大家好。我是硕士一年级的尾崎。
在此向大家介绍我在前几天的英语文献研讨会上阅读的论文概要及感想。

标题：Artificial Intelligence (AI)-enhanced learning analytics (LA) for supporting career decisions: advantages and challenges

期刊: Education and Information Technologies
卷号页码:29:297-322
出版年份:2024
作者: Egle Gedrimiene · Ismail Celik · Antti Kaasila· Kati Mäkitalo ·Hanni Muukkonen

背景与目的
在现代社会中，职业决策支持的重要性日益凸显。在不确定性极高的社会环境中，升学选择和职业规划中的决策过程对学生及年轻人而言是一项巨大的挑战。在此背景下，利用AI的学习分析（LA）工具备受关注。这些工具通过分析海量数据并提供个性化信息或备选方案，有望高效地支持决策过程。然而，关于这些工具在实际的职业决策支持中如何发挥作用，以及存在哪些优势和挑战，目前尚未得到充分探讨。本研究旨在阐明AI驱动的LA工具对职业决策支持的影响，并为未来的工具开发提供启示。研究重点在于阐明“从用户视角出发的工具易用性与优势”以及“在职业转型期而非仅针对学生的应用可能性”。

理论框架
本研究采用了技术接受模型（Technology Acceptance Model; TAM）和职业决策模型（Career Decision-Making; CDM）作为理论框架。TAM是一个通过“有用性”和“易用性”两个要素来解释技术接受度的模型，表明这些要素会影响技术的使用意愿及实际使用行为。本研究分析了AI驱动的LA工具在用户眼中如何评价这两个要素。另一方面，CDM是一个将职业决策分为“初步筛选”、“详细探索”和“最终选择”三个阶段的模型。通过使用该模型，旨在明确AI驱动的LA工具在用户职业决策过程的哪个阶段以及如何发挥作用。通过结合这两个理论框架，本研究采取了全面捕捉职业指导中工具优势与挑战的方法。

研究方法与概要
本研究以芬兰职业教育培训机构的106名学生为对象进行了调查。调查采用在线开放式问卷，主要围绕以下5个问题展开：即“工具在何种情况下使用”、“工具是否有助于教育或工作申请”、“所获信息的优势是什么”、“对工具的反馈”以及“期望增加的功能”。通过这些问题，收集了关于工具使用体验、评价以及对工具的期待和改进点的具体信息。数据分析利用了TAM和CDM框架，从理论视角对所得数据进行了分类和整理。结果显示，虽然该工具在提供信息和职业路径多样化方面获得了高度评价，但在视觉设计和指令明确性方面被指出了问题。

研究结果
结果详情显示，AI驱动的LA工具在职业决策过程中，尤其在“详细探索”和“最终选择”阶段发挥了有效作用。具体而言，当用户把握可用选项并进行比较权衡时，工具的信息提供能力发挥了重要作用。此外，研究发现工具提供的数据具有拓宽升学和职业选择范围的潜力。另一方面，缺乏关于用户自身价值观的信息以及促进内省的要素被列为课题。此外，从TAM的视角来看，虽然“有用性”获得了高度评价，但在“易用性”方面，需要改进视觉设计并提升用户界面。关于进一步开发LA职业指导工具的需求，提到了“信息的多元化与个性化优化”。具体而言，用户要求针对职业路径构思的多元化及内省等方面，创建更加个性化优化的数据。这些发现为深入理解工具对职业决策的影响提供了重要启示。

讨论与本研究的局限性
通过本研究，虽然明确了AI驱动的LA工具在职业决策支持中的有用性，但也显示出仍有进一步改进的空间。特别是需要具备能够通过工具提供的信息促进用户自我内省，并使其能够更具主体性地进行决策的功能。为此，工具需要通过增加关于未来目标、相关技能、个人兴趣的信息来弥补自我认知的不足。此外，考虑到职业和教育机构信息量的匮乏可能会影响提供给用户的信息量，因此也有必要考虑收集更全面的信息。
同时，视觉设计和界面的改进不仅能提升工具的“易用性”，还预期能提升整体用户体验。根据用户需求，如何设计界面改进点或人工支持，被认为是职业指导工具所必需的。
通过本研究的结果，还显示出用户的决策过程可能会发生变化。由于工具的信息分析过程和所使用的信息对用户不可见，仅显示最终的推荐列表，这可能会妨碍CDM模型的重要目标——“学习如何进行职业决策”。因此，在开发中，通过多种方式实现用户的内省被认为是至关重要的。
本研究的局限性在于，未考虑社会环境、个人资质、经济状况、健康状况等被认为与个人职业选择相关的大型社会经济背景。各种排斥和偏见可能与个人的职业路径相关，并可能影响数字指导。
本研究的结果表明了在今后开发AI驱动的职业支持工具时，纳入用户视角的重要性。这有望使更多人在不确定性极高的社会环境中，能够自信地进行职业决策。

以下是我阅读这篇论文后的感想。
在思考旨在促进职业自我调节的学习设计时，我想学习如何利用LA来支持职业决策，因此选择了这篇论文。结果表明，在职业决策中的个性化信息提供等方面具有应用潜力。此外，我也理解了内省确实是职业决策中的重大要素，仅靠提供信息或推荐很难促进内省。我认为这不仅依赖于LA，而是应该在整体学习设计中予以支持的项目。
另一方面，关于利用网络作品集制作及其文本解析来促进内省等利用LA的内省活动支持，以及利用LA评估及改善学习者职业探索能力的潜力，我打算今后进一步推进先行研究的综述。