論文の概要: The Double-edged Effect of Banning Generative AI on Online Question-and-Answer Communities: Evidence from Stack Exchange
- arxiv url: http://arxiv.org/abs/2607.04601v1
- Date: Mon, 06 Jul 2026 02:09:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:30.005658
- Title: The Double-edged Effect of Banning Generative AI on Online Question-and-Answer Communities: Evidence from Stack Exchange
- Title（参考訳）: 生成AIの禁止がオンライン質問・回答コミュニティに与える影響:スタック交換によるエビデンス
- Abstract要約: 生成する人工知能生成コンテンツの禁止がオンライン質問・回答コミュニティに与える影響について検討する。
我々は、これらの禁止の影響を調べるために差分差分法(DID)アプローチを採用する。
AIGCは知識追求を禁止しますが、同時に貢献効率を低下させます。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We investigate how banning generative artificial intelligence-generated content (AIGC) affects knowledge seeking, knowledge contribution, and contribution efficiency in online question-and-answer communities. After the launch of ChatGPT in late November 2022, several Stack Exchange communities implemented official bans on AIGC over concerns such as less reliable and socially engaged content. Leveraging data from the full network of Stack Exchange communities, we employ a difference-in-differences (DID) approach to examine the impacts of these bans. Our results reveal a double-edged impact: while the AIGC ban increases knowledge seeking, as evidenced by a higher volume of posted questions, it simultaneously reduces contribution efficiency, reflected in a lower proportion of questions receiving satisfactory answers within the expected time frame. Notably, these impacts are only evident in non-STEM communities. We take a socio-technical perspective to explore information reliability and social interactivity as two plausible underlying factors driving the observed changes. Our mechanism exploration reveals that the AIGC ban spurs question volume in topics where AIGC is less reliable and where social interaction is highly expected. In contrast, the ban hampers answer efficiency in communities where LLMs are capable of producing reliable answers and where social interactivity is minimal. Additionally, our results indicate the increased human involvement from knowledge seekers and contributors following the ban. They adapt their behavior by posting questions and answers that are more informationally rich and socially engaging. Overall, our findings offer actionable implications for platform managers, community moderators, and policymakers of online Q&A communities.
- Abstract（参考訳）: 本稿では,生成的人工知能生成コンテンツ(AIGC)の禁止が,オンライン質問応答コミュニティにおける知識探索,知識貢献,貢献効率に与える影響について検討する。
2022年11月末にChatGPTがローンチされた後、いくつかのStack Exchangeコミュニティは、信頼性の低い、社会的に関わったコンテンツといった懸念に対して、AIGCを公式に禁止した。
Stack Exchangeコミュニティの全ネットワークからのデータを活用することで、これらの禁止の影響を調べるために、差分差分(DID)アプローチを採用しています。
AIGCの禁止は、投稿された質問の多さによって証明されているように、知識の追求を促進するが、同時に貢献効率を低下させ、期待された時間枠内で満足な回答を受ける質問の少ない割合で反映する。
特に、これらの影響は非STEMコミュニティでのみ明らかである。
我々は、情報信頼性と社会的相互作用を、観察された変化を駆動する2つの基本的な要因として探求するために、社会技術的視点を採っている。
我々のメカニズム調査は、AIGCが信頼性が低く、社会的相互作用が期待できるトピックにおいて、AIGC禁止が質問量を増やすことを明らかにしている。
対照的に、LLMが信頼できる回答を生成できるコミュニティや、社会的相互作用が最小限であるコミュニティでは、ハマーが効率性に答える。
さらに,本研究の結果は,禁止後の知識追求者やコントリビュータからの人的関与の増加を示唆している。
彼らは、より情報豊かで社会的に関与する質問や回答を投稿することで、行動に適応する。
調査の結果は, プラットフォームマネージャ, コミュニティモデレーター, オンラインQ&Aコミュニティの政策立案者に対して, 現実的な意味を与えている。
関連論文リスト
- Taming Toxic Talk: Using chatbots to intervene with users posting toxic comments [3.1918086432069663]
有害コンテンツをオンラインで共有するユーザに対して、生成的AIチャットボットとのリハビリテーション的会話が与える影響について検討する。
