論文の概要: "Oops! ChatGPT is Temporarily Unavailable!": A Diary Study on Knowledge Workers' Experiences of LLM Withdrawal

• arxiv url: http://arxiv.org/abs/2603.26099v1
• Date: Fri, 27 Mar 2026 06:13:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.371296
• Title: "Oops! ChatGPT is Temporarily Unavailable!": A Diary Study on Knowledge Workers' Experiences of LLM Withdrawal
• Title（参考訳）: Oops! ChatGPT is Temporarily un available!--LLM Withdrawalにおける知識労働者の経験に関する日誌研究
• Authors: Eunseo Oh, Suyoun Lee, Jae Young Choi, Soobin Park, Youn-kyung Lim,
• Abstract要約: LLMは知識労働に深く浸透し、依存の増大と人間のスキルを損なう可能性を懸念している。 この結果から, 自己指導型作業が, 参加者の職業的価値の回復にどのように寄与したか, 日常的な実践がLLMの使用が必然的に規範的になったかが明らかとなった。 本研究は,LLMの可視的役割に関する実証的な知見を提供し,現在のLLM普及型作業環境における専門的価値を支援するためのアプローチとして,価値駆動型評価を提案する。
• 参考スコア（独自算出の注目度）: 13.938784393853908
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLMs have become deeply embedded in knowledge work, raising concerns about growing dependency and the potential undermining of human skills. To investigate the pervasiveness of LLMs in work practices, we conducted a four-day diary study with frequent LLM users (N=10), observing how knowledge workers responded to a temporary withdrawal of LLMs. Our findings show how LLM withdrawal disrupted participants' workflows by identifying gaps in task execution, how self-directed work led participants to reclaim professional values, and how everyday practices revealed the extent to which LLM use had become inescapably normative. Conceptualizing LLMs as infrastructural to contemporary knowledge work, this research contributes empirical insights into the often invisible role of LLMs and proposes value-driven appropriation as an approach to supporting professional values in the current LLM-pervasive work environment.
• Abstract（参考訳）: LLMは知識労働に深く浸透し、依存の増大と人間のスキルを損なう可能性を懸念している。 作業実践におけるLLMの広範性を検討するため,LLM利用者を多用した4日間の日記調査(N=10)を行い,LLMの一時退去に対する知識労働者の対応について検討した。 この結果から, LLMの離脱が作業実行のギャップを解消し, 自己指揮型作業が専門家の価値観の回復にどう寄与したか, 日常的な実践がLLMの使用が必然的に規範的になったかを明らかにすることで, 参加者のワークフローを損なうことが示唆された。 本研究は,LLMの非構造的・現代的知識労働としての概念化をめざし,LLMの目に見える役割に関する実証的な知見を提供し,現在のLLM普及型作業環境における専門的価値を支援するためのアプローチとして,価値駆動型評価を提案する。

関連論文リスト

• Demystify, Use, Reflect: Preparing students to be informed LLM-users [12.70014939919203]
  このコースでは、構造化され、批判的、実践的な方法で、LLM(Large Language Models)を導入します。 それは、学生がAIと有意義かつ責任を持って関与するために必要なスキルを開発するのを助けることを目的としている。
  論文  参考訳（メタデータ） (2025-11-14T04:43:49Z)
• Performance Gains of LLMs With Humans in a World of LLMs Versus Humans [1.12376792916275]
  現在、LLMと人間の専門家のグループの比較にかなりの研究努力が費やされている。 適切な保護がなければ、LLMは患者ケアの安全提供という確立した構造に害をもたらす恐れがある。
  論文  参考訳（メタデータ） (2025-05-13T18:44:22Z)
• Understanding the LLM-ification of CHI: Unpacking the Impact of LLMs at CHI through a Systematic Literature Review [8.524433537542484]
  大規模言語モデル(LLM)は、HCIに革命をもたらす位置にある。 現在、LLMsのHCIへの取り込みについてはほとんど理解されていない。 我々は、LLMに関わる2020-24年の153件のCHI論文をレビューする。
  論文  参考訳（メタデータ） (2025-01-22T00:31:51Z)
• A Reality check of the benefits of LLM in business [1.9181612035055007]
  大規模言語モデル(LLM)は、言語理解および生成タスクにおいて顕著なパフォーマンスを達成した。 ビジネスプロセスにおけるLCMの有用性と準備性について概説する。
  論文  参考訳（メタデータ） (2024-06-09T02:36:00Z)
• A Survey of Useful LLM Evaluation [20.048914787813263]
  2段階フレームワーク:コア能力からエージェントへ」 コア能力」の段階では, LLMの推論能力, 社会的影響, ドメイン知識について議論した。 エージェントの段階では, LLMエージェントアプリケーションの動作, 計画, ツール学習の具体化を実演した。
  論文  参考訳（メタデータ） (2024-06-03T02:20:03Z)
• Small Models, Big Insights: Leveraging Slim Proxy Models To Decide When and What to Retrieve for LLMs [60.40396361115776]
  本稿では,スリムプロキシモデルを用いた大規模言語モデル (LLM) における知識不足を検知する新しい協調手法であるSlimPLMを提案する。 パラメータがはるかに少ないプロキシモデルを採用し、回答を回答としています。 ヒューリスティックな回答は、LLM内の既知の未知の知識と同様に、ユーザの質問に答えるために必要な知識を予測するのに使用される。
  論文  参考訳（メタデータ） (2024-02-19T11:11:08Z)
• When Do LLMs Need Retrieval Augmentation? Mitigating LLMs' Overconfidence Helps Retrieval Augmentation [66.01754585188739]
  大規模言語モデル(LLM)は、特定の知識を持っていないことを知るのが困難であることが判明した。 Retrieval Augmentation (RA)はLLMの幻覚を緩和するために広く研究されている。 本稿では,LLMの知識境界に対する認識を高めるためのいくつかの手法を提案する。
  論文  参考訳（メタデータ） (2024-02-18T04:57:19Z)
• Investigating the Factual Knowledge Boundary of Large Language Models with Retrieval Augmentation [109.8527403904657]
  大規模言語モデル(LLM)は,その知識に対する信頼度が低く,内部知識と外部知識の衝突をうまく扱えないことを示す。 検索の強化は、LLMの知識境界に対する認識を高める効果的なアプローチであることが証明されている。 本稿では,文書を動的に活用するための簡易な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-20T16:46:10Z)

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。