論文の概要: Effects of Varying LLM Access on Essay Writing Behavior

• arxiv url: http://arxiv.org/abs/2606.00250v1
• Date: Fri, 29 May 2026 18:30:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.177203
• Title: Effects of Varying LLM Access on Essay Writing Behavior
• Title（参考訳）: 評価書記行動に及ぼす可変LDMアクセスの影響
• Abstract要約: 本研究では,大規模言語モデル(LLM)の様々なレベルが,文章の書き方,エンゲージメント,著者意識に与える影響について検討した。 全体として、エッセイの質は集団間で統計的に区別できないものであったが、執筆行動や著者の認識は急激に変化した。 我々の知見は、LLMアクセスは禁止ではなく、AIアシストの足場的利点を維持しながら、著者の信頼を維持する可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 19.737546860572465
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Investigating the degree to which large language models (LLMs) affect teaching and learning in universities can help identify strategies for integrating LLMs in a way that supports, rather than undermines, student learning outcomes. This study examined how varying levels of LLM assistance affect writing performance, engagement, and perceived authorship. We report a pilot study in which 24 college students were randomly assigned to write a short essay with no LLM access, limited access (<=3 prompts, responses capped at 100 words), or unlimited access. Overall essay quality was statistically indistinguishable across groups. Yet writing behavior and perceived authorship diverged sharply: students with limited access reported higher ownership (62.5% would submit the essay as independent work, vs. 25% in the unlimited group), stronger organizational gains, and more strategic, revision-focused prompting. The unlimited group spent more time writing, produced essays more similar to LLM output, and reported reduced creative expression. Our findings suggest that constraining, rather than banning, LLM access may preserve authorship confidence while retaining the scaffolding benefits of AI assistance.
• Abstract（参考訳）: 大学における大きな言語モデル(LLM)が教育や学習にどのような影響を及ぼすかを調べることは、学生の学習成果を損なうのではなく、支援する形でLLMを統合するための戦略を特定するのに役立つ。 本研究は, LLM支援のレベルが, 著述能力, エンゲージメント, 著者意識に与える影響について検討した。 本稿は, 大学生24名を対象に, LLMアクセスのない短いエッセイ ((<=3プロンプト, 100語に制限された応答) や無制限アクセス (無制限アクセス) をランダムに作成するようランダムに割り当てられたパイロット研究を報告する。 全体としてのエッセイの質は、グループ間で統計的に区別できないものだった。 限られたアクセスしか持たない学生(62.5%は独立した仕事としてエッセイを提出するが、無制限グループの25%はエッセイを提出する)、より強力な組織的利益、より戦略的、よりリビジョンにフォーカスした推進力などである。 無制限のグループは、より多くの時間を執筆に費やし、LSMの出力に類似したエッセイを制作し、創造的な表現を減らしたことを報告した。 我々の知見は、LLMアクセスは禁止ではなく、AIアシストの足場的利点を維持しながら、著者の信頼を維持する可能性があることを示唆している。