7つのRedditコミュニティで大規模フィールド実験を行った。
コントロール群と比較して,来月は有毒な行動に有意な変化はみられなかった。
論文 参考訳（メタデータ） (2026-01-27T22:39:23Z) - The Hunger Game Debate: On the Emergence of Over-Competition in Multi-Agent Systems [90.96738882568224]
本稿では,超高圧下のエージェントが信頼できない有害な行動を示すマルチエージェント論争における過剰競争について検討する。
この現象を研究するために,ゼロサム競争領域下での議論をシミュレートする新しい実験フレームワークであるHATEを提案する。
論文 参考訳（メタデータ） (2025-09-30T11:44:47Z) - AI Feedback Enhances Community-Based Content Moderation through Engagement with Counterarguments [0.0]
本研究は,AIを用いたハイブリット・モデレーション・フレームワークについて検討した。
その結果,フィードバックを取り入れることで音質が向上することがわかった。
この研究は、政治コンテンツモデレーションにおけるAIの役割に関する継続的な議論に寄与している。
論文 参考訳（メタデータ） (2025-07-10T18:52:50Z) - Public Discourse Sandbox: Facilitating Human and AI Digital Communication Research [0.26249027950824505]
我々は,人間-AIのためのデジタル・ディスコース研究プラットフォームとして機能するPublic Discourse Sandbox (PDS)を紹介した。
PDSは、公共の商用ソーシャルメディアプラットフォームでは利用できない研究実験のための安全で安全なスペースを提供する。
論文 参考訳（メタデータ） (2025-05-27T17:46:22Z) - Community Moderation and the New Epistemology of Fact Checking on Social Media [124.26693978503339]
ソーシャルメディアプラットフォームは伝統的に、誤解を招くコンテンツを識別しフラグを立てるために、独立した事実チェック組織に依存してきた。
X(元Twitter)とMetaは、クラウドソースのファクトチェックの独自のバージョンを立ち上げて、コミュニティ主導のコンテンツモデレーションに移行した。
主要なプラットフォーム間での誤情報検出の現在のアプローチについて検討し,コミュニティ主導型モデレーションの新たな役割を探求し,大規模クラウドチェックの約束と課題の両方を批判的に評価する。
論文 参考訳（メタデータ） (2025-05-26T14:50:18Z) - From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。
AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
論文 参考訳（メタデータ） (2025-01-27T22:45:06Z) - "There Has To Be a Lot That We're Missing": Moderating AI-Generated Content on Reddit [5.202496456440801]
我々は、AIGCによるオンラインコミュニティモデレーターの経験に焦点を当てる。
我々の研究によると、AIGCに関するルールは、コンテンツ品質、社会的ダイナミクス、ガバナンスの課題に対する懸念によって動機づけられている。
AIGCを検出するための堅牢なツールがないにも関わらず、モデレーターは何らかの障害を抑えることができた。
論文 参考訳（メタデータ） (2023-11-21T16:15:21Z) - News consumption and social media regulations policy [70.31753171707005]
我々は、ニュース消費とコンテンツ規制の間の相互作用を評価するために、反対のモデレーション手法であるTwitterとGabを強制した2つのソーシャルメディアを分析した。
以上の結果から,Twitterが追求するモデレーションの存在は,疑わしいコンテンツを著しく減少させることがわかった。
Gabに対する明確な規制の欠如は、ユーザが両方のタイプのコンテンツを扱う傾向を生じさせ、ディスカウント/エンドレスメントの振る舞いを考慮に入れた疑わしいコンテンツに対してわずかに好みを示す。
論文 参考訳（メタデータ） (2021-06-07T19:26:32Z) - Artificial intelligence in communication impacts language and social
relationships [11.212791488179757]
我々は、最も普及しているAIアプリケーションのうちの1つ、アルゴリズム的な応答提案(smart response)の社会的結果を研究する。
提案手法は, コミュニケーション効率の向上, 肯定的な感情言語の利用, コミュニケーションパートナーによる肯定的な評価を行う。
しかし、AIの否定的含意に関する一般的な仮定と一致し、アルゴリズム的応答を疑う場合、人々はより否定的に評価される。
論文 参考訳（メタデータ） (2021-02-10T22:05:11Z) - CASS: Towards Building a Social-Support Chatbot for Online Health
Community [67.45813419121603]
CASSアーキテクチャは高度なニューラルネットワークアルゴリズムに基づいている。
ユーザーからの新たな入力を処理し、さまざまなレスポンスを生成することができる。
フォローアップフィールド実験により、CASSは感情的支援を求める個々のメンバーを支援するのに有用であることが証明された。
論文 参考訳（メタデータ） (2021-01-04T05:52:03Z) - Information Consumption and Social Response in a Segregated Environment:
the Case of Gab [74.5095691235917]
この研究は、COVID-19トピックに関するGab内のインタラクションパターンの特徴を提供する。
疑わしい、信頼できるコンテンツに対する社会的反応には、統計的に強い違いはない。
本研究は,協調した不正確な行動の理解と情報操作の早期警戒に関する知見を提供する。
論文 参考訳（メタデータ） (2020-06-03T11:34:25Z) - Quantifying the Vulnerabilities of the Online Public Square to Adversarial Manipulation Tactics [43.98568073610101]
ソーシャルメディアモデルを用いて、コンテンツの品質に対するいくつかの敵の操作戦術の影響を定量化する。
ソーシャルメディアの目印である影響力のあるアカウントの存在は、操作するオンラインコミュニティの脆弱性を悪化させる。
これらの知見は、プラットフォームがソーシャルメディアユーザーによる操作のレジリエンスを高めるために使われる可能性があることを示唆している。
論文 参考訳（メタデータ） (2019-07-13T21:12:08Z)
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。