論文の概要: Investigating Writing Professionals' Relationships with Generative AI: How Combined Perceptions of Rivalry and Collaboration Shape Work Practices and Outcomes

• arxiv url: http://arxiv.org/abs/2602.08227v1
• Date: Mon, 09 Feb 2026 03:01:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.041839
• Title: Investigating Writing Professionals' Relationships with Generative AI: How Combined Perceptions of Rivalry and Collaboration Shape Work Practices and Outcomes
• Title（参考訳）: ジェネレーティブAIとプロフェッショナルの関係性を探る--リバトリーとコラボレーション形態の複合認識と成果
• Abstract要約: 本研究では,プロの著作家とGenAIの複雑な関係が作業実践や成果をいかに形作るかを検討する。 私たちは、コラボレーションと競合する指向が、仕事の実践と成果の違いに関連していることを示します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This study investigates how professional writers' complex relationship with GenAI shapes their work practices and outcomes. Through a cross-sectional survey with writing professionals (n=403) in diverse roles, we show that collaboration and rivalry orientation are associated with differences in work practices and outcomes. Rivalry is primarily associated with relational crafting and skill maintenance. Collaboration is primarily associated with task crafting, productivity, and satisfaction, at the cost of long-term skill deterioration. Combination of the orientations (high rivalry and high collaboration) reconciles these differences, while boosting the association with the outcomes. Our findings argue for a balanced approach where high levels of rivalry and collaboration are essential to shape work practices and generate outcomes aimed at the long-term success of the job. We present key design implications on how to increase friction (rivalry) and reduce over-reliance (collaboration) to achieve a more balanced relationship with GenAI.
• Abstract（参考訳）: 本研究では,プロの著作家とGenAIの複雑な関係が作業実践や成果をいかに形作るかを検討する。 さまざまな役割の書記専門家(n=403)による横断的な調査を通じて、コラボレーションと競争指向は、仕事の実践と成果の違いと関連していることを示す。 リレーショナル・マニュファクチャリングとスキル・メンテナンスは、主にリレーショナル・マニュファクチャリングと関係している。 コラボレーションは、主に、長期的なスキル劣化のコストで、タスクの製作、生産性、満足度と関連付けられます。 オリエンテーション(高い競争力と高い協力関係)の組み合わせは、これらの相違を和らげ、結果との関連性を高めます。 我々の研究は、仕事の実践を形作り、仕事の長期的な成功を目的とした成果を生み出すために、高いレベルの競争と協力が不可欠であるバランスの取れたアプローチを論じている。 我々は、GenAIとのよりバランスの取れた関係を達成するために、摩擦(リバトリー)を高め、過度な信頼(コラボレーション)を減らす方法について、重要な設計上の意味を述べる。

