論文の概要: The Digital Divide in Generative AI: Evidence from Large Language Model Use in College Admissions Essays

• arxiv url: http://arxiv.org/abs/2602.17791v1
• Date: Thu, 19 Feb 2026 19:47:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.123318
• Title: The Digital Divide in Generative AI: Evidence from Large Language Model Use in College Admissions Essays
• Title（参考訳）: ジェネレーティブAIにおけるデジタルディバイド:大学受験生の大規模言語モデルによるエビデンス
• Authors: Jinsook Lee, Conrad Borchers, AJ Alvero, Thorsten Joachims, Rene F. Kizilcec,
• Abstract要約: 大規模言語モデル (LLMs) は学生の間で人気を博している。 LLMは、従来の筆記支援をあまり受けない学生向けの高品質なフィードバックへのアクセスを拡大する可能性がある。 本研究は, LLM支援書記の導入が社会経済的グループによってどのように異なるかを検討する。
• 参考スコア（独自算出の注目度）: 12.696416066678731
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Large language models (LLMs) have become popular writing tools among students and may expand access to high-quality feedback for students with less access to traditional writing support. At the same time, LLMs may standardize student voice or invite overreliance. This study examines how adoption of LLM-assisted writing varies across socioeconomic groups and how it relates to outcomes in a high-stakes context: U.S. college admissions. We analyze a de-identified longitudinal dataset of applications to a selective university from 2020 to 2024 (N = 81,663). Estimating LLM use using a distribution-based detector trained on synthetic and historical essays, we tracked how student writing changed as LLM use proliferated, how adoption differed by socioeconomic status (SES), and whether potential benefits translated equitably into admissions outcomes. Using fee-waiver status as a proxy for SES, we observe post-2023 convergence in surface-level linguistic features, with the largest changes in fee-waived and rejected applicants. Estimated LLM use rose sharply in 2024 across all groups, with disproportionately larger increases among lower SES applicants, consistent with an access hypothesis in which LLMs substitute for scarce writing support. However, increased estimated LLM use was more strongly associated with declines in predicted admission probability for lower SES applicants than for higher SES applicants, even after controlling for academic credentials and stylometric features. These findings raise concerns about equity and the validity of essay-based evaluation in an era of AI-assisted writing and provide the first large-scale longitudinal evidence linking LLM adoption, linguistic change, and evaluative outcomes in college admissions.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、学生の間で人気の高い書記ツールとなり、従来の書記支援にあまりアクセスできない学生向けの高品質なフィードバックへのアクセスを拡大する可能性がある。 同時に、LLMは生徒の声を標準化したり、過剰に招待したりすることができる。 本研究は, LLM支援書記の導入が社会経済的グループによってどのように異なるか, 高い状況下での成果とどのように関連するか, アメリカ合衆国の大学入学について検討する。 我々は、2020年から2024年までの選抜大学(N = 81,663)における、未同定の年次データセットを分析した。 合成エッセイおよび歴史的エッセイに基づいて学習した分布型検知器を用いてLLMの使用を推定し,LLM使用の増加とともに学生の筆記がどう変化したか,社会経済的地位(SES)による採用がどう変化したか,そして,潜在的利益が入院結果に等しく変換されるかどうかを調べた。 SES の代用として,2023 年以降の表層言語的特徴の収束をみる。 推定LSMは2024年に全グループで急激に増加し、低レベルのSES申請者の間では著しく増加し、LSMが不足する筆記支援に代わるアクセス仮説と一致した。 しかし,LSM使用量の増加は,学術的資格情報や様式的特徴をコントロールした後でも,SES申請者よりも低いSES申請者に対する受入確率の低下と強く関連していた。 これらの知見は、AI支援書記時代におけるエクイティとエッセイに基づく評価の妥当性に関する懸念を提起し、大学入学におけるLLM導入、言語変化、評価結果とを結びつけた最初の大規模縦断的証拠を提供する。

