える影響を分析すること。
• UniversityCube などのプラットフォームにおけるAI統合が、個人化、コミュニケーション効率、共同学習をいかに向上させるかを検討すること。
• 学生における教育的ネットワークとエンタメネットワークの間での使用パターンおよび長期的傾向を特定すること。
• データドリブンな分析を通じて、AIが学業成績、批判的思考、学生の留任率の向上に果たす役割を評価すること。
• 教育者およびプラットフォーム開発者向けに、AIドリブンの教育ツールを最適化するための実用的インサイトを提供すること。

提案手法

• UniversityCube教育的ソーシャルネットワーキングプラットフォームからの実世界の使用データを活用した。
• 時間系列分析を用いて、季節的および長期的使用傾向を特定する統計的手法を適用した。
• 標準偏差（σ）と平均（μ）の比である変動係数（CV = σ/μ）を計算し、ネットワーク使用における季節的変動を定量化した。
• 線形トレンド分析を実施し、使用状況の時間的変化を評価。エンタメ（0.75）および教育（0.82）ネットワークのR²値を報告した。
• 主成分分析（PCA）を用いて、ユーザー関与度や機能間の関係を駆動する主要要因を同定した。
• 事例研究と実証データを統合し、AIツール使用と学業的および社会的成果との関連を明確にした。

Figure 1 : Student Usage of Social network in monthly bases

実験結果

リサーチクエスチョン

• RQ1 LLMsおよびAIツールは、学生のソーシャルメディア関与度におけるパーソナライゼーションにどのように影響を与えるか？
• RQ2 AIツールは、教育的ソーシャルネットワークにおけるコミュニケーション効率および共同学習をどの程度向上させるか？
• RQ3 学生における教育的ネットワークとエンタメネットワークの間で、長期的および季節的使用傾向はどのように異なるか？
• RQ4 AIドリブンのコンテンツフィルタリングは、学生が学術的資料に集中するのをどのように効果的に支援するか？
• RQ5 AI強化プラットフォーム機能と学生の学業成績および留任率の間にはどのような関係があるか？

主な発見

• 教育的ネットワークでは、エンタメネットワーク（CV = 0.34）と比較して、より顕著な季節的変動（CV = 0.51）を示しており、学生の関与度の変動が顕著であることが判明。
• 教育ネットワークでは使用傾向に強い正の線形トレンドが認められ（R² = 0.82）、一方エンタメネットワークでは低下トレンドが観察された（R² = 0.75）。
• AI強化プラットフォームを利用した学生は、学業成績の向上、批判的思考力の向上、共同プロジェクトへの関与度の増加を報告している。
• AIツールは、迷惑なコンテンツを効果的にフィルタリングし、学生が教育的資料や関連する議論に集中できる環境を実現している。
• 学術的関心やキャリアゴールに基づくAIドリブンのマッチングアルゴリズムにより、より支援的で知的刺激的なオンラインコミュニティが形成され、学生満足度および留任率の向上に寄与している。
• LLMsおよびAIツールのソーシャルメディアプラットフォームへの統合により、パーソナライズドコンテンツ推薦、即時フィードバック、AI駆動のビジュアライゼーションが可能となり、理解力および学習効率の向上が実現している。

Figure 2 : Student Usage of Social network in Yearly bases