論文の概要: Know Your Author: Does the AI Penalty Hold in Short Fiction?

• arxiv url: http://arxiv.org/abs/2606.00006v1
• Date: Thu, 26 Mar 2026 22:22:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-22 02:23:35.904332
• Title: Know Your Author: Does the AI Penalty Hold in Short Fiction?
• Title（参考訳）: AIの罰則は短命か?
• Abstract要約: 著者のラベルは、創造性、楽しみ、レコメンデーション、または独創性に信頼できる影響を与えなかった。 参加者のAIに対する以前の態度はレコメンデーションの判断を緩めた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Public concern about an "AI penalty" suggests that labeling content as AI-generated may negatively influence how it is evaluated. We tested this claim in a preregistered experiment (N = 254, per protocol) using a pure attribution design: participants read one of two ~200-word vignettes and were randomly assigned to see it labeled as Human-written, AI-written, or presented with no author line. Authorship labels did not produce reliable main effects on creativity, enjoyment, recommendation, or originality; observed effect sizes were uniformly small. However, labels strongly influenced inferred effort: participants estimated that Human-labeled stories took far longer to create than AI-labeled stories (back-transformed geometric means from ln[minutes + 1]: 148 vs. 6 minutes). Across conditions, higher inferred effort predicted greater enjoyment, and this relationship was also present within the AI-labeled condition. Additionally, participants' prior attitudes toward AI moderated recommendation judgments: more positive attitudes were associated with higher recommendation ratings for AI-labeled stories, but not for Human-labeled stories. These findings suggest that while AI authorship labels do not systematically alter average evaluations of short fiction, they meaningfully shape perceptions of effort and interact with prior beliefs to influence downstream judgments.
• Abstract（参考訳）: AIペナルティ」に関する一般の懸念は、コンテンツがAI生成としてラベル付けされることが、その評価方法に悪影響を及ぼす可能性があることを示唆している。 参加者は2つの ~200 ワードのウィグレットのうちの1つを読み、ランダムにアサインされ、人間が書いたもの、AIで書かれたもの、著者のラインがないものなどとラベル付けされた。 著者のラベルは、創造性、楽しみ、レコメンデーション、または独創性に信頼性のある主要な効果を産み出さなかった。 しかし、ラベルは推論の努力に強く影響を与え、参加者はAIラベルのストーリーよりも人間ラベルのストーリーを作るのにはるかに長い時間を要したと見積もった(後方変換された幾何学的手段はln[ minutess + 1]: 148 vs. 6分)。 また,AIラベルの条件下では,高い推論努力がより楽しむことを予測し,その関係性も認められた。 さらに、AIに対する参加者の以前の態度は、推奨判断を緩和した: より肯定的な態度は、AIラベルのストーリーでは高いレコメンデーションレーティングと関係しているが、人間ラベルのストーリーでは関連付けられていない。 これらの結果から,AIオーサシップラベルは,短編小説の平均評価を体系的に変化させるものではないものの,努力に対する認識を意味的に形成し,下流の判断に影響を与える事前の信念と相互作用することが示唆された。

関連論文リスト

• Warning labels shift perceptions of sycophantic AI, but not its influence [63.79516339973759]
  警告ラベルが梅毒の影響を緩和するかどうかを検証する。 システムをサイコファンティック(...あなたと同意し、間違っていても検証するかもしれない)としてラベル付けすることは、ユーザの認識をシフトさせる。 しかし、ユーザーの自己認識する正当性や、紛争を修復する意思に薬局が与える影響を確実に減少させるものではない。
  論文  参考訳（メタデータ） (2026-06-19T11:01:45Z)
• Gaming AI-Assisted Peer Reviews Poses New Risks to the Scientific Community [33.39468805524881]
  AIによるピアレビューは、単純で低コストな操作に対して脆弱であることを示す。 これは、人書きとAI生成の両方の論文のために、規律と出版の場にまたがって見られます。 以上の結果から,AIツールを中性評価対象として扱うべきではないことが示唆された。
  論文  参考訳（メタデータ） (2026-06-08T20:38:06Z)
• Stop Automating Peer Review Without Rigorous Evaluation [51.53099943385505]
  このポジションペーパーは、今日のAIシステムは、論文レビューの作成に使用すべきではない、と論じている。 1)AIレビュアーは、視点の多様性を低下させる論文内および新聞内における過剰な合意の隠れた効果を示す。 ピアレビューの危機に対処するには、ピアレビューの自動化の科学が必要です。
  論文  参考訳（メタデータ） (2026-05-04T22:41:04Z)
• Incentives shape how humans co-create with generative AI [3.182696575286433]
  創造的な執筆作業において、AIの均質化力を仲介するインセンティブが示される。 その結果、生成AIの効果は技術そのものだけでなく、その利用を取り巻く行動戦略やインセンティブ構造にも依存していることが明らかとなった。
  論文  参考訳（メタデータ） (2026-04-04T00:18:51Z)
• Security Benefits and Side Effects of Labeling AI-Generated Images [27.771584371064968]
  ラベルの意味について検討し,誤ラベルの可能性についても検討した。 我々は1300人以上の米国とEU参加者による事前登録されたオンライン調査を実施している。 我々は,不正確な主張を伝達する人造画像がラベルの存在下でより信頼性が高いと認識されるという,望ましくない副作用を見出した。
  論文  参考訳（メタデータ） (2025-05-28T20:24:45Z)
• Labeling Messages as AI-Generated Does Not Reduce Their Persuasive Effects [33.16943695290958]
  1つの顕著なポリシー提案は、透明性を高め、情報に対する批判的思考を促進するために、AI生成コンテンツを明示的にラベル付けすることである。 我々は多種多様なアメリカ人を対象に調査実験を行った。 その結果、メッセージは一般的に説得力があり、参加者の政策に対する見解に平均9.74ポイント影響を及ぼすことがわかった。
  論文  参考訳（メタデータ） (2025-04-14T04:22:39Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• Beyond correlation: The Impact of Human Uncertainty in Measuring the Effectiveness of Automatic Evaluation and LLM-as-a-Judge [51.93909886542317]
  一つの集計相関スコアを*参照することで、人名と自動評価の基本的な違いが曖昧になることを示す。 本研究では,評価性能のより堅牢な解析を行うために,ラベルの不確実性による階層化データを提案する。
  論文  参考訳（メタデータ） (2024-10-03T03:08:29Z)
• Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)

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。