関連論文リスト

• Counterfactual LLM-based Framework for Measuring Rhetorical Style [15.917819866091191]
  本稿では,機械学習論文の実体的内容から修辞的スタイルを遠ざけるための,反実的LLMベースのフレームワークを提案する。 2017年から2025年にかけてサンプリングされた8,485 ICLRへのこの手法の適用により、25万件以上の偽造書を生成する。 視線フレーミングは、ピアレビュー評価を制御した後でも、引用やメディアの注意を含む下流の注意を著しく予測する。
  論文  参考訳（メタデータ） (2025-12-22T22:22:46Z)
• LLM-REVal: Can We Trust LLM Reviewers Yet? [70.58742663985652]
  大規模言語モデル(LLM)は研究者に、学術的なワークフローに広く組み込むよう刺激を与えている。 本研究は、LLMのピアレビューと研究プロセスへの深い統合が学術的公正性にどのように影響するかに焦点を当てる。
  論文  参考訳（メタデータ） (2025-10-14T10:30:20Z)
• Does the Prompt-based Large Language Model Recognize Students' Demographics and Introduce Bias in Essay Scoring? [3.7498611358320733]
  大規模言語モデル (LLM) は自動エッセイ・スコーリング (AES) で広く使われている。 本研究は,学生の属性の予測力と評価課題における評価バイアスとの関係について検討した。
  論文  参考訳（メタデータ） (2025-04-30T05:36:28Z)
• Poor Alignment and Steerability of Large Language Models: Evidence from College Admission Essays [19.405531377930977]
  本研究では,大規模言語モデル (LLM) を高文脈で使用することを検討した。 両タイプのLCMエッセイは,人間によるエッセイとは言語的に異なることがわかった。 人口統計学的に誘発され、未発達の合成テキストは、人間のテキストよりも互いに類似していた。
  論文  参考訳（メタデータ） (2025-03-25T20:54:50Z)
• Are We There Yet? Revealing the Risks of Utilizing Large Language Models in Scholarly Peer Review [66.73247554182376]
  大規模言語モデル(LLM)がピアレビューに統合された。 未確認のLLMの採用は、ピアレビューシステムの完全性に重大なリスクをもたらす。 5%のレビューを操作すれば、論文の12%が上位30%のランキングでその地位を失う可能性がある。
  論文  参考訳（メタデータ） (2024-12-02T16:55:03Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• A Large-Scale Study of Relevance Assessments with Large Language Models: An Initial Look [52.114284476700874]
  本稿では,4つの異なる関連性評価手法が展開された大規模評価(TREC 2024 RAG Track)の結果について報告する。 自動生成UMBRELA判定は、完全に手動による判断を置き換えて、実行レベルの有効性を正確に捉えることができる。 意外なことに、LLMアシストは完全な手作業による評価と相関を増さないようで、人間のループプロセスに関連するコストは明らかな有意義な利益をもたらすものではないことを示唆している。
  論文  参考訳（メタデータ） (2024-11-13T01:12:35Z)
• Whose ChatGPT? Unveiling Real-World Educational Inequalities Introduced by Large Language Models [3.005864877840858]
  ChatGPTや他の類似のツールは、学習経験と成果を改善するために、大きな言語モデル(LLM)の可能性について、大きな興奮と実験的努力を喚起しました。 しかし、LLMが教育的価値に与える影響を体系的に調査する研究はほとんどない。 我々は2021年から2024年までの2391のコースで16,791人の大学生から1,140,328人の学術論文を米国内の公立の少数派機関で分析した。 言語学的に有利な学生と不利な学生の書き込み品質のギャップが狭まりつつあり, 学生全体の書き込み品質が徐々に向上していることがわかった。
  論文  参考訳（メタデータ） (2024-10-29T17:35:46Z)
• United in Diversity? Contextual Biases in LLM-Based Predictions of the 2024 European Parliament Elections [42.72938925647165]
  大規模言語モデル(LLM)に基づく「合成サンプル」は、人間の調査の効率的な代替手段として有効であると議論されている。 合成サンプル」は、訓練データや微調整プロセスが多様な文脈を表わさないため偏見を呈する可能性がある。 本研究は, LLM生成合成試料を公衆の意見予測に利用できるか, どのような条件で利用できるかを検討する。
  論文  参考訳（メタデータ） (2024-08-29T16:01:06Z)
• Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
  本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。 我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
  論文  参考訳（メタデータ） (2024-03-11T21:51:39Z)
• Large Language Models are Not Yet Human-Level Evaluators for Abstractive Summarization [66.08074487429477]
  抽象的な要約のための自動評価器として,大規模言語モデル(LLM)の安定性と信頼性について検討する。 また、ChatGPTとGPT-4は、一般的に使われている自動測定値よりも優れていますが、人間の代替品として準備ができていません。
  論文  参考訳（メタデータ） (2023-05-22T14:58:13Z)

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。