論文の概要: PAIRED: A Process-Anchored Framework for Transparent Reporting of AI Contributions in Scientific Research
- arxiv url: http://arxiv.org/abs/2605.24325v1
- Date: Sat, 23 May 2026 01:10:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:17.934193
- Title: PAIRED: A Process-Anchored Framework for Transparent Reporting of AI Contributions in Scientific Research
- Title（参考訳）: PAIRED: 科学研究におけるAIコントリビューションの透過的な報告のためのプロセスアンコールフレームワーク
- Authors: Ahmad Al-Kabbany,
- Abstract要約: AIコントリビューションを報告するための既存のフレームワークは、一様にアウトプット指向である。
現在のフレームワークでは、研究の方向性を創始した研究者と、AIの提案した方向性を採用した研究者とを区別することはできない。
- 参考スコア（独自算出の注目度）: 0.7614628596146601
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The rapid integration of generative AI into scientific research has exposed a critical gap in academic disclosure practice. Existing frameworks for reporting AI contributions are uniformly output-oriented -- they document what AI produced, not how the research unfolded. As a result, researchers who wish to report their AI collaboration honestly lack the tools to do so: no current framework can distinguish between a researcher who originated a research direction and one who adopted a direction proposed by AI, or between a researcher who critically evaluated AI-generated alternatives and one who accepted AI output without independent assessment. This gap is not a matter of compliance detail; it is a failure to capture the cognitive dynamics that determine what kind of intellectual contribution a paper actually represents. We propose PAIRED -- Process-Anchored Interaction Reporting for AI-Enabled Discovery -- a dual-facing framework that addresses this gap through four design principles: process orientation, which takes the decision point rather than the research product as the fundamental unit of documentation; dual-facing output, which derives a structured publisher disclosure from a prospective author log without double work; decision-point granularity, which operates between session-level coarseness and message-level impracticality; and artifact-triggered logging, which provides an auditable rule against selective omission. We demonstrate PAIRED through worked examples, discuss its limitations openly, and propose a model-assisted adoption pathway that embeds the framework's logging discipline directly into AI research platforms.
- Abstract（参考訳）: 生成AIの科学研究への迅速な統合は、学術的開示の実践において重大なギャップを露呈している。
AIコントリビューションを報告するための既存のフレームワークは、一様にアウトプット指向である。
その結果、AIコラボレーションを報告したい研究者は、正直にそうするツールを欠いている。現在のフレームワークでは、研究の方向性を創始した研究者と、AIの提案した方向性を採用する研究者と、AI生成の代替案を批判的に評価する研究者と、独立した評価なしでAIアウトプットを受け入れる研究者とを区別することはできない。
このギャップはコンプライアンスの詳細の問題ではなく、論文が実際にどの知的貢献を実際に表現しているかを決定する認知力学を捉えるのに失敗している。
プロセス指向(Process-Anchored Interaction Reporting for AI-Enabled Discovery) - このギャップに対処する2つのフレームワークである。プロセス指向( Process orientation) – 研究製品よりも決定ポイントをドキュメントの基本単位として取り出す。
作業例を通じてPAIREDを実演し、その制限をオープンに議論し、フレームワークのロギング規律を直接AI研究プラットフォームに組み込むモデル支援採用パスを提案する。
関連論文リスト
- AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Inspectable AI for Science: A Research Object Approach to Generative AI Governance [35.790980610679384]
研究対象としてのAI(AI-RO)について紹介する。
AIが著者なのか単なるツールなのかを議論する代わりに、我々はAIインタラクションを研究プロセスの構造化された検査可能なコンポーネントとして扱うことを提案する。
論文 参考訳（メタデータ） (2026-04-13T10:13:20Z) - Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。
提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
論文 参考訳（メタデータ） (2025-12-18T12:08:46Z) - Academics and Generative AI: Empirical and Epistemic Indicators of Policy-Practice Voids [0.0]
本研究は,組織ルールと実践的AI利用の間の空白を明らかにするために,構造化解釈フレームワークに埋め込まれた10項目の間接楕円型機器のプロトタイプを作成する。
論文 参考訳（メタデータ） (2025-11-04T06:24:47Z) - QUINTA: Reflexive Sensibility For Responsible AI Research and Data-Driven Processes [2.504366738288215]
本稿では, 重要な反射性に基礎を置いた包括的枠組みについて述べる。
このフレームワークは研究者の反射性を中心とし、データ中心のアプローチを通じてAI/DSアーティファクトを作成し分析するAI研究者の力に注意を向ける。
論文 参考訳（メタデータ） (2025-09-19T18:40:30Z) - Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor [83.99510317617694]
我々は、厳格なAI研究と実践が持つべきものに対するより広範な概念が必要とされると論じている。
我々は,AIコミュニティの作業に関する対話に有用な言語とフレームワークを提供することを目標としている。
論文 参考訳（メタデータ） (2025-06-17T15:44:41Z) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。
我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
論文 参考訳（メタデータ） (2025-04-01T13:53:11Z) - Augmenting the Author: Exploring the Potential of AI Collaboration in Academic Writing [25.572926673827165]
このケーススタディは、学術的な仕事において、責任と効果的なAI統合を保証するためのAIの限界を認識し、設計、出力分析、そして認識することの重要性を強調します。
この論文は、効果的なプロンプト戦略を探求し、Gen AIモデルの比較分析を提供することにより、ヒューマン・コンピュータインタラクションの分野に貢献する。
論文 参考訳（メタデータ） (2024-04-23T19:06:39Z) - Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and
Stir" [76.44130385507894]
本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。
本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2021-11-01T17:57:04Z)
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。