関連論文リスト

• SWIM: Student Writing Simulation via Proficiency-Conditioned Generation [54.69949380133243]
  この研究は、言語モデルが学生の文章を現実的にシミュレートし、SWIMを導入することができるかどうかを考察する。 我々は、プロファイルアライメントの尺度として自動エッセイスコアを用いたシミュレーションのプロンプト、教師付き微調整、強化学習手法の評価を行った。 以上の結果から,明示的監督は単独で行うよりもプロファイルアライメントを著しく向上させるが,信頼性の低い筆記法では再現が困難であることが示唆された。
  論文  参考訳（メタデータ） (2026-09-02T23:10:51Z)
• The Crutch or the Ceiling? How Different Generations of LLMs Shape EFL Student Writings [0.26097841018267615]
  本研究では,外国語(EFL)学生の文章作成作業を支援するために,Large Language Models (LLMs) の範囲と限界について検討する。 以上の結果から,LLMは低習熟度学習者に対する評価スコアと語彙の多様性を高めることが示唆された。 AI支援の実践を真の学習に転換するためには、教育はアウトプットの品質から学習プロセスの検証へとシフトする必要がある。
  論文  参考訳（メタデータ） (2026-04-16T18:19:46Z)
• How LLMs Distort Our Written Language [11.98582470524476]
  大規模言語モデル(LLM)は世界中で10億人以上が利用しており、多くの場合、執筆支援に使われている。 我々はLLMが人間の文章の音声やトーンを変えるだけでなく、意図した意味を一貫して変えることを実証した。
  論文  参考訳（メタデータ） (2026-03-18T18:01:52Z)
• The Digital Divide in Generative AI: Evidence from Large Language Model Use in College Admissions Essays [12.696416066678731]
  大規模言語モデル (LLMs) は学生の間で人気を博している。 LLMは、従来の筆記支援をあまり受けない学生向けの高品質なフィードバックへのアクセスを拡大する可能性がある。 本研究は, LLM支援書記の導入が社会経済的グループによってどのように異なるかを検討する。
  論文  参考訳（メタデータ） (2026-02-19T19:47:49Z)
• LLM or Human? Perceptions of Trust and Information Quality in Research Summaries [4.14522715241162]
  大規模言語モデル(LLM)は、科学的な抽象化の生成と編集にますます利用されている。 普及しているにもかかわらず、読者がLLM生成サマリーをどのように認識しているかはほとんど分かっていない。
  論文  参考訳（メタデータ） (2026-01-22T00:53:38Z)
• A Meta-Analysis of LLM Effects on Students across Qualification, Socialisation, and Subjectification [14.218377341186892]
  大規模言語モデル(LLM)は、教育のソリューションとしてますます位置づけられているが、評価は、パフォーマンス指標の狭さに対する影響を減少させることが多い。 この記事では,“LLMが教育にどのような影響を与えるべきか? 133の実験と準実験のメタ分析(k = 188)を提案する。
  論文  参考訳（メタデータ） (2025-09-25T04:11:19Z)
• Mind the Gap! Choice Independence in Using Multilingual LLMs for Persuasive Co-Writing Tasks in Different Languages [51.96666324242191]
  チャリティー広告作成タスクにおける新規筆記アシスタントのユーザ利用が、第2言語におけるAIの性能に影響を及ぼすかどうかを分析する。 我々は、これらのパターンが、生成したチャリティー広告の説得力に変換される程度を定量化する。
  論文  参考訳（メタデータ） (2025-02-13T17:49:30Z)
• Are We There Yet? Revealing the Risks of Utilizing Large Language Models in Scholarly Peer Review [66.73247554182376]
  大規模言語モデル(LLM)がピアレビューに統合された。 未確認のLLMの採用は、ピアレビューシステムの完全性に重大なリスクをもたらす。 5%のレビューを操作すれば、論文の12%が上位30%のランキングでその地位を失う可能性がある。
  論文  参考訳（メタデータ） (2024-12-02T16:55:03Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• LLMs Assist NLP Researchers: Critique Paper (Meta-)Reviewing [106.45895712717612]
  大規模言語モデル(LLM)は、様々な生成タスクにおいて顕著な汎用性を示している。 本研究は,NLP研究者を支援するLLMの話題に焦点を当てる。 私たちの知る限りでは、このような包括的な分析を提供するのはこれが初めてです。
  論文  参考訳（メタデータ） (2024-06-24T01:30:22Z)
• Toward Self-Improvement of LLMs via Imagination, Searching, and Criticizing [56.75702900542643]
  大規模言語モデルの自己改善のためのAlphaLLMを紹介する。 モンテカルロ木探索(MCTS)とLLMを統合し、自己改善ループを確立する。 実験の結果,AlphaLLM は付加アノテーションを使わずに LLM の性能を大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2024-04-18T15:21:34Z)

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。