論文の概要: Doom Researching: A Conceptual Framework for Repetitive AI-Assisted Information Seeking, Cognitive Offloading, and the Illusion of Knowing
- arxiv url: http://arxiv.org/abs/2607.02723v1
- Date: Thu, 02 Jul 2026 19:18:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 13:35:18.035756
- Title: Doom Researching: A Conceptual Framework for Repetitive AI-Assisted Information Seeking, Cognitive Offloading, and the Illusion of Knowing
- Title（参考訳）: Doom Researching: 反復型AI支援情報探索,認知的オフロード,知識のイライラのための概念的フレームワーク
- Abstract要約: 本稿では、このAIによる反復情報探索のパターンを記述するために、Doom Researchingという用語を提案する。
本論文は,AI応答の流布によって認知の労力が減少し,認識された知識が増大し,さらなるクエリの可能性が増大するフレームワークを開発する。
目標は、AI支援調査が思考、合成、行動の代替となるときの研究のための語彙と研究のアジェンダを提供することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence (GenAI) systems such as ChatGPT, Claude, and Gemini have made information seeking faster, more conversational, and more cognitively comfortable. These affordances can support learning and productivity, but they can also encourage a repetitive pattern in which users continue querying AI systems for explanations, summaries, comparisons, plans, and reassurance without converting those interactions into durable understanding, decisions, or finished work. This conceptual paper proposes the term doom researching to describe this AI-mediated pattern of repetitive information seeking without proportional synthesis or output. Building on research on doomscrolling, information seeking, cognitive offloading, transactive memory, human-AI interaction, productivity loss, and the illusion of knowing, the paper develops a framework in which fluent AI responses reduce cognitive effort, inflate perceived knowledge, and increase the likelihood of further querying. The framework distinguishes doom researching from doomscrolling, cyberchondria, ordinary research, and productive AI-assisted work. It introduces a formal model of the doom researching loop, a candidate risk index for empirical measurement, and testable propositions for future studies. It then extends the construct through the lens of the extended mind thesis, distinguishing assistive, substitutive, and disruptive forms of cognitive offloading, and connects individual doom researching to the broader literature on AI-driven homogenization and knowledge collapse. The paper argues that doom researching is not simply "too much AI use" but a misalignment among inquiry, metacognition, and output. The goal is to provide a vocabulary and research agenda for studying when AI-assisted inquiry becomes a substitute for thinking, synthesis, and action.
- Abstract（参考訳）: ChatGPT、Claude、Geminiなどの生成人工知能(GenAI)システムは、より速く、より会話的で、より認知的に快適な情報を求めている。
これらの余裕は学習と生産性をサポートすることができるが、ユーザーはAIシステムに説明、要約、比較、計画、再保証の問い合わせを継続し、それらのインタラクションを永続的な理解、決定、完了作業に変換することなく、繰り返しパターンを奨励することができる。
この概念的論文は、比例合成や出力なしに繰り返し情報を求めるAIによるパターンを記述するために、ドゥーム研究という用語を提案する。
ドームスクローリング、情報探索、認知的オフロード、トランアクティブメモリ、人間とAIの相互作用、生産性の損失、そして知識の錯覚に関する研究に基づいて、流動的なAI応答が認知の労力を減らし、認識された知識をインフレーションし、さらなるクエリの可能性を増大させるフレームワークを開発する。
