論文の概要: Human-AI Collaboration or Academic Misconduct? Measuring AI Use in Student Writing Through Stylometric Evidence

• arxiv url: http://arxiv.org/abs/2505.08828v1
• Date: Tue, 13 May 2025 00:36:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.243841
• Title: Human-AI Collaboration or Academic Misconduct? Measuring AI Use in Student Writing Through Stylometric Evidence
• Title（参考訳）: 人間とAIのコラボレーションか、それともアカデミックのミスか? : スティロメトリのエビデンスを通した学生の筆記におけるAI利用の測定
• Authors: Eduardo Araujo Oliveira, Madhavi Mohoni, Sonsoles López-Pernas, Mohammed Saqr,
• Abstract要約: 本研究は,学術著作におけるAI支援の定量化のためのオーサシップ検証(AV)技術の利用について検討する。 公開データセット(PAN-14)を含む3つのデータセットと、さまざまなコースのメルボルン大学の学生の2つを使用します。 学生向けの堅牢な書記プロファイルを構築するために,特徴ベクトル差分AV手法を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As human-AI collaboration becomes increasingly prevalent in educational contexts, understanding and measuring the extent and nature of such interactions pose significant challenges. This research investigates the use of authorship verification (AV) techniques not as a punitive measure, but as a means to quantify AI assistance in academic writing, with a focus on promoting transparency, interpretability, and student development. Building on prior work, we structured our investigation into three stages: dataset selection and expansion, AV method development, and systematic evaluation. Using three datasets - including a public dataset (PAN-14) and two from University of Melbourne students from various courses - we expanded the data to include LLM-generated texts, totalling 1,889 documents and 540 authorship problems from 506 students. We developed an adapted Feature Vector Difference AV methodology to construct robust academic writing profiles for students, designed to capture meaningful, individual characteristics of their writing. The method's effectiveness was evaluated across multiple scenarios, including distinguishing between student-authored and LLM-generated texts and testing resilience against LLMs' attempts to mimic student writing styles. Results demonstrate the enhanced AV classifier's ability to identify stylometric discrepancies and measure human-AI collaboration at word and sentence levels while providing educators with a transparent tool to support academic integrity investigations. This work advances AV technology, offering actionable insights into the dynamics of academic writing in an AI-driven era.
• Abstract（参考訳）: 人間とAIのコラボレーションが教育の文脈でますます普及するにつれて、そのような相互作用の程度と性質を理解し、測定することが大きな課題となる。 本研究は,学術著作におけるAI支援を定量化する手段として,著者検証(AV)技術の利用について検討し,透明性,解釈可能性,学生の発達を促進することに焦点を当てた。 先行研究に基づいて,データセットの選択と拡張,AV法開発,系統評価の3段階に分けた。 公開データセット(PAN-14)を含む3つのデータセットと、メルボルン大学の学生の2つのコースを使用して、LLM生成テキストを含め、506人の学生から1,889のドキュメントと540のオーサリング問題を含むようにデータを拡張しました。 そこで我々は,学生のための堅牢な書記プロファイルを構築するための特徴ベクトル差分AV手法を開発した。 この手法の有効性は、学生が作成したテキストとLLM生成テキストを区別することや、学生の書体を模倣しようとするLSMに対してレジリエンスをテストすることなど、複数のシナリオで評価された。 以上の結果から,AV分類器の言語的差異を識別し,言語・文レベルでの人間とAIの協調を計測し,学術的整合性調査を支援する透明なツールを教育者に提供する能力が示された。 この研究はAV技術を進歩させ、AI駆動時代における学術著作のダイナミクスに関する実用的な洞察を提供する。

