論文の概要: Do Large Language Models Reduce Research Novelty? Evidence from Information Systems Journals

• arxiv url: http://arxiv.org/abs/2603.22510v1
• Date: Mon, 23 Mar 2026 19:16:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.163601
• Title: Do Large Language Models Reduce Research Novelty? Evidence from Information Systems Journals
• Title（参考訳）: 大規模言語モデルは研究のノベルティを低下させるか? : 情報システムジャーナルからの証拠
• Authors: Ali Safari,
• Abstract要約: 私は、2020年から2025年にかけて、44のインフォメーション・システムズ誌に掲載された13,847の論文のセマンティックノベルティを測定します。 非英語圏の機関に加盟する作家は、英語圏の作家と比較して、相対的新奇性における標準偏差が0.18減少している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models such as ChatGPT have increased scholarly output, but whether this productivity boost produces genuine intellectual advancement remains untested. I address this gap by measuring the semantic novelty of 13,847 articles published between 2020 and 2025 in 44 Information Systems journals. Using SPECTER2 embeddings, I operationalize novelty as the cosine distance between each paper and its nearest prior neighbors. A difference-in-differences design with the November 2022 release of ChatGPT as the treatment break reveals a heterogeneous pattern: authors affiliated with institutions in non-English-dominant countries show a 0.18 standard deviation decline in relative novelty compared to authors in English-dominant countries (beta = -0.176, p < 0.001), equivalent to a 7-percentile-point drop in the novelty distribution. This finding is robust across alternative novelty specifications, treatment break dates, and sub-samples, and survives a placebo test at a pre-treatment break. I interpret these results through the lens of construal level theory, proposing that LLMs function as proximity tools that shift researchers from abstract, exploratory thinking toward concrete, convention-following execution. The paper contributes to the growing debate on whether LLM-driven productivity gains come at the cost of intellectual diversity.
• Abstract（参考訳）: ChatGPTのような大規模言語モデルは学術的な成果を上げているが、この生産性が真の知的進歩を生み出すかどうかはまだ証明されていない。 私は、2020年から2025年にかけて、44のインフォメーション・システムズ誌に掲載された13,847の論文のセマンティックノベルティを測定して、このギャップに対処する。 SPECTER2埋め込みを用いて、各紙と最寄りの隣人との間の余剰距離として新規性を運用する。 2022年11月、ChatGPTを治療薬としてリリースした際、相違点の設計により異種パターンが明らかとなった: 非英語圏の機関に加盟する著者は、イギリス系諸国の著者(beta = -0.176, p < 0.001)と比較して、相対的ノベルティの標準偏差が0.18減少している。 この発見は、代替のノベルティ仕様、治療の休憩日、サブサンプルで堅牢であり、前処理の休憩時にプラセボ試験を生き残る。 コンストラクショナルレベル理論のレンズを通してこれらの結果を解釈し、LLMは研究者を抽象的、探索的思考から具体的、慣習的、追従的な実行へとシフトさせる近接ツールとして機能することを提唱する。 この論文は、LLMによる生産性向上が知的多様性の犠牲になるかどうかという議論の高まりに寄与している。

関連論文リスト

• AI-Assisted Writing Is Growing Fastest Among Non-English-Speaking and Less Established Scientists [2.9557942678513007]
  2021年から2024年にかけて、PubMed Centralから200万以上のフルテキストのバイオメディカルパブリッシングを分析した。 AI支援書記のChatGPT後において、言語障壁が最も顕著な状況において、採用が最速に伸びているのを観察する。 AIの利用の増加は生産性の緩やかな増加と結びつき、英語圏と非英語圏の科学者の間での出版ギャップを狭めた。
  論文  参考訳（メタデータ） (2025-11-19T21:00:18Z)
• Future of AI Models: A Computational perspective on Model collapse [0.0]
  本研究は,2013年から2025年までの英語ウィキペディアの年次意味的類似性を調べることで,崩壊の定量化と予測を行う。 結果は、初期のRNN/LSTMとテキスト正規化パイプラインによって引き起こされた公的なLLM採用よりも、着実に類似性が高まっていることを示している。
  論文  参考訳（メタデータ） (2025-10-29T15:10:29Z)
• DITING: A Multi-Agent Evaluation Framework for Benchmarking Web Novel Translation [31.1561882673283]
  DIINGは、Webノベル翻訳のための最初の総合的な評価フレームワークである。 AgentEvalは専門家による検討をシミュレートし、語彙オーバーラップを超えて翻訳品質を評価する。 誤りラベルとスカラー品質スコアを付加した300文対のメタ評価データセットであるMetricAlignを開発した。
  論文  参考訳（メタデータ） (2025-10-10T08:10:10Z)
• SLRTP2025 Sign Language Production Challenge: Methodology, Results, and Future Work [87.9341538630949]
  第1回手話生産チャレンジはCVPR 2025で第3回SLRTPワークショップの一環として開催された。 コンペティションの目的は、音声言語文からスケルトンポーズのシーケンスに変換するアーキテクチャを評価することである。 本稿では,挑戦設計と入賞方法について述べる。
  論文  参考訳（メタデータ） (2025-08-09T11:57:33Z)
• ChatGPT as Linguistic Equalizer? Quantifying LLM-Driven Lexical Shifts in Academic Writing [2.0117661599862164]
  本研究では,ChatGPT が OpenAlex (2020-2024) から280万項目にわたる語彙的複雑性変化を解析し,障壁を緩和し,株式を育むかを検討する。 記事レベルの制御やオーサリングパターン,会場規範を制御した後でも,ChatGPTはNNESによる抽象表現の語彙的複雑さを著しく向上させることを示した。 これらの知見は、ChatGPTが言語格差を減らし、グローバルなアカデミックにおけるエクイティを促進するという因果的証拠である。
  論文  参考訳（メタデータ） (2025-04-10T14:11:24Z)
• 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)
• Evaluation of Faithfulness Using the Longest Supported Subsequence [52.27522262537075]
  本稿では,文脈によって支持される請求項の最長不連続性を計算し,機械生成テキストの忠実さを評価する新しい手法を提案する。 新しい人間アノテーション付きデータセットを使用して、モデルを微調整してLongest Supported Subsequence(LSS)を生成する。 提案手法は,我々のデータセットの忠実度に対する最先端のメトリクスよりも18%向上していることを示す。
  論文  参考訳（メタデータ） (2023-08-23T14:18:44Z)
• INSTRUCTSCORE: Explainable Text Generation Evaluation with Finegrained Feedback [80.57617091714448]
  テキスト生成のための説明可能な評価指標であるInstructScoreを提案する。 LLaMAに基づいてテキスト評価基準を微調整し、生成されたテキストのスコアと人間の可読性診断レポートを生成する。
  論文  参考訳（メタデータ） (2023-05-23T17:27:22Z)
• No Language Left Behind: Scaling Human-Centered Machine Translation [69.28110770760506]
  低レベルの言語と高レベルの言語のパフォーマンスギャップを狭めるためのデータセットとモデルを作成します。 何千ものタスクをトレーニングしながらオーバーフィッティングに対処するために,複数のアーキテクチャとトレーニングの改善を提案する。 本モデルでは,従来の最先端技術と比較して,BLEUの44%の改善を実現している。
  論文  参考訳（メタデータ） (2022-07-11T07:33:36Z)

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。