論文の概要: Designed by Journalists, but Is It for Readers? Rethinking AI Disclosures and Transparency in News
- arxiv url: http://arxiv.org/abs/2606.11116v1
- Date: Tue, 09 Jun 2026 17:13:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-10 15:40:58.630126
- Title: Designed by Journalists, but Is It for Readers? Rethinking AI Disclosures and Transparency in News
- Title（参考訳）: ジャーナリストがデザインした、読者のためのもの?ニュースにおけるAIの開示と透明性を再考
- Authors: Pooja Prajod,
- Abstract要約: ニュースルームが生成的AIを統合すると、ジャーナリストは情報開示の課題に直面します。
現在のプラクティスは2つのアプローチを提供している: 簡単な1行ラベルまたは人間の監視、編集説明責任、エラー報告メカニズムを指定する詳細な開示。
既存の34人のニュース読者による制御された実験では、詳細な情報開示は、テキスト透過性ジレンマを引き起こし、それを増大させるよりも信頼を減らし、透明性の錯覚で読者がスクロールする暗いパターンを導入するリスクがある。
私は、実践者が情報開示に責任があると信じているものと、ユーザが実際に必要とするものとのこの断絶は、HCIの設計上の問題である、と論じます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As newsrooms integrate generative AI, journalists face a disclosure challenge: how to communicate AI involvement in ways that maintain reader trust. Current practice offers two approaches: brief one-line labels or detailed disclosures specifying human oversight, editorial accountability, and error reporting mechanisms. Neither achieves journalists' goal of building trust through transparency. An existing controlled experiment with 34 news readers show that detailed disclosures trigger a \textit{transparency dilemma}, reducing trust rather than increasing it, and risk introducing dark patterns that readers scroll past with the illusion of transparency. One-line disclosures avoid this effect but can create an information gap, prompting readers to expend cognitive effort searching for signs of AI involvement that the disclosure indicates but does not explain. Yet readers are not rejecting transparency, they proposed disclosure designs centered on user agency: detail-on-demand interactions, proportional AI-ratio visualizations, outlet-level signals, and explicit "no AI" labels. I argue that this disconnect between what practitioners believe is responsible disclosure and what users actually need is a design problem for the HCI community.
- Abstract（参考訳）: ニュースルームが生成的AIを統合すると、ジャーナリストは情報開示の課題に直面します。
現在のプラクティスは2つのアプローチを提供している: 簡単な1行ラベルまたは人間の監視、編集説明責任、エラー報告メカニズムを指定する詳細な開示。
透明性を通じて信頼を構築するというジャーナリストの目標も達成していない。
34のニュース読者による既存のコントロールされた実験では、詳細な開示が‘textit{transparency dilemma}’をトリガーし、それを増やすよりも信頼を減らし、透明性の錯覚で読者がスクロールする暗いパターンを導入するリスクがある。
ワンラインの開示は、この影響を避けるが、情報ギャップを生じさせる可能性があるため、読者は、その開示が示しているが説明していないAI関与の兆候を探すための認知的努力を省くように促す。
詳細とオンデマンドのインタラクション、比例的なAI比の可視化、アウトレットレベルの信号、明示的な“AIなし”ラベルなどだ。
私は、実践者が情報開示に責任があると信じているものと、実際にユーザーが必要とするものとの違いは、HCIコミュニティの設計上の問題である、と論じます。
関連論文リスト
- Towards Gaze-Informed AI Disclosure Interfaces: Eye-Tracking Attentional and Cognitive Load While Reading AI-Assisted News [10.125428892025324]
