論文の概要: The enshittification of online search? Privacy and quality of Google, Bing and Apple in coding advice

• arxiv url: http://arxiv.org/abs/2512.03793v1
• Date: Wed, 03 Dec 2025 13:42:22 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 11:58:34.664448
• Title: The enshittification of online search? Privacy and quality of Google, Bing and Apple in coding advice
• Title（参考訳）: オンライン検索の強化? コーディングアドバイスにおけるGoogle、Bing、Appleのプライバシーと品質
• Authors: Konrad Kollnig,
• Abstract要約: Google Search、Microsoft Bing、およびApple Searchの検索品質を評価する。 検索品質の独立した指標として,1)Web検索におけるプライバシの尺度として,1)検索結果の最初のトラッカー数,2)Stack Overflow検索結果の平均ランクの2つを用いる。 我々の結果は、検索結果のプライバシがGoogleやAppleよりもBingの方が高いことを示唆している。同様に、Stack Overflowの平均的なランクによって測定されるコーディングアドバイスの品質は、Bingで最高だった。
• 参考スコア（独自算出の注目度）: 1.8528929583956726
• License:
• Abstract: Even though currently being challenged by ChatGPT and other large-language models (LLMs), Google Search remains one of the primary means for many individuals to find information on the internet. Interestingly, the way that we retrieve information on the web has hardly changed ever since Google was established in 1998, raising concerns as to Google's dominance in search and lack of competition. If the market for search was sufficiently competitive, then we should probably see a steady increase in search quality over time as well as alternative approaches to the Google's approach to search. However, hardly any research has so far looked at search quality, which is a key facet of a competitive market, especially not over time. In this report, we conducted a relatively large-scale quantitative comparison of search quality of 1,467 search queries relating to coding advice in October 2023. We focus on coding advice because the study of general search quality is difficult, with the aim of learning more about the assessment of search quality and motivating follow-up research into this important topic. We evaluate the search quality of Google Search, Microsoft Bing, and Apple Search, with a special emphasis on Apple Search, a widely used search engine that has never been explored in previous research. For the assessment of search quality, we use two independent metrics of search quality: 1) the number of trackers on the first search result, as a measure of privacy in web search, and 2) the average rank of the first Stack Overflow search result, under the assumption that Stack Overflow gives the best coding advice. Our results suggest that the privacy of search results is higher on Bing than on Google and Apple. Similarly, the quality of coding advice -- as measured by the average rank of Stack Overflow -- was highest on Bing.
• Abstract（参考訳）: 現在ChatGPTや他の大規模言語モデル(LLM)に挑戦されているが、Google検索は多くの人がインターネット上で情報を見つけるための主要な手段の1つだ。 興味深いことに、1998年にGoogleが設立されて以来、Web上の情報を検索する方法はほとんど変わっていない。 検索の市場が十分に競争力があるなら、Googleの検索アプローチに対する代替アプローチと同様に、時間とともに検索品質が着実に上昇するはずだ。 しかし、これまで検索の質に注目する研究はほとんど行われていない。 本報告では,2023年10月に,コーディングアドバイスに関連する1,467の検索クェリの検索品質を,比較的大規模に比較した。 一般的な検索品質の研究は困難であり、検索品質の評価についてより深く学び、この重要なトピックに対するフォローアップ研究の動機付けを目的として、コーディングアドバイスに重点を置いている。 われわれはGoogle Search、Microsoft Bing、およびApple Searchの検索品質を評価し、Apple Searchに特に重点を置いている。 検索品質の評価には,2つの独立した検索品質指標を用いる。 1) ウェブ検索におけるプライバシーの指標として, 検索結果の最初のトラッカー数, および 2) Stack Overflowが最高のコーディングアドバイスを提供するという仮定の下で、最初のStack Overflow検索結果の平均ランク。 我々の結果は、検索結果のプライバシーがGoogleやAppleよりもBingの方が高いことを示唆している。 同様に、Stack Overflowの平均的なランクによって測定されるコーディングアドバイスの品質は、Bingで最も高かった。