関連論文リスト

• CoMind: Understanding Collaborative Human Activity from Multiple Minds and Views [82.15362247351763]
  調理シナリオにおける現実のコラボレーションをキャプチャする,エゴセントリックでエクソセントリックなビデオデータセットを新たに導入する。 このデータセットは、マルチパースペクティブなビデオ、高品質なオーディオ、視線追跡、および3Dシーンとオブジェクトスキャンを統合する。 我々は,共同注意推定,社会的条件付きオブジェクトインタラクション予測,協調的ハンドオーバ予測のベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-07-07T18:08:45Z)
• Representational Similarity and Model Behavior in Multi-Agent Interaction [86.305731341492]
  マルチエージェントシステム設計において,表現的類似性は重要な考慮事項であることを示す。 より類似した表現空間を持つペアは、はるかに高い協調を実現するが、新規性や創造性は低下する。 このことは、これらのパターンの根底にある中心的な要素が、2つのモデルが語彙と意味的な接点を共有する範囲である可能性を示唆している。
  論文  参考訳（メタデータ） (2026-06-05T19:59:17Z)
• From Affect to Complex Behavior: Advancing Multimodal Human-Centered AI at the 10th ABAW Workshop & Competition [60.17193786245766]
  ABAWコンペティションでは、感情的および行動的理解の重要な側面をターゲットにした、さまざまな課題が紹介されている。 論文のトラックでは、ポーズ、動きと行動の推定、モデリングとマルチモーダル学習、ベンチマーク、データセットと評価プロトコル、公正性、堅牢性とデプロイメントなど、幅広いコントリビューションを提示している。
  論文  参考訳（メタデータ） (2026-05-24T17:44:37Z)
• The Collaboration Gap in Human-AI Work [11.663456969895462]
  このポスターは、なぜそのようなコラボレーションが脆弱なままなのかを理解するための概念的なフレームワークを紹介します。 安定したコラボレーションは、モデル能力だけでなく、相互作用の基盤条件にも依存する、と我々は主張する。
  論文  参考訳（メタデータ） (2026-04-20T11:14:40Z)
• Alignment-Process-Outcome: Rethinking How AIs and Humans Collaborate [4.007727745586906]
  我々は2つの補体レンズを通して協調を再認識する。 タスクレンズは、構造化されたタスク空間における軌道進化として協調し、進行、分岐、バックトラックなどのパターンを明らかにする。 インテントレンズは、個々のインテントが共有コンテキスト内でどのように表現され、位置決定に入るかを調べる。
  論文  参考訳（メタデータ） (2026-03-09T06:46:59Z)
• Learning When to Cooperate Under Heterogeneous Goals [4.265773997354609]
  典型的なAd Hoc Teamwork (AHT) の設定を拡張して,任意のシナリオにおいて重複する可能性のある,あるいは重複しないヘテロジニアスな目標を持つエージェントのアイデアを取り入れます。 本稿では,模倣と強化学習の階層的な組み合わせを基礎として,この環境下での学習方針に対する新しいアプローチを提案する。 また,チームメイトの行動を予測することによってチームメイトをモデル化する補助的コンポーネントの貢献についても検討し,その効果がチームメイトの目標に関する観測可能な情報の量と逆関係であることを見出した。
  論文  参考訳（メタデータ） (2026-03-07T15:09:27Z)
• Super-additive Cooperation in Language Model Agents [4.14360329494344]
  この研究は、反復的相互作用とグループ間競争の複合効果が人間の協調傾向の原因であると主張する超付加的協調理論に着想を得たものである。 私たちは、言語モデルエージェントがチームに分かれて、囚人のジレンマゲームで互いに対決する仮想トーナメントを考案しました。 チーム内部のダイナミクスと外部の競争をシミュレートすることで、このブレンドによって、全体的なコラボレーションレベルと最初のコラボレーションレベルの両方が大幅に向上することが分かりました。
  論文  参考訳（メタデータ） (2025-08-21T12:36:44Z)
• Human-AI collaboration or obedient and often clueless AI in instruct, serve, repeat dynamics? [0.0]
  本研究では,複雑な問題を解きながら人間とAIの相互作用を考察する。 発見は、協調的な交渉よりも反復的な順序付けによって特徴づけられる相互作用による指導的パターンが支配的であることを示している。
  論文  参考訳（メタデータ） (2025-08-03T11:43:01Z)
• Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
  この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。 その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。 チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
  論文  参考訳（メタデータ） (2024-10-28T11:42:05Z)
• Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
  利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。 本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。 我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
  論文  参考訳（メタデータ） (2024-10-24T10:48:42Z)
• Collaborative Team Recognition: A Core Plus Extension Structure [10.842779758836219]
  本研究では,学術的なグラフデータを用いた共同チーム認識と内部パターンの探索に焦点をあてる。 大規模ネットワークにおける協調型チーム認識のための「コア+拡張型」チーム構造を用いた協調型チーム認識モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-07T07:12:35Z)
• Co-Matching: Towards Human-Machine Collaborative Legal Case Matching [69.21196368715144]
  合法的なケースマッチングが成功するには、法的実践者の暗黙の知識が必要であり、機械に言語化してエンコードすることは困難である。 本稿では,協調マッチングフレームワークであるCo-Matchingを提案する。 本研究は,人間と機械の協調作業における先駆的な取り組みであり,今後の協調マッチング研究のマイルストーンとなる。
  論文  参考訳（メタデータ） (2024-05-16T16:50:31Z)
• Understanding Entrainment in Human Groups: Optimising Human-Robot Collaboration from Lessons Learned during Human-Human Collaboration [7.670608800568494]
  コラボレーションにおけるトレーニングの成功は、信頼、協力への意欲、協力者への好意に肯定的な影響を及ぼす。 本稿では,HCI/HRI(Human-Computer/Robot Interaction)とHCI/HRI(Human-Centred approach)を併用し,ペアとグループによる協調作業における運動の特徴を同定する。
  論文  参考訳（メタデータ） (2024-02-23T16:42:17Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は,競争行動の社会的影響に基づく新しい強化学習機構を提案する。 提案モデルでは, 人工エージェントの学習を調節するための競合スコアを導出するために, 客観的, 社会的認知的メカニズムを集約する。
  論文  参考訳（メタデータ） (2022-08-22T14:06:06Z)
• On the Critical Role of Conventions in Adaptive Human-AI Collaboration [73.21967490610142]
  規則依存表現と規則依存表現を区別する学習フレームワークを提案する。 複雑性が異なる3つの共同作業に対するアプローチを実験的に検証します。
  論文  参考訳（メタデータ） (2021-04-07T02:46:19Z)
• Incorporating Rivalry in Reinforcement Learning for a Competitive Game [65.2200847818153]
  本研究は、競合する社会的影響に基づく新しい学習メカニズムの提供に焦点を当てる。 本研究は,競争競合の概念に基づいて,これらのエージェントの評価を人的視点から変えられるかを検討することを目的とする。
  論文  参考訳（メタデータ） (2020-11-02T21:54:18Z)
• On Emergent Communication in Competitive Multi-Agent Teams [116.95067289206919]
  外部のエージェントチームによるパフォーマンスの競争が社会的影響として作用するかどうかを検討する。 以上の結果から,外部競争の影響により精度と一般化が向上し,コミュニケーション言語が急速に出現することが示唆された。
  論文  参考訳（メタデータ） (2020-03-04T01:14:27Z)

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。