論文の概要: AI in Search Reduces Publisher Referrals Without Improving User Experience: Experimental Evidence
- arxiv url: http://arxiv.org/abs/2608.18352v1
- Date: Tue, 18 Aug 2026 22:08:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.226433
- Title: AI in Search Reduces Publisher Referrals Without Improving User Experience: Experimental Evidence
- Title（参考訳）: AI in Searchは、ユーザエクスペリエンスを改善することなくパブリッシャの参照を減らす:実験的エビデンス
- Abstract要約: ユーザ行動,知覚,出版者トラフィックに対するAI概要とAIモードの因果効果をGoogle検索上で推定する。
AI概要とAIモードの削除はパブリッシャーに対するクリックスルー率を増加させる一方で、AIモードのみのエクスペリエンスは、クリックスルー率を減らし、ユーザエクスペリエンスを損なうとともに、Googleで見つかった情報に対する信頼を損なう。
- 参考スコア（独自算出の注目度）: 2.303636351420161
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The integration of generative AI into web search delivers synthesized answers to user queries, changing how people navigate and assess information, while raising concerns about the downstream impacts on publishers who supply the underlying content. We conduct a preregistered field experiment (N=1,100) on Google Search, the dominant online search platform, to estimate the causal effects of AI Overviews and AI Mode on user behavior, perceptions, and publisher traffic. We show that removing AI Overviews and AI Mode increases click-through rates to publishers, while an AI Mode-only experience reduces click-through rates and erodes user experience and trust in information found on Google. These findings show that integrating generative AI into web search reshapes online attention, with economic consequences for the online publishers that sustain both search platforms and the overall information ecosystem.
- Abstract（参考訳）: 生成AIをWeb検索に統合することで、ユーザクエリに合成された回答が提供され、情報のナビゲートや評価方法が変更されると同時に、基盤となるコンテンツを提供するパブリッシャーに対する下流の影響に対する懸念が高まる。
我々は、ユーザ行動、知覚、出版者トラフィックに対するAI概要とAIモードの因果効果を推定するために、Google検索で事前登録されたフィールド実験(N=1,100)を行う。
AI概要とAIモードの削除はパブリッシャーに対するクリックスルー率を増加させる一方で、AIモードのみのエクスペリエンスは、クリックスルー率を減らし、ユーザエクスペリエンスを損なうとともに、Googleで見つかった情報に対する信頼を損なう。
これらの結果から,生成的AIをWeb検索に組み込むことは,検索プラットフォームと情報エコシステム全体を維持するオンラインパブリッシャーにとって経済的影響があると考えられる。
関連論文リスト
- One AI Signal, Many Human Judgments: A Bayesian Cascade Analysis of AI-based Credibility Indicators in Online Information Spread [39.0786847687173]
ソーシャルメディアプラットフォームは、ユーザーが誤情報を判断するのに役立つAIベースの信頼性指標をますます利用している。
本稿では,従来のベイズカスケードモデルを共有公開信号としてAIインジケータで拡張することにより,この設定のためのソーシャルラーニングレンズを提案する。
我々は、AIが公的な歴史の意味を変えることを示す。この視点を通して、AIが公的な歴史の意味を変えることを示す。
論文 参考訳（メタデータ） (2026-08-31T06:27:21Z) - When AI Blurs the Boundaries of Contribution: An Empirical Study of Authorship Calibration [1.9336815376402718]
我々は,AIと対話する際の実際の著者意識をユーザ自身が意識するものとして定義されたオーサリングキャリブレーションの概念を導入する。
その結果、AIに強く依存しているユーザーは著者を誤解する傾向があり、一方、AIを使用している人はより正確な著者格付けをあまり示さないことが判明した。
論文 参考訳（メタデータ） (2026-07-16T13:52:59Z) - The Impact of AI Search on the Online Content Ecosystem: Evidence from Google and Reddit [0.0]
結果ページに直接回答を要約する生成AI検索ツールは、ソースプラットフォームへの訪問を任意にすることで、この関係を阻害する可能性がある。
この質問は、Google AI OverviewsとRedditを使って研究しています。
論文 参考訳（メタデータ） (2026-05-14T18:07:42Z) - AI summaries in online search influence users' attitudes [3.459756369056329]
本研究では,AIが生成した要約が,ユーザが異なる問題に対する考え方にどのように影響するかを検討した。
ユーザーは、AIサマリーが健康被害と福利厚生に重点を置いていると認識した。
これらの結果は、AIが生成した検索サマリーが公共の認識を著しく形作ることを示唆している。
論文 参考訳（メタデータ） (2025-11-27T23:45:19Z) - NExT-Search: Rebuilding User Feedback Ecosystem for Generative AI Search [108.42163676745085]
NExT-Searchは、きめ細かいプロセスレベルのフィードバックを生成AI検索に再導入するために設計された次世代パラダイムである。
NExT-Searchは2つの補完モードを統合している。
論文 参考訳（メタデータ） (2025-05-20T17:59:13Z) - 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) - How Performance Pressure Influences AI-Assisted Decision Making [52.997197698288936]
我々は、プレッシャーと説明可能なAI(XAI)技術がAIアドバイステイク行動とどのように相互作用するかを示す。
我々の結果は、圧力とXAIの異なる組み合わせで複雑な相互作用効果を示し、AIアドバイスの行動を改善するか、悪化させるかのどちらかを示す。
論文 参考訳（メタデータ） (2024-10-21T22:39:52Z) - The Influence of Generative AI on Content Platforms: Supply, Demand, and Welfare Impacts in Two-Sided Markets [3.4039202831583903]
本稿では、生成的人工知能が、人間とAIの両方がコンテンツを生成するオンラインプラットフォームにどのように影響するかを考察する。
我々は、生産的AIが供給と需要をどのように変化させ、交通分布に影響を与え、社会福祉に影響を及ぼすかを理解するためのモデルを開発する。
論文 参考訳（メタデータ） (2024-10-17T00:14:12Z) - Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits [54.648819983899614]
汎用AIは、一般大衆がAIを使用してそのパワーを利用するための障壁を下げたようだ。
本稿では,AI利用事例とその影響を推測し,評価するためのフレームワークであるPartICIP-AIを紹介する。
論文 参考訳（メタデータ） (2024-03-21T19:12:37Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z)
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。