論文の概要: When the Scaffold Stays On: AI, Practice Style, and Screening in Elite Skill Formation
- arxiv url: http://arxiv.org/abs/2606.06253v1
- Date: Thu, 04 Jun 2026 14:54:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:04.992402
- Title: When the Scaffold Stays On: AI, Practice Style, and Screening in Elite Skill Formation
- Title（参考訳）: AI、実践スタイル、そしてエリートスキル形成におけるスクリーニング
- Authors: Song Yao,
- Abstract要約: 生成AIは、学習者が単独で実践するタスクを完了することによって、短期的な生産性を高める。
よりシャープな疑問は、選択メカニズムが、意図的にAIを使用する代用ユーザと、それを使ってスキル開発を加速する補完ユーザという、共存する2つのタイプを分離できるかどうかである。
- 参考スコア（独自算出の注目度）: 0.5809679595578517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI raises short-term productivity by completing tasks that learners would otherwise practice on their own. Whether this substitution erodes frontier skill, the skill behind top-tail non-AI-aided performance, is an open question of rising stakes. The sharper question is whether selection mechanisms can screen apart two coexisting types: substitute-users, who use AI in place of deliberate practice, and complement-users, who use it to accelerate skill development. In elite programming, the International Collegiate Programming Contest (ICPC) and the International Olympiad in Informatics (IOI) prohibit AI under proctoring and admit entrants through qualification rounds, whereas online Codeforces (CF) contests are unproctored and open to all. From CF histories we build an AI-prompt signature (more first-attempt acceptances, fewer attempts and retries) consistent with AI-assisted practice. Three patterns triangulate institutional screening. First, CF practice shifted toward this signature across cohorts over two AI rollouts. Second, in open CF contests a stronger signature predicts smaller rating gains for users with no ICPC/IOI affiliation, but not for those who qualified for the AI-prohibited contests. Third, inside the AI-prohibited ICPC environment, a shift toward AI-style practice predicts higher non-AI-aided scores for AI-era entrants. The same practice input carries opposite signs depending on whether the environment screens for it. The contrast points to two levers: how AI is integrated into training, since within the screened pool AI-style practice coincides with stronger non-AI-aided performance; and the design of AI-prohibited evaluation gates as a type-separating institution. Both extend beyond programming to credentialing systems (medical and legal boards, professional certification) that certify skill in a workforce increasingly shaped by AI.
- Abstract（参考訳）: 生成AIは、学習者が単独で実践するタスクを完了することによって、短期的な生産性を高める。
この代替技術が、トップテールの非AI支援パフォーマンスを支えるスキルであるフロンティアスキルを損なうかどうかは、持ち株の上昇に関するオープンな疑問である。
よりシャープな疑問は、選択メカニズムが、意図的にAIを使用する代用ユーザと、それを使ってスキル開発を加速する補完ユーザという、共存する2つのタイプを分離できるかどうかである。
エリートプログラミングでは、ICPC(International Collegiate Programming Contest)とIOI(International Olympiad in Informatics)がAIのプロクタリングを禁止し、資格取得ラウンドを通じて参加者を受け入れている。
CFヒストリーから、AI支援のプラクティスと整合したAIプロンプトシグネチャ(より最初の受け入れ、少ない試行と再試行)を構築します。
3つのパターンが施設のスクリーニングを三角測量します。
まず、CFのプラクティスは、2つのAIロールアウトでコホートを越えてこのシグネチャに移行した。
第2に、オープンCFコンテストでは、ICPC/IOIアフィリエイトを持たないユーザに対して、AI禁止コンテストに出場する資格のあるユーザに対しては、より少ないレーティングゲインを予測している。
第3に、AIによる禁止されたICPC環境の中で、AIスタイルのプラクティスへのシフトは、AI時代の参加者の非AI支援スコアを高く予測する。
同じプラクティスの入力は、環境スクリーンがそれに対応するかどうかによって反対のサインを運ぶ。
対照的に、AIがトレーニングにどのように統合されるかは、スクリーニングされたプール内でAIスタイルのプラクティスがより強力な非AI支援のパフォーマンスと一致するためである。
どちらもプログラミングを超えて、AIによってますます形作られた労働力のスキルを認定する資格制度(医療および法定委員会、専門的資格)へと拡張している。
関連論文リスト
- Characterizing initial human-AI proof formalization workflows [66.06866890889131]
AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。
我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。
質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
論文 参考訳（メタデータ） (2026-06-02T22:58:19Z) - The Impact of AI Usage and Informativeness on Skill Development in Logical Reasoning [13.546638788752924]
我々は、AI支援にオンデマンドでアクセスできる論理的推論タスクにおいて、AIの使用状況と情報性の両方が学習を形作ることができるかを検討する。
より高度なAI利用は、より弱いスキル開発に結びついているのに対して、軽いAIユーザは、AIを使用しないマッチしたユーザーと同じようなパフォーマンスをしている。
我々の知見は、AIは文脈に応じて、独立した推論を増幅することによって人間のスキル開発を補完するか、代替品として振る舞うことができることを示唆している。
論文 参考訳（メタデータ） (2026-05-20T19:55:57Z) - Understanding Human-AI Collaboration in Cybersecurity Competitions [12.034897605949858]
参加者の認識、信頼、期待が、AI使用の前後でどのように変化するかを研究する。
競争が進むにつれて、チームはAIにより大きなサブタスクを委譲するようになる。
注目すべきは、プロンプトとツールの使用を自己指揮する自律エージェントが、このボトルネックを回避し、ほとんどの人間チームを上回っていることだ。
論文 参考訳（メタデータ） (2026-02-24T01:15:18Z) - Imposing AI: Deceptive design patterns against sustainability [0.38233569758620045]
私たちは、IT企業がAIの使用を強制するために確立したユーザーインターフェイスをどう変えようとしているかを示します。
個人的および専門的な文脈においてAIの使用を強制する2つの主要な設計戦略を特定します。
論文 参考訳（メタデータ） (2025-08-12T06:37:39Z) - Views on AI aren't binary -- they're plural [0.10241134756773229]
単純なバイナリはAI談話の正確なモデルではない、と私たちは主張する。
私たちは、AI開発とガバナンスに取り組んでいる人々の広いコミュニティにおいて、個人がus-vs-themの衝突の発生を避けるためにどのように役立つかを具体的に提案します。
論文 参考訳（メタデータ） (2023-12-21T17:50:06Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Is the Most Accurate AI the Best Teammate? Optimizing AI for Teamwork [54.309495231017344]
AIシステムは人間中心の方法でトレーニングされ、チームのパフォーマンスに直接最適化されるべきである、と私たちは主張する。
我々は,AIレコメンデーションを受け入れるか,あるいはタスク自体を解決するかを選択する,特定のタイプのAIチームを提案する。
実世界の高精度データセット上での線形モデルと非線形モデルによる実験は、AIが最も正確であることは、最高のチームパフォーマンスに繋がらないことを示している。
論文 参考訳（メタデータ） (2020-04-27T19:06:28Z)
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。