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

• 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)
• 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)
• 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。