Fugu-MT 論文翻訳(概要): Patterns and Purposes: A Cross-Journal Analysis of AI Tool Usage in Academic Writing

論文の概要: Patterns and Purposes: A Cross-Journal Analysis of AI Tool Usage in Academic Writing

arxiv url: http://arxiv.org/abs/2502.00632v1
Date: Sun, 02 Feb 2025 02:44:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-05 15:01:49.317905
Title: Patterns and Purposes: A Cross-Journal Analysis of AI Tool Usage in Academic Writing
Title（参考訳）: パターンと目的: 学術書記におけるAIツールの使用状況の日内分析
Authors: Ziyang Xu,
Abstract要約: 本研究では,27カテゴリの8,859項目から168件のAI宣言を分析した。 ChatGPTは学術的な筆記補助(77%の使用)を支配しており、ネイティブと非ネイティブの英語話者のツール使用率に大きな違いがある。調査によると、可読性(51%)と文法チェック(22%)の改善が、AIツールの使用の主要な目的である。
参考スコア（独自算出の注目度）: 0.266512000865131
License:
Abstract: This study investigates the use of AI tools in academic writing through analysis of AI usage declarations in journals. Using a mixed-methods approach combining content analysis, statistical analysis, and text mining, this research analyzed 168 AI declarations from 8,859 articles across 27 categories. Results show that ChatGPT dominates academic writing assistance (77% usage), with significant differences in tool usage between native and non-native English speakers (p = 0.0483) and between international and non-international teams (p = 0.0012). The study reveals that improving readability (51%) and grammar checking (22%) are the primary purposes of AI tool usage. These findings provide insights for journal policy development and understanding the evolving role of AI in academic writing.
Abstract（参考訳）: 本研究では,学術論文におけるAIツールの利用について,学術論文におけるAI利用宣言の分析を通じて検討する。コンテンツ分析、統計分析、テキストマイニングを組み合わせた混合手法を用いて、27カテゴリの8,859記事から168のAI宣言を分析した。その結果,ChatGPTが学術的な筆記支援(77%)を支配しており,母国英語話者と母国英語話者のツール使用率(p = 0.0483)と国際的・非国際的チーム(p = 0.0012)に有意差が認められた。調査によると、可読性(51%)と文法チェック(22%)の改善が、AIツールの使用の主要な目的である。これらの知見は、学術著作におけるジャーナルポリシー開発とAIの進化的役割を理解するための洞察を与える。

関連論文リスト

Automatic answering of scientific questions using the FACTS-V1 framework: New methods in research to increase efficiency through the use of AI [0.0]
本稿では FACTS-V1 (Filtering and Analysis of Content in Textual Sources) フレームワークのプロトタイプについて述べる。このアプリケーションの助けを借りて、多数の科学論文を自動的に抽出し、分析し、オープンアクセス文書サーバから解釈することができる。このフレームワークの目的は、既存のデータに基づいた将来の科学的質問に対するレコメンデーションを提供することである。
論文参考訳（メタデータ） (2024-12-01T18:55:39Z)
You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
感情分析ツールが同じデータセットで一致しないことを示す。感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
論文参考訳（メタデータ） (2024-10-18T17:27:38Z)
Differentiating between human-written and AI-generated texts using linguistic features automatically extracted from an online computational tool [0.0]
本研究の目的は,AIが人間の文章をエミュレートする能力を評価することにある。人間の発話を模倣したAI生成テキストが現れるにもかかわらず、結果は複数の言語的特徴に有意な差が認められた。
論文参考訳（メタデータ） (2024-07-04T05:37:09Z)
Keystroke Dynamics Against Academic Dishonesty in the Age of LLMs [25.683026758476835]
本研究では,キーストロークダイナミックスを用いたボナフッ化物と補助筆記物の区別手法を提案する。これを容易にするために、タスクを書くことに従事する個人のキーストロークパターンをキャプチャするデータセットが開発された。改良されたTypeNetアーキテクチャを用いてトレーニングされた検出器は、条件固有のシナリオでは74.98%から85.72%、条件に依存しないシナリオでは52.24%から80.54%の精度を達成した。
論文参考訳（メタデータ） (2024-06-21T17:51:26Z)
Arabic Text Sentiment Analysis: Reinforcing Human-Performed Surveys with Wider Topic Analysis [49.1574468325115]
詳細な研究は、2002年から2020年の間に英語で出版された133のASA論文を手作業で分析する。主な発見は、機械学習、レキシコンベース、ハイブリッドアプローチといった、ASAで使用されるさまざまなアプローチを示している。アラビア文字SAについては、業界だけでなく学術分野でも使用できるASAツールを開発する必要がある。
論文参考訳（メタデータ） (2024-03-04T10:37:48Z)
Quantitative Analysis of AI-Generated Texts in Academic Research: A Study of AI Presence in Arxiv Submissions using AI Detection Tool [0.0]
本研究は,学術機関がArxivに投稿するために用いた,意図的に制作されたコンテンツを閲覧する手法について分析する。統計分析によると、Originality.aiは98%の精度で正確である。
論文参考訳（メタデータ） (2024-02-09T17:20:48Z)
ToRA: A Tool-Integrated Reasoning Agent for Mathematical Problem Solving [170.7899683843177]
ToRAは、難解な数学的問題を解決するために設計されたツール統合推論エージェントのシリーズである。 ToRAモデルは、あらゆるスケールにわたる10の数学的推論データセットで、オープンソースモデルよりも大幅に優れています。 ToRA-Code-34Bは、MATHで50%を超える精度を達成する最初のオープンソースモデルである。
論文参考訳（メタデータ） (2023-09-29T17:59:38Z)
The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文参考訳（メタデータ） (2022-12-08T23:23:39Z)
Artificial Intelligence in Concrete Materials: A Scientometric View [77.34726150561087]
本章は, コンクリート材料用AI研究の主目的と知識構造を明らかにすることを目的としている。まず、1990年から2020年にかけて発行された389の雑誌記事が、ウェブ・オブ・サイエンスから検索された。キーワード共起分析やドキュメント共起分析などのサイエントメトリックツールを用いて,研究分野の特徴と特徴を定量化した。
論文参考訳（メタデータ） (2022-09-17T18:24:56Z)
Automatic Analysis of Linguistic Features in Journal Articles of Different Academic Impacts with Feature Engineering Techniques [0.975434908987426]
本研究では, 特徴工学的手法を用いて, 高次・中等度な学術誌RAのマイクロレベル言語的特徴の抽出を試みた。英文記事のコーパスから特徴選択手法を用いて,25の高関連特徴を抽出した。その結果, 隣接文間の内容語重複, 第三者代名詞の使用, 助動詞, 時制, 感情語など24種類の言語的特徴が, 学術的影響の異なる雑誌記事に対して一貫した, 正確な予測を提供することがわかった。
論文参考訳（メタデータ） (2021-11-15T03:56:50Z)
AI Explainability 360: Impact and Design [120.95633114160688]
2019年、私たちはAI Explainability 360(Arya et al. 2020)を開発しました。本稿では,いくつかのケーススタディ,統計,コミュニティフィードバックを用いて,ツールキットが与える影響について検討する。また,ツールキットのフレキシブルな設計,使用例,利用者が利用可能な教育資料や資料についても述べる。
論文参考訳（メタデータ） (2021-09-24T19:17:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。