論文の概要: Trusting AI to increase productivity? Perspectives Across the Global North and South

• arxiv url: http://arxiv.org/abs/2607.10488v1
• Date: Sat, 11 Jul 2026 21:50:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.442163
• Title: Trusting AI to increase productivity? Perspectives Across the Global North and South
• Title（参考訳）: AIを信頼して生産性を高める - グローバル・ノースとサウスをまたいで
• Abstract要約: 本稿では,GenAIの信頼と生産性の認知との関係を探索的に調査した結果について述べる。 系統的な文献レビューを行い,灰色文献分析と調査研究を補完した。 予備的な結果は、Global Southで生まれ、働く回答者がAIを信頼する傾向にあることを示唆している。 生産性は、アクセスやタスクの種類、ユーザがアウトプットをチェックするために必要な時間にも依存する。
• 参考スコア（独自算出の注目度）: 0.12277343096128711
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI (GenAI) tools are widely used in academia and software development, where productivity gains may depend not only on technical capabilities but also on users' trust and contextual factors. This paper presents emerging results from an exploratory study investigating the relationship between trust in GenAI and perceived productivity, motivated by Global South contexts. We conducted a systematic literature review, complemented by a grey literature analysis and a survey study. The literature review identified no peer-reviewed evidence at the intersection of GenAI trust, productivity, and Global South settings, while the grey literature revealed only limited insights. At the time of writing, the survey has received 36 valid responses from participants across both the Global North and Global South, including individuals with cross-regional experiences. Preliminary results suggest that respondents born and working in the Global South tended to trust AI more, but did not usually report clear productivity gains from using it. In contrast, respondents born and working outside the Global South reported stronger productivity gains and greater time savings, even though they showed less trust in generative AI. These findings suggest that trusting AI is not enough on its own; productivity also depends on access, the type of task, and how much users need to check the output.
• Abstract（参考訳）: ジェネレーティブAI(GenAI)ツールは、技術的能力だけでなく、ユーザの信頼度やコンテキスト要因にも依存する生産性の向上という、アカデミックやソフトウェア開発で広く利用されている。 本稿では,グローバル・サウス・コンテクストをモチベーションとした,GenAIの信頼と生産性の認知との関係を探索的に調査した結果について述べる。 系統的な文献レビューを行い,灰色文献分析と調査研究を補完した。 文献レビューでは、GenAIの信頼、生産性、グローバル・サウス設定の交差点におけるピアレビューされた証拠は特定されていないが、グレーの文献は限られた洞察しか示さなかった。 この記事執筆時点で、この調査は、グローバル・ノースとグローバル・サウスの両方の参加者から、地域横断の経験を持つ個人を含む36の有効な回答を得た。 予備的な結果は、Global Southで生まれ、働く回答者がAIを信頼する傾向にあることを示唆している。 対照的に、Global Southの外で生まれ、働く回答者は、生成的AIへの信頼が低かったにもかかわらず、生産性の向上と時間の節約が報告された。 生産性は、アクセスやタスクの種類、ユーザがアウトプットをチェックするために必要な時間にも依存する。

