論文の概要: Thinking Through Signs: PEEL as a Semiotic Scaffolding for Epistemically Accountable AI-Enabled Research
- arxiv url: http://arxiv.org/abs/2606.04152v1
- Date: Tue, 02 Jun 2026 19:19:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.338142
- Title: Thinking Through Signs: PEEL as a Semiotic Scaffolding for Epistemically Accountable AI-Enabled Research
- Title（参考訳）: サインを通して考える:PEELは、認識論的に説明可能なAI-Enabled Researchのためのセミオティック・サッフォーディング
- Authors: Clarisse de Souza, Gabriel Barbosa, Simone Diniz Junqueira Barbosa, Bárbara Betts, Renato Cerqueira, Juliana Jansen Ferreira,
- Abstract要約: このコメンタリーでは、AIにおけるエピステマティック・エンガジェド・リテラシーのためのプロトコルPEELを紹介している。
これは、Voyant Tools による決定論的遠方読解と、Pircean semiotics と abductive reasoning に根ざした Claude による LLM 解釈を組み合わせたものである。
- 参考スコア（独自算出の注目度）: 0.2932087057398914
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models are reshaping research practice while quietly eroding researchers epistemic accountability. This commentary introduces PEEL - Protocols for Epistemically Engaged Literacy in AI, a working scaffolding that combines deterministic distant reading via Voyant Tools with LLM interpretation via Claude, grounded in Peircean semiotics and abductive reasoning. Applied to AI-generated condensations of three source texts, PEEL reveals systematic distortions in quantity, term frequency, and epistemic voice that are invisible without non-AI measurement -- and yields three design implications: deterministic instruments must accompany AI tools; fluency is not fidelity; epistemic authority must be designed in, not assumed.
- Abstract（参考訳）: 大規模な言語モデルは、研究者のエピステマティックな説明責任を静かに侵食しながら、研究プラクティスを再構築しています。
このコメンタリーはPEEL - Protocols for Epistemically Engaged Literacy in AIを紹介している。これはVoyant Toolsによる決定論的遠隔読解とClaudeによるLLM解釈を組み合わせた作業足場で、Pirceanのセミオティックスと帰納的推論に基礎を置いている。
PEELは、AI生成した3つのソーステキストの凝縮に応用し、非AI測定なしで見えない量、用語頻度、およびてんかんの声の体系的な歪みを明らかにします。
関連論文リスト
- PAIRED: A Process-Anchored Framework for Transparent Reporting of AI Contributions in Scientific Research [0.7614628596146601]
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。
論文 参考訳（メタデータ） (2026-05-23T01:10:56Z) - The Efficiency Attenuation Phenomenon: A Computational Challenge to the Language of Thought Hypothesis [8.201374511929538]
我々はAI Private Languageの思考実験を紹介する。
2つの人工エージェントが効率的で不可解な通信プロトコルを開発すると、その性能は人間の理解可能な言語を使わざるを得なくなる。
その結果、創発的プロトコルを持つエージェントは、事前に定義された人間のようなシンボリックプロトコルを使用するエージェントよりも50.5%高い効率を達成することがわかった。
論文 参考訳（メタデータ） (2026-03-19T23:49:15Z) - Industrialized Deception: The Collateral Effects of LLM-Generated Misinformation on Digital Ecosystems [47.03825808787752]
本稿では,文献レビューから実践的対策へ移行する。
本稿では,Large Language Models(LLM)とマルチモーダルシステムによるAI生成コンテンツの改善について報告する。
我々は, LLMに基づく検出, 接種アプローチ, および生成AIの二重利用特性を含む緩和戦略について論じる。
論文 参考訳（メタデータ） (2026-01-29T16:42:22Z) - The AI Cognitive Trojan Horse: How Large Language Models May Bypass Human Epistemic Vigilance [0.0]
大規模言語モデル(LLM)に基づく会話型AIシステムは、人間の認識に挑戦する。
本稿では,会話型AIによる有意なてんかんリスクは,不正確さや意図的な騙しではなく,より根本的なものであることを示唆する。
論文 参考訳（メタデータ） (2026-01-11T22:28:56Z) - AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。
我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。
我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
論文 参考訳（メタデータ） (2025-11-27T16:56:04Z) - 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) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - Beyond Black-Box AI: Interpretable Hybrid Systems for Dementia Care [2.4339626079536925]
近年の大規模言語モデル(LLM)のブームは、人工知能(AI)システムが医療診断に役立つという期待を再燃させた。
ベンチマークスコアはめちゃくちゃですが、LCMアシスタントはまだベッドサイドで測定可能な改善を提供していません。
このスクーピングレビューは、臨床現場で実践的な貢献をするためにAIが制限されている領域を強調することを目的としている。
論文 参考訳（メタデータ） (2025-07-02T01:43:06Z) - Who Writes What: Unveiling the Impact of Author Roles on AI-generated Text Detection [44.05134959039957]
本稿では,社会言語学的属性・ジェンダー,CEFR習熟度,学術分野,言語環境に影響を及ぼすAIテキスト検出装置について検討する。
CEFRの習熟度と言語環境は一貫して検出器の精度に影響を与え,性別や学術分野は検出器に依存した効果を示した。
これらの発見は、特定の人口集団に不公平に罰を与えるのを避けるために、社会的に認識されたAIテキストの検出が不可欠であることを示している。
論文 参考訳（メタデータ） (2025-02-18T07:49:31Z) - 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。