このフレームワークは、Doomscrolling、Cyberchondria、通常の研究、生産的なAI支援作業からDoom Researchingを区別する。
ドゥーム調査ループの形式モデル、経験的測定のための候補リスク指標、将来の研究のための検証可能な提案を導入している。
その後、拡張されたマインドテーゼのレンズを通して構成を拡張し、補助的、置換的、破壊的な認知的オフロードの形式を区別し、AI駆動のホモジェナイゼーションと知識崩壊に関する幅広い文献に個別のドゥーム研究を結びつける。
この論文は、Doom Researchingは単に「AIの使用が多すぎる」だけでなく、調査、メタ認知、アウトプットのミスアライメントであると論じている。
目標は、AI支援調査が思考、合成、行動の代替となるときの研究のための語彙と研究のアジェンダを提供することである。
関連論文リスト
- Vibe Compiler: A Research-Logic Synthesis Tool That Runs without Prompt Engineering -Toward Enhancing Metacognition for Sustaining Agency in the Age of Generative AI- [0.0]
本稿では,あいまいなアイデアをコヒーレントな研究論理に変換する研究論理コンパイラであるVibe Compilerを紹介する。
この枠組みは認知機能(合成対分析)と実行エージェント(人間対AI)の2つの側面に沿った構造的ギャップを特徴づける。
論文 参考訳（メタデータ） (2026-08-06T02:51:03Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
インテントメイキングという別のワークフローを特定し、特徴付けします。
私たちはこれをセンスメイキングの自然な拡張と捉えています。
これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
論文 参考訳（メタデータ） (2026-05-07T09:30:25Z) - Disrupting Cognitive Passivity: Rethinking AI-Assisted Data Literacy through Cognitive Alignment [17.265229093607676]
我々は、認知的相違を乱すには、認知的アライメントを通じてよりダイナミックで適応的な戦略が必要であると論じる。
このフレームワークでは、AIのインタラクションモード(伝達的または熟考的)とユーザの認知的要求(受容的または熟考的)のマッピングを提供する。
論文 参考訳（メタデータ） (2026-04-03T06:47:55Z) - Bridging Minds and Machines: Toward an Integration of AI and Cognitive Science [48.38628297686686]
認知科学は人工知能(AI)、哲学、心理学、神経科学、言語学、文化などの分野を深く形成している。
AIの多くのブレークスルーは、そのルーツを認知理論にさかのぼる一方で、AI自体が認知研究を進めるのに欠かせないツールになっている。
我々は、認知科学におけるAIの未来は、性能の向上だけでなく、人間の心の理解を深めるシステムの構築にも関係していると主張している。
論文 参考訳（メタデータ） (2025-08-28T11:26:17Z) - Mapping Students' AI Literacy Framing and Learning through Reflective Journals [0.13154296174423616]
本研究は、人工知能(AI)に関する大学生の自己認識学習に関する研究である。
学生がAIについて何、どのように、なぜ学習するかを理解することが重要である。
論文 参考訳（メタデータ） (2025-08-20T23:01:51Z) - Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。
AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。
これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
論文 参考訳（メタデータ） (2025-03-28T14:00:27Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Generative AI in Writing Research Papers: A New Type of Algorithmic Bias
and Uncertainty in Scholarly Work [0.38850145898707145]
大規模言語モデル(LLM)と生成AIツールは、バイアスを特定し、対処する上での課題を提示している。
生成型AIツールは、不正な一般化、幻覚、レッド・チーム・プロンプトのような敵攻撃を目標とする可能性がある。
研究原稿の執筆過程に生成AIを組み込むことで,新しいタイプの文脈依存型アルゴリズムバイアスがもたらされることがわかった。
論文 参考訳（メタデータ） (2023-12-04T04:05:04Z) - Taking the Intentional Stance Seriously: A Guide to Progress in
Artificial Intelligence [0.0]
それぞれのユニークなツールの仕組みに関するメンタルモデルを構築しているのです。
本稿では,この主張を明確にする意図の命題的態度を精査する。
論文 参考訳（メタデータ） (2022-09-21T13:38:23Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - Thinking Fast and Slow in AI [38.8581204791644]
本稿では,人間の意思決定の認知理論からインスピレーションを得たAI研究の方向性を提案する。
前提は、AIでまだ不足しているいくつかの人間の能力の原因について洞察を得ることができれば、AIシステムで同様の能力を得ることができるということです。
論文 参考訳（メタデータ） (2020-10-12T20:10:05Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツール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） (2020-03-02T10:32:21Z)
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。