関連論文リスト

• Atria Dawn: The Dawn of Agentic Superintelligence [237.73474618289063]
  本稿では,科学研究と工学のための基礎エージェント言語モデルであるAtria Dawn Previewを紹介する。 本稿では,人間-AI協力の事例研究として,このモデルの背後にある真の研究開発プロセスについて考察する。
  論文  参考訳（メタデータ） (2026-09-14T16:22:30Z)
• Quick Build, Careful Check? Generative AI Use in Hackathons [83.0493885475068]
  中央ヨーロッパにおけるAIをテーマとしたハッカソンの参加者を対象とした探索的なインタビュー研究を報告する。 参加者はコーディング以外の目的でGenAIを使用して,馴染みのないトピックの学習やブレインストーミング,ドキュメントの作成などを行いました。 また、すべての参加者が、使用前にGenAI出力をチェックするという書面のないプラクティスに集約されていることもわかりました。
  論文  参考訳（メタデータ） (2026-07-31T08:59:18Z)
• Generative AI and the Productivity Divide: Human-AI Complementarities in Education [2.2940141855172036]
  生成人工知能(GenAI)は、企業が知識を作成し、処理し、適用する方法を変えつつある。 平均して、GenAIアクセスはタスク性能を著しく向上させたが、ゲインの分布は非常に不均一であった。 高AICの参加者は圧倒的な利得を達成し、低AICの参加者は限定的あるいは負の限界リターンを示した。
  論文  参考訳（メタデータ） (2026-05-18T09:50:05Z)
• AI-Assisted Peer Review at Scale: The AAAI-26 AI Review Pilot [45.90272517740283]
  本稿では,AI支援ピアレビューの大規模展開について報告する。 AAAI-26のすべてのメイントラックは、最先端のシステムから明確に特定されたAIレビューを受け取りました。
  論文  参考訳（メタデータ） (2026-04-15T14:51:07Z)
• Exploring Student Perception on Gen AI Adoption in Higher Education: A Descriptive Study [1.978884131103313]
  本研究では,学生が生成人工知能(GenAI)をどのように認識し,活用し,評価するかを検討する。 データは、ハートフォードシャー大学の大学院コンピュータサイエンスの学生436名を対象に実施されたアンケートによって収集された。
  論文  参考訳（メタデータ） (2026-03-29T17:19:39Z)
• The Verification Crisis: Expert Perceptions of GenAI Disinformation and the Case for Reproducible Provenance [47.03825808787752]
  本稿では,AI研究者,政策立案者,偽情報専門家による縦断的専門家意識調査(N=21)の第1波から得られた知見について述べる。 テキスト、画像、オーディオ、ビデオといったマルチモーダルな脅威の重大さを調査し、現在の緩和戦略を評価する。 その結果、ディープフェイクビデオは即時「衝撃」の値を示す一方で、大規模テキスト生成は「印象的断片化」のシステム的リスクをもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-02T13:45:12Z)
• AI Literacy, Safety Awareness, and STEM Career Aspirations of Australian Secondary Students: Evaluating the Impact of Workshop Interventions [38.350232667249095]
  ディープフェイクやその他のタイプの合成メディアは、青年期の安全リスクを増大させる。 本研究は,AIオーストラリアにおけるワークショップによる介入の日がオーストラリア中等生に与える影響を評価する。
  論文  参考訳（メタデータ） (2026-01-30T02:55:53Z)
• Reduced AI Acceptance After the Generative AI Boom: Evidence From a Two-Wave Survey Study [40.26767449635043]
  本稿では,ChatGPTのローンチ前後におけるAIに対する公的な態度の変化について検討する。 AIが「全く受け入れられない」と回答した回答者の割合は23%から30%に増加した。 これらの変化は、教育、言語、性別格差の拡大の観点から、既存の社会的不平等を増大させてきた。
  論文  参考訳（メタデータ） (2025-10-27T17:47:58Z)
• 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)
• The Agency Gap: How Generative AI Literacy Shapes Independent Writing after AI Support [4.013708138746962]
  本研究は,GenAIリテラシーが自己開始と規制を必要とする状況下で,学生の筆記能力を予測する程度について検討する。 文章は洞察力、視覚データ統合、組織、言語的品質、批判的思考などにわたって評価された。
  論文  参考訳（メタデータ） (2025-07-06T14:01:06Z)
• 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)
• Assessing Generative AI value in a public sector context: evidence from a field experiment [0.0]
  文書理解とデータ分析に関連する2種類の複合タスクの混合証拠が得られた。 ドキュメントタスクでは,Gen AIを用いた治療群は,回答品質スコアが17%,タスク完了時間が34%向上した。 データタスクでは、Gen AI治療群は品質スコアが12%低下し、コントロール群と比較して平均完了時間に有意な差は認められなかった。
  論文  参考訳（メタデータ） (2025-02-13T16:43:32Z)
• Hey GPT, Can You be More Racist? Analysis from Crowdsourced Attempts to Elicit Biased Content from Generative AI [41.96102438774773]
  本研究は,GenAIツールから偏りのあるアウトプットを抽出するプロンプトの設計に参加者が挑戦する大学レベルのコンペから得られた知見を提示する。 我々は、競争の提出を定量的に質的に分析し、GenAIにおける多様なバイアスと、GenAIにおけるバイアスを誘発する参加者の戦略を同定する。
  論文  参考訳（メタデータ） (2024-10-20T18:44:45Z)
• Affective Computing in the Era of Large Language Models: A Survey from the NLP Perspective [37.72149268224765]
  Affective Computing (AC) はコンピュータ科学、心理学、認知科学を統合し、機械が人間の感情を認識し、解釈し、シミュレートできるようにする。 ACは通常、AU(Affective Understanding)とAG(Affective Generation)の2つのタスクファミリーに重点を置いている。
  論文  参考訳（メタデータ） (2024-07-30T08:12:04Z)

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。