論文の概要: The Impact of LLMs on Online News Consumption and Production

• arxiv url: http://arxiv.org/abs/2512.24968v2
• Date: Wed, 07 Jan 2026 04:07:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-08 18:12:46.003946
• Title: The Impact of LLMs on Online News Consumption and Production
• Title（参考訳）: LLMがオンラインニュース消費と生産に与える影響
• Authors: Hangcheng Zhao, Ron Berman,
• Abstract要約: 大型言語モデル(LLM)は、消費者がオンラインで情報を取得する方法を変える。 LLMはまた、ニュース出版社のウェブサイトをクロールしてデータをトレーニングし、消費者の問い合わせに答える。 これらの変更は、ニュース出版社に悪影響を及ぼすという予測に繋がる。
• 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: Large language models (LLMs) change how consumers acquire information online; their bots also crawl news publishers' websites for training data and to answer consumer queries; and they provide tools that can lower the cost of content creation. These changes lead to predictions of adverse impact on news publishers in the form of lowered consumer demand, reduced demand for newsroom employees, and an increase in news "slop." Consequently, some publishers strategically responded by blocking LLM access to their websites using the robots.txt file standard. Using high-frequency granular data, we document four effects related to the predicted shifts in news publishing following the introduction of generative AI (GenAI). First, we find a moderate decline in traffic to news publishers occurring after August 2024. Second, using a difference-in-differences approach, we find that blocking GenAI bots can be associated with a reduction of total website traffic to large publishers compared to not blocking. Third, on the hiring side, we do not find evidence that LLMs are replacing editorial or content-production jobs yet. The share of new editorial and content-production job listings increases over time. Fourth, regarding content production, we find no evidence that large publishers increased text volume; instead, they significantly increased rich content and use more advertising and targeting technologies. Together, these findings provide early evidence of some unforeseen impacts of the introduction of LLMs on news production and consumption.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、消費者がオンラインで情報を取得する方法を変え、そのボットは、ニュース出版社のウェブサイトをクロールしてデータを訓練し、消費者の問い合わせに答え、コンテンツ作成コストを下げるツールを提供する。 これらの変化は、消費者需要の減少という形でニュース出版社に悪影響を及ぼすと予測し、ニュース室の従業員の需要を減らし、ニュースの「落ち込み」を増した。 結果として、いくつかの出版社は、ロボット.txtファイル標準を使用して LLM へのアクセスをブロックすることで戦略的に反応した。 高周波グラニュラーデータを用いて、生成AI(GenAI)の導入に伴うニュース出版の予測変化に関連する4つの効果を報告する。 まず、2024年8月以降に発生したニュース出版社へのトラフィックはやや減少している。 第2に、差分差分法を用いて、GenAIボットのブロックは、ブロックしない場合に比べて、Webサイト全体のトラフィックが大きめのパブリッシャーに減少することと関連付けられる。 第3に、雇用面では、LLMが編集職やコンテンツ制作職を置き換えているという証拠は見つからない。 新しい編集とコンテンツ制作の求人広告のシェアは、時間とともに増加する。 第4に、コンテンツ制作に関して、大手出版社がテキストのボリュームを増大させる証拠は見つからない。 これらの知見は、LLMの導入がニュースの制作と消費に予期せぬ影響を初期の証拠として示している。

関連論文リスト

• Web Intellectual Property at Risk: Preventing Unauthorized Real-Time Retrieval by Large Language Models [49.270849415269936]
  本稿では,Webコンテンツ作成者に対して,不正な抽出と再配布からWebベースのIPを保護するための新しいフレームワークを提案する。 提案手法はモチベーションの原則に従い,難解なブラックボックス最適化問題に効果的に対処する。
  論文  参考訳（メタデータ） (2025-05-19T03:14:08Z)
• ManiTweet: A New Benchmark for Identifying Manipulation of News on Social Media [74.93847489218008]
  ソーシャルメディア上でのニュースの操作を識別し,ソーシャルメディア投稿の操作を検出し,操作された情報や挿入された情報を特定することを目的とした,新しいタスクを提案する。 この課題を研究するために,データ収集スキーマを提案し,3.6K対のツイートとそれに対応する記事からなるManiTweetと呼ばれるデータセットをキュレートした。 我々の分析では、このタスクは非常に難しいことを示し、大きな言語モデル(LLM)は不満足なパフォーマンスをもたらす。
  論文  参考訳（メタデータ） (2023-05-23T16:40:07Z)
• Machine-Made Media: Monitoring the Mobilization of Machine-Generated Articles on Misinformation and Mainstream News Websites [5.161088104035108]
  私たちは、DeBERTaベースの合成ニュース検出器を訓練し、3,074の誤報とメインストリームのニュースサイトから156万記事以上を分類します。 2022年1月1日から2023年5月1日までの間に、メインストリームのウェブサイトでは、合成ニュース記事の相対数が57.3%増加し、誤情報サイトでは474%増加した。
  論文  参考訳（メタデータ） (2023-05-16T21:51:01Z)
• News consumption and social media regulations policy [70.31753171707005]
  我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。 以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。 Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
  論文  参考訳（メタデータ） (2021-06-07T19:26:32Z)

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。