関連論文リスト

• Do Students Write Better Post-AI Support? Effects of Generative AI Literacy and Chatbot Interaction Strategies on Multimodal Academic Writing [0.0]
  学術的な執筆は、学生が視覚情報とテキストの議論を統合することを要求するマルチモーダルなタスクをますます含んでいる。 ChatGPTのようなジェネレーティブAI(GenAI)ツールは、学術書記を支援するための新しい経路を提供するが、学生のGenAIリテラシーが独立したマルチモーダル書記スキルにどのように影響するかはほとんど分かっていない。 本研究は,高校生79名を対象に,比較研究設計を用いた多目的書記性能について検討した。
  論文  参考訳（メタデータ） (2025-07-06T14:01:06Z)
• AI in the Writing Process: How Purposeful AI Support Fosters Student Writing [0.3641292357963815]
  ChatGPTのようなテクノロジーの多様さは、学生の執筆に対する影響を懸念している。 本稿では,異なるAI支援アプローチが著者のエージェンシー感覚と知識変換の深さにどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-06-25T16:34:09Z)
• STRICTA: Structured Reasoning in Critical Text Assessment for Peer Review and Beyond [68.47402386668846]
  本研究では,テキストアセスメントをステップワイド推論プロセスとしてモデル化するために,Structured Reasoning In Critical Text Assessment (STRICTA)を導入する。 STRICTAは、因果性理論に基づく相互接続推論ステップのグラフに評価を分解する。 約40人のバイオメディカル専門家が20以上の論文について4000以上の推論ステップのデータセットにSTRICTAを適用した。
  論文  参考訳（メタデータ） (2024-09-09T06:55:37Z)
• Systematic Task Exploration with LLMs: A Study in Citation Text Generation [63.50597360948099]
  大規模言語モデル(LLM)は、複雑な創造的自然言語生成(NLG)タスクの定義と実行において、前例のない柔軟性をもたらす。 本稿では,系統的な入力操作,参照データ,出力測定からなる3成分研究フレームワークを提案する。 我々はこのフレームワークを用いて引用テキスト生成を探索する。これは一般的なNLPタスクであり、タスク定義と評価基準に関するコンセンサスを欠いている。
  論文  参考訳（メタデータ） (2024-07-04T16:41:08Z)
• Inclusivity in Large Language Models: Personality Traits and Gender Bias in Scientific Abstracts [49.97673761305336]
  我々は,3つの大きな言語モデル (LLM) を,人間の物語スタイルと潜在的な性別バイアスに適合させることで評価した。 以上の結果から,これらのモデルは一般的にヒトの投稿内容によく似たテキストを生成するが,スタイル的特徴の変化は有意な性差を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-06-27T19:26:11Z)
• Detecting AI-Generated Text: Factors Influencing Detectability with Current Methods [13.14749943120523]
  テキストが人工知能(AI)によって作成されたかどうかを知ることは、その信頼性を決定する上で重要である。 AIGT検出に対する最先端のアプローチには、透かし、統計学的およびスタイリスティック分析、機械学習分類などがある。 AIGTテキストがどのようなシナリオで「検出可能」であるかを判断するために、結合する健全な要因についての洞察を提供することを目指している。
  論文  参考訳（メタデータ） (2024-06-21T18:31:49Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)
• Towards Automatic Boundary Detection for Human-AI Collaborative Hybrid Essay in Education [10.606131520965604]
  本研究では,滅多に調査されていない現実的な環境下でのAIコンテンツ検出について検討する。 まず,人書きコンテンツとAI生成コンテンツ間の遷移点の同定として,検出タスクを定式化した。 次に、エンコーダトレーニングプロセス中にAI生成コンテンツと人書きコンテンツとを分離する2段階のアプローチを提案した。
  論文  参考訳（メタデータ） (2023-07-23T08:47:51Z)
• LAMM: Language-Assisted Multi-Modal Instruction-Tuning Dataset, Framework, and Benchmark [81.42376626294812]
  本稿では,Language-Assisted Multi-Modalインストラクションチューニングデータセット,フレームワーク,ベンチマークを提案する。 我々の目標は、MLLMのトレーニングと評価のための成長するエコシステムとしてLAMMを確立することです。 本稿では,2次元および3次元視覚のための広範囲な視覚タスクをカバーする包括的データセットとベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-06-11T14:01:17Z)
• HowkGPT: Investigating the Detection of ChatGPT-generated University Student Homework through Context-Aware Perplexity Analysis [6.935900707354898]
  HowkGPTは学術的な課題と付随するメタデータのデータセットの上に構築されている。 生徒とChatGPTが生成する応答の難易度スコアを計算する。 さらに、カテゴリ固有のしきい値を定義することで分析を洗練させる。
  論文  参考訳（メタデータ） (2023-05-26T11:07:25Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。