論文の概要: When Bots Join the Team: Bot Adoption and the Institutional Fabric of Open-Source Software Projects
- arxiv url: http://arxiv.org/abs/2607.13679v1
- Date: Wed, 15 Jul 2026 10:21:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.741953
- Title: When Bots Join the Team: Bot Adoption and the Institutional Fabric of Open-Source Software Projects
- Title（参考訳）: ボットがチームに加わるとき: ボットの採用とオープンソースのソフトウェアプロジェクトの制度的ファブリック
- Abstract要約: 最初のボットの採用前後の2年間,2,991のGitHubプロジェクトを調査した。
我々は、制度理論が耐久性のある調整に結びつく3つの能力を測定する。
我々はその結果を因果効果ではなく、正確な時間的関連性として解釈する。
- 参考スコア（独自算出の注目度）: 0.17188280334580194
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents are joining human teams, raising a basic question: when an automated agent becomes a regular participant, does group organization strengthen or weaken? We study this question in open-source software, where bots open pull requests, review code, and merge changes alongside people, leaving a public record of every interaction. Treating bots as participants rather than tools, we examine 2,991 GitHub projects for two years before and after each adopted its first bot. We measure three capabilities that institutional theory links to durable coordination - repeated engagement, social memory, and role differentiation - and two outcomes: conflict cascades and output distinctiveness. Bot adoption is followed by more repeated collaboration, greater recognition of specific bots in discussion, fewer conflict cascades, and more distinctive outputs. These changes cluster around adoption rather than accumulating gradually. Because we lack an untreated comparison group, we interpret the results as precisely timed associations, not causal effects. Two patterns are difficult for alternative explanations to account for: capabilities predict outcomes according to their function - coordination versus differentiation - rather than whether humans or bots provide them, and human-side capabilities account for the bot-conflict association but not the bot-distinctiveness association. The findings are consistent with a specific interpretation: predictable, rule-based agents can become part of a community's social infrastructure. The bot is the occasion; social organization is the mechanism.
- Abstract（参考訳）: AIエージェントが人間のチームに加わり、基本的な疑問を提起している。自動化されたエージェントが正規の参加者になったとき、グループ組織は強化されるか、弱まるか?
私たちはこの疑問を、ボットがプルリクエストをオープンにし、コードをレビューし、変更を人と一緒にマージするオープンソースのソフトウェアで研究し、すべてのインタラクションの公開記録を残します。
ツールではなくボットを参加者として扱うことで、最初のボットを採用した前後の2年間、2,991のGitHubプロジェクトを調べました。
組織理論が永続的コーディネーションに結びつく3つの能力 - 繰り返しのエンゲージメント、社会的記憶、役割の分化 - と、競合カスケードとアウトプットの2つの結果を測定する。
ボットの採用に続いて、より反復的なコラボレーション、議論中の特定のボットの認識の向上、コンフリクトカスケードの減少、より独特なアウトプットが続く。
これらの変更は徐々に蓄積するのではなく、採用を中心にクラスタ化される。
未処理の比較群が欠如しているため,結果が因果効果ではなく,正確な時間的関連性であると解釈した。
能力は、人間やボットがそれらを提供するかどうかではなく、その機能によって結果を予測する。
予測可能なルールベースのエージェントは、コミュニティの社会的基盤の一部となることができる。
ボットは機会であり、社会組織はメカニズムである。
関連論文リスト
- Patterns of Bot Participation and Emotional Influence in Open-Source Development [1.037389180476138]
我々は、ボットがエコシステムにおけるオープンソースの議論にどのように貢献するかを研究する。
人間の参加はU字型のパターンに従い、ボットは均一(プルリクエスト)または後期(イシュー)の活動を行う。
27の感情カテゴリーで訓練されたモデルを用いて、ボットはより中立的であるが、人間のコメントではその介入はより中立性を減らす。
論文 参考訳（メタデータ） (2026-01-16T09:58:28Z) - BotSim: Mitigating The Formation Of Conspiratorial Societies with Useful Bots [2.2032950166846526]
我々は、有用なボットを小さな世界ネットワークに導入する社会のエージェントベースモデルであるBotSimを作成する。
これらの便利なボットは、悪い情報を良いものに修正するInfo-Correction Botsと、良いメッセージングを行うGood Botsだ。
この結果から,Bad Botsは,情報協調型ボットとGood Botsのどちらかによって,共謀型社会を創り出すことが可能であることが示唆された。
論文 参考訳（メタデータ） (2026-01-06T06:26:46Z) - Cooperation Through Indirect Reciprocity in Child-Robot Interactions [81.62347137438248]
間接的相互性は子どもとロボットの相互作用に変換できるかどうかを考察する。
IRは子どもやロボットに拡張され、協調ジレンマが解決される。
マルチアームバンディットアルゴリズムによる協調は,人間による戦略に大きく依存していることが観察された。
論文 参考訳（メタデータ） (2025-11-07T07:08:32Z) - RoBCtrl: Attacking GNN-Based Social Bot Detectors via Reinforced Manipulation of Bots Control Interaction [51.46634975923564]
本稿では,ソーシャルボット制御攻撃(RoBCtrl)のための対向型マルチエージェント強化学習フレームワークを提案する。
具体的には、拡散モデルを用いて、既存のアカウントデータを小さな修正で再構築することで、高忠実度ボットアカウントを生成する。
次に,MARL(Multi-Agent Reinforcement Learning)法を用いて,ボットの逆動作をシミュレートする。
論文 参考訳（メタデータ） (2025-10-16T02:41:49Z) - What is a Social Media Bot? A Global Comparison of Bot and Human Characteristics [5.494111035517598]
ボットは、人間が対話理解を必要とするキューを使う間、簡単に自動化できる言語的手がかりを使用する傾向がある。
これらの結論は、7つのイベントにわたる200ミルユーザーにわたるソーシャルメディアのツイートの大規模な分析に基づいている。
論文 参考訳（メタデータ） (2025-01-01T14:45:43Z) - Unbiased third-party bots lead to a tradeoff between cooperation and social payoffs [2.456015170740555]
人工知能(AI)の台頭は、より適用性と制御性の高い協調力学に影響を与える新たな機会を提供する。
我々は、不偏のボットは、よく混ざった集団の正常なプレイヤーの間で欠陥均衡をシフトできないことを示した。
構造化された集団では、不偏な行動にもかかわらず、ボットは自発的に共同作業者や欠陥者に対して異なる影響を生じさせ、協力の強化につながった。
論文 参考訳（メタデータ） (2024-09-23T12:50:12Z) - Unmasking Social Bots: How Confident Are We? [41.94295877935867]
本稿では,ボット検出と不確実性の定量化の両方に対処することを提案する。
この二重焦点は、各予測の定量化の不確実性に関連する追加情報を活用することができるため、非常に重要である。
具体的には,予測を高い信頼性で行う場合のボットに対する標的的介入を促進するとともに,予測が不確実な場合の警告(例えば,より多くのデータ収集)を提案する。
論文 参考訳（メタデータ） (2024-07-18T22:33:52Z) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement
Learning [60.348822346249854]
本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。
チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。
共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
論文 参考訳（メタデータ） (2021-10-08T07:44:47Z) - Joint Mind Modeling for Explanation Generation in Complex Human-Robot
Collaborative Tasks [83.37025218216888]
本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。
ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。
その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2020-07-24T23:35:03Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-11T22:59:59Z)
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。