論文の概要: The Misclassification of Autistic Writing as AI-Generated

• arxiv url: http://arxiv.org/abs/2607.14729v1
• Date: Thu, 16 Jul 2026 08:54:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.049152
• Title: The Misclassification of Autistic Writing as AI-Generated
• Title（参考訳）: AIとしての自閉症書記の誤分類
• Abstract要約: Anecdotalの主張では、自閉症の作家はAIが生成した作品にフラグを付けることが多い。 約6万件のReddit投稿からなるコーパスは、"likely-autistic"と"General-Reddit"サブコーパスに分割されている。 その結果, いずれのサブコーパスの2%未満はAI生成としてフラグ付けされているが, 有意なサブコーパスからのテキストはフラグ付けされている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent findings suggest that detection models for artificial intelligence (AI) cannot accurately identify AI-generated text and may exhibit bias against certain minority groups. In the present study, anecdotal claims that autistic writers more often have their work flagged as AI-generated are examined empirically. A corpus of approximately 60,000 Reddit posts split into "likely-autistic" and "general-Reddit" subcorpora is used to compare the distribution of probabilities output by the OpenAI GPT-2 detection model. Differences in textual features between subcorpora are observed and compared to reported features of AI-generated text. Results showed that while less than two-percent of either subcorpus was flagged as AI-generated by the model, significantly more texts from the likely-autistic subcorpus were flagged. Connections between features of text with likely-autistic authors and AI-generated text were not straightforward. The widespread use of AI-detection models with a potential bias against autistic writers in their output prompts ethical scrutiny, and the authors recommend further critical examination of the models themselves as well as their use in academic contexts.
• Abstract（参考訳）: 近年の研究では、人工知能(AI)の検出モデルでは、AI生成したテキストを正確に識別することはできず、一部の少数派に対して偏見を示す可能性があることが示唆されている。 本研究は,自閉症作家がAI生成にフラグを付けることが多いという逸話を実証的に検討した。 約6万のReddit投稿からなるコーパスは、OpenAI GPT-2検出モデルによって出力される確率の分布を比較するために、"likely-autistic"と"General-Reddit"サブコーパスに分割されている。 サブコーパス間のテキスト特徴の違いを観察し,AI生成したテキストの特徴と比較した。 その結果, いずれのサブコーパスの2%未満はAI生成としてフラグ付けされているが, 有意なサブコーパスからのテキストはフラグ付けされている。 テキストの特徴と、おそらく有能な著者とAIが生成したテキストとの結びつきは、簡単ではなかった。 自閉症作家に対する潜在的なバイアスを伴うAI検出モデルの幅広い使用は、倫理的な精査を促し、著者らは、モデル自体のさらなる批判的検証と、学術的文脈における使用を推奨する。

