論文の概要: Human-AI Collaboration Reconfigures Group Regulation from Socially Shared to Hybrid Co-Regulation

• arxiv url: http://arxiv.org/abs/2604.08344v1
• Date: Thu, 09 Apr 2026 15:15:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.986522
• Title: Human-AI Collaboration Reconfigures Group Regulation from Socially Shared to Hybrid Co-Regulation
• Title（参考訳）: ソーシャル共有からハイブリッドコレギュレーションへ
• Authors: Yujing Zhang, Xianghui Meng, Shihui Feng, Jionghao Lin,
• Abstract要約: ジェネレーティブAI(GenAI)は、コラボレーション学習でますます使われているが、グループによるコラボレーションの規制方法への影響はいまだ不明である。 並列群ランダム化実験において,Human-AIグループとHuman-Humanグループ間の協調的規制を比較した。 その結果、GenAIの可用性は、主に社会的に共有される形式から、よりハイブリッドな共規制形式へと規制を移行した。
• 参考スコア（独自算出の注目度）: 3.4887270717707914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI (GenAI) is increasingly used in collaborative learning, yet its effects on how groups regulate collaboration remain unclear. Effective collaboration depends not only on what groups discuss, but on how they jointly manage goals, participation, strategy use, monitoring, and repair through co-regulation and socially shared regulation. We compared collaborative regulation between Human-AI and Human-Human groups in a parallel-group randomised experiment with 71 university students completing the same collaborative tasks with GenAI either available or unavailable. Focusing on human discourse, we used statistical analyses to examine differences in the distribution of collaborative regulation across regulatory modes, regulatory processes, and participatory focuses. Results showed that GenAI availability shifted regulation away from predominantly socially shared forms towards more hybrid co-regulatory forms, with selective increases in directive, obstacle-oriented, and affective regulatory processes. Participatory-focus distributions, however, were broadly similar across conditions. These findings suggest that GenAI reshapes the distribution of regulatory responsibility in collaboration and offer implications for the human-centred design of AI-supported collaborative learning.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)は、コラボレーション学習でますます使われているが、グループによるコラボレーションの規制方法への影響はいまだ不明である。 効果的なコラボレーションは、どのグループについて議論するかだけでなく、共同規制と社会的に共有される規制を通じて、目標、参加、戦略利用、監視、修復を共同で管理する方法にも依存する。 我々は、71人の大学生を対象に、Human-AIグループとHuman-Humanグループ間の協調的規制を並列グループランダム化実験で比較した。 人談に着目して,規制モード,規制プロセス,参加焦点間の協調的規制の分布の差異を統計的に分析した。 その結果、GenAIは、主に社会的に共有される形態から、よりハイブリッドな共調節形態へと規制を移行し、ディレクティブ、障害指向、感情的な規制プロセスの選択的増加が見られた。 しかし, 参加焦点分布は条件によって大きく類似していた。 これらの結果から,GenAIは協調作業における規制的責任の分散を肯定し,AIによる協調学習の人間中心設計に影響を及ぼすことが示唆された。

関連論文リスト

• Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective [17.879329691577684]
  本研究は,人間とAIのコラボレーションのパターンとダイナミクスを調べるために,分散認知と学習視点の制御を統合的に導入する。 Delegated Reasoning(DR)、Jointed Interpretation(CI)、Delegated Elaboration(DE)の3つの異なる協調的問題解決モードが同定された。
  論文  参考訳（メタデータ） (2026-03-22T15:21:55Z)
• Normative Equivalence in Human-AI Cooperation: Behaviour, Not Identity, Drives Cooperation in Mixed-Agent Groups [0.3823356975862005]
  我々は,AIエージェントの統合が小集団における協調規範の出現と維持にどのように影響するかを検討する。 236名の被験者を対象に, 相互群動態と行動慣性が主に協調に寄与していることを発見した。 参加者の行動は、人間とAIの条件にまたがる同じ規範的論理に従っており、協力はパートナーのアイデンティティではなくグループ行動に依存していることを示している。
  論文  参考訳（メタデータ） (2026-01-28T11:01:09Z)
• Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [50.657070334404835]
  Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。 シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。 その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-12-20T09:21:15Z)
• 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)
• PECAN: Leveraging Policy Ensemble for Context-Aware Zero-Shot Human-AI Coordination [52.991211077362586]
  本研究では,集団におけるパートナーの多様性を高めるための政策アンサンブル手法を提案する。 そこで我々は,egoエージェントがパートナーの潜在的ポリシープリミティブを分析し,識別するためのコンテキスト認識手法を開発した。 このようにして、エゴエージェントは多様なパートナーとの共同作業において、より普遍的な協調行動を学ぶことができる。
  論文  参考訳（メタデータ） (2023-01-16T12:14:58Z)
• Normative Disagreement as a Challenge for Cooperative AI [56.34005280792013]
  典型的な協調誘導学習アルゴリズムは、問題の解決に協力することができないと論じる。 我々は,ノルム適応政策のクラスを開発し,これらが協調性を著しく向上させることを示す実験を行った。
  論文  参考訳（メタデータ） (2021-11-27T11:37:42Z)
• Improved cooperation by balancing exploration and exploitation in intertemporal social dilemma tasks [2.541277269153809]
  本研究では,探索と搾取のバランスをとることができる学習率を組み込むことで協調を達成するための新たな学習戦略を提案する。 簡単な戦略を駆使したエージェントは、時間的社会的ジレンマと呼ばれる意思決定タスクにおいて、相対的に集団的リターンを改善する。 また、学習率の多様性が強化学習エージェントの人口に与える影響についても検討し、異種集団で訓練されたエージェントが特に協調した政策を発達させることを示す。
  論文  参考訳（メタデータ） (2021-10-19T08:40:56Z)
• Evolution of Coordination in Pairwise and Multi-player Interactions via Prior Commitments [0.8701566919381222]
  我々は、事前のコミットメントがコーディネーションを強化するための進化的なメカニズムであることを示す。 マルチパーティインタラクションでは、高いレベルのグループ多様性が必要な場合、事前のコミットメントが不可欠であることが証明される。 我々の分析は、人間のコミットメント能力によって引き起こされる行動進化の複雑さと美しさに関する新たな洞察を提供する。
  論文  参考訳（メタデータ） (2020-09-24T14:36:49Z)

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。