論文の概要: Evolving Paradigms in Task-Based Search and Learning: A Comparative Analysis of Traditional Search Engine with LLM-Enhanced Conversational Search System

• arxiv url: http://arxiv.org/abs/2512.00313v1
• Date: Sat, 29 Nov 2025 04:14:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.16631
• Title: Evolving Paradigms in Task-Based Search and Learning: A Comparative Analysis of Traditional Search Engine with LLM-Enhanced Conversational Search System
• Title（参考訳）: タスクベース検索・学習におけるパラダイムの展開:従来の検索エンジンとLLM強化会話検索システムの比較分析
• Authors: Zhitong Guan, Yi Wang,
• Abstract要約: 大規模言語モデル (LLM) は、対話的、生成的、推論駆動型検索を可能にすることで、情報検索を急速に再構築している。 本研究では,標準検索エンジンとLLMを用いた検索システムという,2つの環境における探索行動と学習結果を比較した。
• 参考スコア（独自算出の注目度）: 5.956874084659983
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) are rapidly reshaping information retrieval by enabling interactive, generative, and inference-driven search. While traditional keyword-based search remains central to web and academic information access, it often struggles to support multi-step reasoning and exploratory learning tasks. LLM-powered search interfaces, such as ChatGPT and Claude, introduce new capabilities that may influence how users formulate queries, navigate information, and construct knowledge. However, empirical understanding of these effects is still limited. This study compares search behavior and learning outcomes in two environments: a standard search engine and an LLM-powered search system. We investigate (1) how search strategies, query formulation, and evaluation behaviors differ across systems, and (2) how LLM use affects comprehension, knowledge integration, and critical thinking during search-based learning tasks. Findings offer insight into how generative AI shapes information-seeking processes and contribute to ongoing discussions in information retrieval, human-AI interaction, and technology-supported learning.
• Abstract（参考訳）: 大規模言語モデル (LLM) は、対話的、生成的、推論駆動型検索を可能にすることで、情報検索を急速に再構築している。 従来のキーワードベースの検索は、Webや学術情報へのアクセスの中心にあるが、多段階の推論や探索的な学習タスクのサポートに苦慮することが多い。 LLMベースの検索インターフェースであるChatGPTやClaudeは、ユーザがクエリを定式化し、情報をナビゲートし、知識を構築する方法に影響を与える可能性のある新機能を導入している。 しかし、これらの効果の実証的な理解はまだ限られている。 本研究では,標準検索エンジンとLLMを用いた検索システムという,2つの環境における探索行動と学習結果を比較した。 本研究では,(1)検索戦略,クエリの定式化,評価行動がシステムによってどのように異なるか,(2)LLMの使用が検索ベース学習タスクにおける理解,知識統合,批判的思考にどのように影響するかを検討する。 発見は、生成AIが情報探索プロセスをどのように形成し、情報検索、人間-AIインタラクション、技術支援学習における継続的な議論に寄与するかについての洞察を提供する。

関連論文リスト

• DeepMMSearch-R1: Empowering Multimodal LLMs in Multimodal Web Search [61.77858432092777]
  DeepMMSearch-R1は,オンデマンドでマルチターンWeb検索が可能な,最初のマルチモーダルな大規模言語モデルである。 DeepMMSearch-R1は、画像検索をより効果的にするために、入力画像の関連する作物に基づいてWeb検索を開始することができる。 我々は、アプローチの優位性を実証するために、知識集約型ベンチマークを幅広く実施する。
  論文  参考訳（メタデータ） (2025-10-14T17:59:58Z)
• ZeroSearch: Incentivize the Search Capability of LLMs without Searching [69.55482019211597]
  我々はZeroSearchを紹介した。ZeroSearchは、学習中にシミュレーションされた検索を備えた実検索エンジンを使用するための、大規模言語モデルの能力を動機付けるフレームワークである。 提案手法は,LLMを有用な文書とノイズの両方を生成可能な検索モジュールに変換するための,軽量な教師付き微調整から始まる。
  論文  参考訳（メタデータ） (2025-05-07T17:30:22Z)
• Enhancing Exploratory Learning through Exploratory Search with the Emergence of Large Language Models [3.1997856595607024]
  本研究では,探索探索戦略と探索学習理論を組み合わせることで,この複雑さを解き明かそうとする。 本研究は,高頻度探索とフィードバックループを取り入れたKolbの学習モデルに適応し,学生の深い認知・高次認知スキル開発を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-08-09T04:30:16Z)
• When Search Engine Services meet Large Language Models: Visions and Challenges [53.32948540004658]
  本稿では,大規模言語モデルと検索エンジンの統合が,両者の相互に利益をもたらすかどうかを詳細に検討する。 LLM(Search4LLM)の改良と,LLM(LLM4Search)を用いた検索エンジン機能の向上という,2つの主要な領域に注目した。
  論文  参考訳（メタデータ） (2024-06-28T03:52:13Z)
• Synergistic Interplay between Search and Large Language Models for Information Retrieval [141.18083677333848]
  InteRにより、RMはLLM生成した知識コレクションを使用してクエリの知識を拡張することができる。 InteRは、最先端手法と比較して総合的に優れたゼロショット検索性能を実現する。
  論文  参考訳（メタデータ） (2023-05-12T11:58:15Z)
• Boosting Search Engines with Interactive Agents [25.89284695491093]
  本稿では,文脈的クエリ改善のためのメタストラテジーを学習するエージェントの設計における第一歩について述べる。 エージェントには単純だが効果的な検索操作者がいて、クエリや検索結果のきめ細やかで透明な制御を行う。
  論文  参考訳（メタデータ） (2021-09-01T13:11:57Z)

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。