関連論文リスト

• Skill-Augmented AI Agents for Medical Research Analysis: An Exploratory Multi-Model Human Evaluation in an NSCLC Transcriptomic Biomarker Task [20.392151164052404]
  医療研究用スキルパッケージへの自律的アクセスが、高品質なAI生成型トランスクリプトーム研究分析出力と結びついているかどうかを評価した。 スキル強化されたアウトプットは、ネイティブAIアウトプットよりも専門家全体の品質が順に高かった。
  論文  参考訳（メタデータ） (2026-06-10T09:13:10Z)
• Sem-Detect: Semantic Level Detection of AI Generated Peer-Reviews [11.21278193949403]
  ピアレビューのための著者検出手法であるSem-Detectを提案する。 同じ論文の複数のAI生成レビューに対するターゲットレビューを比較する。 完全なAIレビューと、本物の人間によるレビューを区別することができる。
  論文  参考訳（メタデータ） (2026-05-20T20:19:16Z)
• AI Detectors Fail Diverse Student Populations: A Mathematical Framing of Structural Detection Limits [0.0]
  ブラックボックス」AIテキスト検出器は、一部の学生に対して不均等な誤りを犯し、偽陽性率が高い。 我々は、検出スコアが不正行為手続における唯一の証拠として機能すべきではないと主張している。
  論文  参考訳（メタデータ） (2026-03-11T06:38:31Z)
• Explainable AI as a Double-Edged Sword in Dermatology: The Impact on Clinicians versus The Public [46.86429592892395]
  説明可能なAI(XAI)は、AI意思決定の洞察を提供することによって、この問題に対処する。 フェアネスに基づく診断AIモデルと異なるXAI説明を組み合わせた2つの大規模実験の結果を報告する。
  論文  参考訳（メタデータ） (2025-12-14T00:06:06Z)
• Could AI Trace and Explain the Origins of AI-Generated Images and Text? [53.11173194293537]
  AI生成コンテンツは、現実の世界ではますます普及している。 敵は、大規模なマルチモーダルモデルを利用して、倫理的または法的基準に違反した画像を作成するかもしれない。 ペーパーレビュアーは、大きな言語モデルを誤用して、真の知的努力なしにレビューを生成する。
  論文  参考訳（メタデータ） (2025-04-05T20:51:54Z)
• Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing [55.2480439325792]
  本研究では、AI-Polished-Text Evaluationデータセットを用いて、12の最先端AIテキスト検出器を体系的に評価する。 我々の発見によると、検出器は、最小限に洗練されたテキストをAI生成としてフラグ付けし、AIの関与度を区別し、古いモデルや小さなモデルに対するバイアスを示す。
  論文  参考訳（メタデータ） (2025-02-21T18:45:37Z)
• Group-Adaptive Threshold Optimization for Robust AI-Generated Text Detection [58.419940585826744]
  本稿では,確率的AIテキスト検出のためのグループ固有しきい値最適化アルゴリズムであるFairOPTを紹介する。 属性(例えば、テキストの長さと書き込みスタイル)に基づいてデータをサブグループに分割し、FairOPTを実装して、各グループに対する決定しきい値の学習を行い、不一致を低減しました。 我々のフレームワークは、後処理によるAI生成コンテンツ検出において、より堅牢な分類の道を開く。
  論文  参考訳（メタデータ） (2025-02-06T21:58:48Z)
• Human Bias in the Face of AI: Examining Human Judgment Against Text Labeled as AI Generated [48.70176791365903]
  本研究では、偏見がAIと人為的コンテンツの知覚をどう形成するかを考察する。 ラベル付きおよびラベルなしコンテンツに対するヒトのラッカーの反応について検討した。
  論文  参考訳（メタデータ） (2024-09-29T04:31:45Z)
• Unraveling the Dilemma of AI Errors: Exploring the Effectiveness of Human and Machine Explanations for Large Language Models [8.863857300695667]
  質問応答課題において, 人文文156件と, サリエンシに基づく説明文について分析した。 以上の結果から,人間の唾液マップは,機械の唾液マップよりもAIの回答を説明するのに有用であることが示唆された。 この発見は、説明におけるAIエラーのジレンマを示唆するものであり、役に立つ説明は、間違ったAI予測をサポートする場合にタスクパフォーマンスを低下させる可能性がある。
  論文  参考訳（メタデータ） (2024-04-11T13:16:51Z)
• On the Possibilities of AI-Generated Text Detection [76.55825911221434]
  機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
  論文  参考訳（メタデータ） (2023-04-10T17:47:39Z)
• Can AI-Generated Text be Reliably Detected? [50.95804851595018]
  大規模言語モデル(LLM)は、様々なアプリケーションで非常によく機能します。 盗作、偽ニュースの発生、スパムなどの活動においてこれらのモデルが誤用される可能性があることは、彼らの責任ある使用に対する懸念を引き起こしている。 我々は、攻撃者の存在下で、これらのAIテキスト検出装置の堅牢性を強調テストする。
  論文  参考訳（メタデータ） (2023-03-17T17:53:19Z)
• Is This Abstract Generated by AI? A Research for the Gap between AI-generated Scientific Text and Human-written Scientific Text [13.438933219811188]
  本稿では,AIが生み出す科学内容と人間による文章とのギャップについて検討する。 我々は、AI生成科学テキストと人文科学テキストの間に、文章スタイルのギャップがあることを発見した。
  論文  参考訳（メタデータ） (2023-01-24T04:23:20Z)

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。