論文の概要: Return of the solo author: The changing division of labor in science in the age of generative A
- arxiv url: http://arxiv.org/abs/2607.10780v1
- Date: Sun, 12 Jul 2026 14:17:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.527757
- Title: Return of the solo author: The changing division of labor in science in the age of generative A
- Title（参考訳）: 独著の復活:A世代における科学における労働の分業の変化
- Authors: Akira Matsui,
- Abstract要約: 2022年後半のChatGPTの公開リリースにより、数十年にわたるソロオーサシップの衰退が停止し、部分的に逆転したことを示す。
また、これは共同執筆者の作業が容易に置き換えられる分野において最強であり、物理的なコラボレーションに依存する分野において弱い、あるいは欠落している分野においてもあります。
この研究は、生成的AIが科学的労働にどのように代用できるかを実証的な調査と、チームサイズではなく、論文内で認知的労働を再構成する証拠を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern science has experienced a long shift from individual work to team production. Generative artificial intelligence (AI) might appear to extend this trajectory by lowering research costs and enabling larger-scale collaboration. Yet if tasks once performed by coauthors can be delegated to AI, the same technology may also weaken the need for collaboration in parts of the research process. Here, we examine this tension by moving beyond average team size and focusing on the solo-authored tail of the author-count distribution. Analyzing over 300 million works across 26 fields, we find that the decades-long decline in solo authorship halted and partially reversed with ChatGPT's public release in late 2022. We also reveal that this is an uneven phenomenon: it is strongest in fields where coauthors' work is more readily replaceable, and weak or absent in fields that depend on physical collaboration. At the individual level, the recovery is not explained by the entry of new researchers or by changes in field composition. Instead, the break appears among authors who had written only with others, including those with no prior solo publications, and among long-established authors as well as newcomers. Their solo papers stay close to their own coauthored work while narrowing in scope and shifting toward computational topics. Because a solo paper is work without credited human coauthors, this study offers an empirical probe of how generative AI can substitute for scientific labor, and evidence of a reconfiguration of cognitive labor within papers rather than of team size.
- Abstract（参考訳）: 現代科学は、個々の仕事からチーム生産への長いシフトを経験した。
生成的人工知能(AI)は、研究コストを下げ、より大規模なコラボレーションを可能にすることによって、この軌道を拡張しているように見える。
しかし、かつて共著者が行っていたタスクがAIに委譲できれば、同じ技術が研究プロセスの一部におけるコラボレーションの必要性を弱める可能性がある。
ここでは、平均的なチーム規模を超えて、著者数分布の独創的な尾に注目して、この緊張関係について検討する。
26の分野にわたる3億を超える作品を分析してみると、2022年後半のChatGPTの公開リリースによって、ソロの著者数が数十年にわたって減少し、部分的に逆転したことが分かる。
また、これは不均一な現象であり、共同執筆者の作業が容易に置き換えられる分野において最強であり、物理的なコラボレーションに依存する分野において弱い、あるいは欠落している分野においてもあります。
個々のレベルでは、リカバリは新たな研究者の参入やフィールド組成の変化によって説明されない。
代わりに、この破局は、それまでの単独の出版物を持たない作家や、長年の作家、新参者など、他の作家とだけ共著した作家の間でも見られる。
彼らの単独の論文は、自身の共著作品に近づきつつ、スコープを狭め、計算トピックへとシフトしている。
単独の論文は、認定された人間の共著者がいない作業であるため、この研究は、生成的AIがどのように科学的な労働に取って代わることができるか、そして、チームサイズではなく、論文内で認知的労働を再構成する証拠を実証的な調査として提示する。
関連論文リスト
- Human-AI Collaboration in Science at Scale: A Global Large-scale Randomized Field Experiment [30.183277651952196]
カスタマイズされたAIベースのフィードバックを31,000 arXivのプレプリントで提供しています。
フィードバックを受けた著者は、原稿を改訂する可能性が著しく高かった。
これらの効果は、英語以外の研究領域の著者の間では最も強かった。
論文 参考訳（メタデータ） (2026-05-22T20:06:17Z) - 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) - Smaller, Younger, and More Impactful: How AI-Assisted Writing Transforms Research Teams [2.085881808809108]
我々は,AIによる文章作成が,科学におけるチーム構造とチームの成果にどのように影響するかを検討した。
AIを使った研究チームは、より若く小さくなる傾向にあることがわかった。
この傾向に対処するため, 研究評価, 資金提供, 研修における政策改善の必要性が示唆された。
論文 参考訳（メタデータ） (2026-04-24T09:47:58Z) - PreScience: A Benchmark for Forecasting Scientific Contributions [32.63164451901248]
PreScienceは、研究プロセスを4つの相互依存的な生成タスクに分解する科学的予測ベンチマークである。
コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューション・コントリビューションの新たな尺度であるLACERScoreを含む,各タスクのベースラインと評価を開発する。
結果として得られる合成コーパスは、同時代の人間による研究よりも体系的に多様性が低く、新規性も低い。
論文 参考訳（メタデータ） (2026-02-24T01:37:53Z) - Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - Accepted with Minor Revisions: Value of AI-Assisted Scientific Writing [16.303672551924553]
学術論文におけるドメインエキスパートを支援するための大規模言語モデルの可能性について検討する。
我々は、関連する専門知識を持つ参加者を著者とレビュアープールに分割する、仮説的な会議設定によるインセンティブ付きコントロールトライアルを設計する。
行動科学の手法にインスパイアされた我々の新しいインセンティブ構造は、著者に対して、査読された論文に対して、提供された要約を許容できる品質に編集することを奨励する。
論文 参考訳（メタデータ） (2025-11-16T09:49:01Z) - Does GenAI Rewrite How We Write? An Empirical Study on Two-Million Preprints [15.070885964897734]
生成型大規模言語モデル(LLM)は、原稿の書き方を変えることによって、さらなる破壊をもたらす可能性がある。
本稿は、2016年から2025年(115ヶ月)にかけての2100万件以上のプレプリントを4つの主要なリポジトリで大規模に分析することで、このギャップを解消する。
以上の結果から,LSMは提出サイクルと修正サイクルを加速し,言語的複雑性が緩やかに増加し,AI関連トピックが不均等に拡大したことが明らかとなった。
論文 参考訳（メタデータ） (2025-10-18T01:37:40Z) - What Can Natural Language Processing Do for Peer Review? [173.8912784451817]
現代の科学ではピアレビューが広く使われているが、それは難しく、時間がかかり、エラーを起こしやすい。
ピアレビューに関わるアーティファクトは大部分がテキストベースであるため、自然言語処理はレビューを改善する大きな可能性を秘めている。
筆者らは、原稿提出からカメラ対応リビジョンまでの各工程について詳述し、NLP支援の課題と機会について論じる。
論文 参考訳（メタデータ） (2024-05-10T16:06:43Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳（メタデータ） (2024-04-11T13:36:29Z) - Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。
計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
論文 参考訳（メタデータ） (2024-04-01T17:45:15Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳（メタデータ） (2020-11-06T02:23:01Z)
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。