関連論文リスト

• Implicit Search via Discrete Diffusion: A Study on Chess [104.74301574891359]
  本稿では,DiffuSearchを提案する。DiffuSearchは,離散拡散モデルを用いて未来を探索し,テキストをシンプルに検索するモデルである。 DiffuSearchをChessという古典的なボードゲームでインスタンス化する。 DiffuSearchは、検索不要と明示的な検索強化ポリシーの両方で優れていることを示す。
  論文  参考訳（メタデータ） (2025-02-27T06:25:15Z)
• Data Voids and Warning Banners on Google Search [4.4534065108405665]
  ソーシャルメディア上で共有された14万のユニークな検索クエリを収集し、Googleの警告バナーをサーフェした。 Googleは検索クエリの約1%に警告バナーを返した。 品質の低いバナーの29倍から58倍のデータを無効にしています。
  論文  参考訳（メタデータ） (2025-02-24T18:56:04Z)
• RethinkMCTS: Refining Erroneous Thoughts in Monte Carlo Tree Search for Code Generation [71.88883580383039]
  コード生成の推論プロセスを探求し、洗練するフレームワークであるRethinkMCTSを提案する。 具体的には、コード生成前の思考の検索にMCTSを使用し、再考と呼ばれる改善メカニズムをMCTSに統合する。 RethinkMCTSは、従来の検索ベースおよびフィードバック強化コード生成ベースラインよりも優れていることを実証する。
  論文  参考訳（メタデータ） (2024-09-15T02:07:28Z)
• MindSearch: Mimicking Human Minds Elicits Deep AI Searcher [50.68599514830046]
  我々は、Web情報検索と統合における人間の心を模倣するMindSearchを紹介した。 このフレームワークは、シンプルだが効果的なLLMベースのマルチエージェントフレームワークによってインスタンス化できる。 MindSearchは、深さと幅の点でレスポンス品質が大幅に改善されている。
  論文  参考訳（メタデータ） (2024-07-29T17:12:40Z)
• Market or Markets? Investigating Google Search's Market Shares Under Horizontal and Vertical Segmentation [4.945772101603344]
  本稿では,オンライン検索の水平および垂直のセグメンテーションの下で,Google検索のマーケットシェアを初めて分析する。 Google Searchは、他の水平検索エンジンと比較して71.8%の参加者のクエリを受け取ります。 以上の結果から,Google検索の市場パワーとオンライン市場全体の概念化に関する,現在かつ現在進行中の議論について報告する。
  論文  参考訳（メタデータ） (2024-07-16T17:09:55Z)
• Code Search Debiasing:Improve Search Results beyond Overall Ranking Performance [10.059769537424582]
  バイアスドコード検索エンジンは、全体的なパフォーマンスが期待できるにもかかわらず、ユーザエクスペリエンスが劣っている。 我々は、検索結果の校正に格付けを利用する一般的なデバイアス化フレームワークを開発する。 実験により、我々のフレームワークはバイアスを効果的に軽減できることが示された。
  論文  参考訳（メタデータ） (2023-11-25T02:31:22Z)
• Tree-based Text-Vision BERT for Video Search in Baidu Video Advertising [58.09698019028931]
  ビデオ広告とユーザー検索をどう組み合わせるかがBaiduビデオ広告の中核となる課題だ。 モダリティのギャップのため、従来のクエリ・ツー・ビデオ検索よりも、クエリ・ツー・ビデオ検索の方がはるかに難しい。 我々は最近Baiduのダイナミックビデオ広告プラットフォームで開始されたツリーベースのコンボアテンションネットワーク(TCAN)について紹介する。
  論文  参考訳（メタデータ） (2022-09-19T04:49:51Z)
• Exposing Query Identification for Search Transparency [69.06545074617685]
  本稿では,検索システムの2つのクラスにおいて,クエリとドキュメントの役割を逆転させることにより,検索タスクとしてのEQIの実現可能性について検討する。 本研究では,クエリのランク付けの質を評価するための評価基準を導出するとともに,近似EQIの様々な実践的側面に着目した経験的分析を行う。
  論文  参考訳（メタデータ） (2021-10-14T20:19:27Z)
• The Matter of Chance: Auditing Web Search Results Related to the 2020 U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
  私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。 その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
  論文  参考訳（メタデータ） (2021-05-03T11:18:19Z)
• Search Engine Similarity Analysis: A Combined Content and Rankings Approach [6.69087470775851]
  我々は、DuckDuckGoとともに、GoogleとBingという2つの主要な検索エンジンの親和性について分析する。 我々は、検索応答のコンテンツとランキングの両方を活用する新しい類似度指標を開発した。 しかしBingとDuckDuckGoは相違点が多い。
  論文  参考訳（メタデータ） (2020-11-01T23:57:24Z)

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。