1行の開示により、固定期間が大幅に増加し、ササード数が増加した。
詳細な開示は追加の負担を課すことはなかった。
インタビューの洞察は、これらの発見を文脈化し、詳細または詳細をオンデマンドに設計することを強く好みます。
論文 参考訳（メタデータ） (2026-05-14T16:01:55Z) - Disclosure By Design: Identity Transparency as a Behavioural Property of Conversational AI Models [10.35358368112024]
AIのアイデンティティが不明な場合、ユーザーは無意識に機密情報を共有したり、AIが生成するアドバイスを不当に信頼したり、AI対応の詐欺の被害を被る可能性がある。
我々は、AIシステムが直接尋ねられたとき、人工的なアイデンティティを明示的に開示する設計による開示を提唱する。
ベースライン開示率は高いことが多いが、ロールプレイが著しく低下し、相手のプロンプトで抑制できることがわかった。
論文 参考訳（メタデータ） (2026-01-27T17:31:37Z) - Full Disclosure, Less Trust? How the Level of Detail about AI Use in News Writing Affects Readers' Trust [10.22272389430846]
発見によると、すべてのAI開示が透明性のジレンマを引き起こすのではなく、より透明性を求める読者の欲求とAI支援ニュースコンテンツに対する信頼とのトレードオフを反映している。
論文 参考訳（メタデータ） (2026-01-14T16:45:45Z) - ConspirED: A Dataset for Cognitive Traits of Conspiracy Theories and Large Language Model Safety [87.90209836101353]
コンスピレーション(Conspired)は、一般的な認知特性に注釈を付けた最初の陰謀的内容のデータセットである。
我々は,比較的特徴を識別し,テキスト抽出において支配的特徴を決定する計算モデルを開発した。
我々は,大規模言語/推論モデル (LLM/LRM) を補間入力に対して頑健性を評価する。
論文 参考訳（メタデータ） (2025-08-28T06:39:25Z) - Seeing Through Deception: Uncovering Misleading Creator Intent in Multimodal News with Vision-Language Models [65.23999399834638]
DeceptionDecodedは,信頼に値する参照記事に基づく12,000のイメージキャプチャペアのベンチマークである。
データセットは、誤解を招くケースと、誤解を招くケースの両方をキャプチャし、視覚的およびテキスト的モダリティにわたって操作する。
インテント中心の3つのタスク – 意図の検出を誤解させる、ソースの属性を誤解させる、創造的欲求推論 – をサポートしている。
論文 参考訳（メタデータ） (2025-05-21T13:14:32Z) - Enhancing transparency in AI-powered customer engagement [0.0]
本稿では、AIを活用した顧客エンゲージメントに対する消費者信頼を構築する上での重要な課題について論じる。
AIがビジネスオペレーションに革命をもたらす可能性にもかかわらず、誤った情報やAI意思決定プロセスの不透明性に対する広範な懸念は、信頼を損なう。
透明性と説明可能性に対する全体論的アプローチを採用することで、企業はAIテクノロジへの信頼を育むことができる。
論文 参考訳（メタデータ） (2024-09-13T20:26:11Z) - Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳（メタデータ） (2023-09-28T13:19:43Z) - Users are the North Star for AI Transparency [111.5679109784322]
透明な人工知能システムを求める声が広まっているにもかかわらず、この用語は、厳密な政策の目的や具体的な研究ラインのオリエント化を表すために、多義的な意味に過大評価されている。
このことが起こる理由の1つは、AI透明性の明確な理想が、この仕事の体で実現されないことである。
透明性はユーザ中心で、ユーザ指向で、誠実です。
論文 参考訳（メタデータ） (2023-03-09T18:53:29Z) - Designing for Responsible Trust in AI Systems: A Communication
Perspective [56.80107647520364]
我々は、MATCHと呼ばれる概念モデルを開発するために、技術に対する信頼に関するコミュニケーション理論と文献から引き出す。
私たちは、AIシステムの能力として透明性とインタラクションを強調します。
我々は、技術クリエーターが使用する適切な方法を特定するのに役立つ要件のチェックリストを提案する。
論文 参考訳（メタデータ） (2022-04-29T00:14:33Z) - Machine Learning Explanations to Prevent Overtrust in Fake News
Detection [64.46876057393703]
本研究では、ニュースレビュープラットフォームに組み込んだ説明可能なAIアシスタントが、フェイクニュースの拡散と戦う効果について検討する。
我々は、ニュースレビューと共有インターフェースを設計し、ニュース記事のデータセットを作成し、4つの解釈可能なフェイクニュース検出アルゴリズムを訓練する。
説明可能なAIシステムについてより深く理解するために、説明プロセスにおけるユーザエンゲージメント、メンタルモデル、信頼、パフォーマンス対策の相互作用について議論する。
論文 参考訳（メタデータ） (2020-07-24T05:42:29Z)
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。