論文の概要: Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing

• arxiv url: http://arxiv.org/abs/2608.26710v1
• Date: Thu, 27 Aug 2026 07:05:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.28166
• Title: Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing
• Title（参考訳）: コンファウンドとしてのスタイル:非負の学術著作のAI検出における偽陽性
• Abstract要約: プロの英語編集サービスから135,389の文書ペアを調査した。 13のAIテキスト検出器では、人書きテキストのFPRは0.0%から100.0%に大きく変化した。 これらの結果から,AI検出出力において,プロの編集スタイルが重要なコンファウンディング変数であることがわかった。
• 参考スコア（独自算出の注目度）: 3.9444299467643025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI text detectors are increasingly employed in academic settings, but it remains unclear whether their outputs reflect AI authorship itself or broader linguistic features associated with polished academic English. Previous studies have reported high false-positive rates (FPRs) for non-native English writing, but population-level comparisons confound authorship with differences in topic, domain, and writing style. Professional editing provides a useful setting for examining this issue because it changes the linguistic form of manuscripts while preserving authorship and content. We examined 135,389 document pairs from a professional English editing service (2018-2025), comprising non-native manuscripts and their native-edited versions, to assess how editing affects detector responses controlling for content and authorship. For the 13 AI text detectors, FPRs for human-written texts varied widely, from 0.0% to 100.0%. Responses varied across detectors: the same edits increased AI scores in some detectors but decreased them in others. Notably, score changes correlated with the extent of editing. The findings identify professional editing style as a key confounding variable in AI detector outputs, rather than establishing a full separation of text origin from linguistic style, raising concerns about fairness and reliability in academic settings.
• Abstract（参考訳）: AIテキスト検出装置は、学術的な環境においてますます採用されているが、その出力がAIの著者自身を反映しているか、あるいは洗練された学術英語に関連するより広い言語的特徴を反映しているのかは不明だ。 以前の研究では、非ネイティブな英語の文章に対する高い偽陽性率(FPR)が報告されているが、集団レベルの比較では、著者シップとトピック、ドメイン、文章スタイルの違いが混同されている。 プロの編集は、著者やコンテンツを保持しながら、原稿の言語形式を変えるため、この問題を調べるのに有用な設定を提供する。 プロの英語編集サービス(2018-2025)の135,389の文書対について,非ネイティブの原稿とそのネイティブ編集版を用いて検討し,編集がコンテンツや著者に対する検出応答にどう影響するかを検討した。 13のAIテキスト検出器では、人書きテキストのFPRは0.0%から100.0%に大きく変化した。 反応は検出器によって様々で、同じ編集で一部の検出器ではAIスコアが増大するが、他の検出器では減少する。 特に、スコアの変化は編集の程度と相関した。 この結果から、AI検出出力において、プロの編集スタイルを、言語的なスタイルからテキストを完全分離するよりも、重要な境界変数として認識し、学術的な設定における公正性と信頼性に関する懸念を提起した。

関連論文リスト

• PaperMentor: A Human-Centered Multi-Agent Writing Tutor for AI Research Papers on Overleaf [51.79108552674703]
  We present PaperMentor, a human-centered writing assistant system that delivers actionable suggestions as Overleaf-native inline comments。 PaperMentorは、既存の研究者の執筆アドバイスから慎重にキュレートされた専門的なスキルライブラリを、論文執筆のさまざまな側面をカバーする12の専門エージェントに統合する。 ユーザ調査では、生成したコメントの90.6%が実行可能であり、67.5%が有効であると評価され、GPT-5.2のベースラインをスキルライブラリを使用せずに大幅に上回った。
  論文  参考訳（メタデータ） (2026-06-07T22:17:15Z)
• Operation-Guided Progressive Human-to-AI Text Transformation Benchmark for Multi-Granularity AI-Text Detection [49.41415417307568]
  OpAI-Benchは、プログレッシブな人間とAIのテキスト変換を研究するためのオペレーションガイド付きベンチマークである。 我々は、AIテキスト検出能力は、AI編集コンテンツの割合だけでなく、編集操作、ドメイン、累積修正履歴によっても支配されていることを示す。
  論文  参考訳（メタデータ） (2026-06-04T17:58:05Z)
• The Impact of Editorial Intervention on Detecting Native Language Traces [1.6210510806456278]
  ネイティブ言語識別(NLI、Native Language Identification)は、著者のネイティブ言語(L1)をネイティブでない文章から判断するタスクである。 人間とAIの共著者の出現により、非ネイティブテキストは大規模言語モデルによって定期的に修正され書き直される。 編集介入の度合いが高まる中でL1トレースの堅牢性について検討した。
  論文  参考訳（メタデータ） (2026-05-11T08:58:08Z)
• Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
  EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。 ディスタングルメントは、新規な差別者を通じて実施される。 EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
  論文  参考訳（メタデータ） (2026-04-23T05:34:20Z)
• Can professional translators identify machine-generated text? [0.0]
  本研究は,人工知能(AI)がイタリア語で生成した短編を,事前の専門訓練なしに確実に識別できるかどうかを考察する。 6人の翻訳者が人体実験に参加し、3つの匿名化された短編を評価した。 低いバーストさと物語の矛盾が、合成著者の最も信頼できる指標として現れた。
  論文  参考訳（メタデータ） (2026-01-22T10:25:52Z)
• EditLens: Quantifying the Extent of AI Editing in Text [23.457378805409714]
  AIで編集されたテキストは、人間が書いたテキストやAIで生成したテキストと区別可能であることを示す。 テキスト内に存在するAI編集量を予測する回帰モデルをトレーニングする。 AIによって編集されたテキストが検出できるだけでなく、AIによる人間の文章への変化の度合いも検出できることを示す。
  論文  参考訳（メタデータ） (2025-10-03T16:27:48Z)
• 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)
• Detecting the Undetectable: Assessing the Efficacy of Current Spoof Detection Methods Against Seamless Speech Edits [82.8859060022651]
  音声入力編集(SINE)データセットをVoiceboxで作成する。 本手法を用いて編集した音声は従来のカット・アンド・ペースト法よりも検出が困難であることを確認した。 人的困難にもかかわらず, 自己監督型検出器は検出, 局所化, 一般化において顕著な性能を発揮することを示す実験結果が得られた。
  論文  参考訳（メタデータ） (2025-01-07T14:17:47Z)
• Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
  本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。 私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。 文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-18T11:46:16Z)
• ARIES: A Corpus of Scientific Paper Edits Made in Response to Peer Reviews [36.76200047558003]
  我々は、ピアフィードバックに基づいて科学論文を自動修正するタスクを導入する。 著者が作成した特定の論文にレビュアーコメントをリンクするラベルを提供する。 アートの状態をカバーした10のモデルを用いた実験では、どの編集がコメントに対応するかを特定するのに苦労していることがわかった。
  論文  参考訳（メタデータ） (2023-06-21T22:00:03Z)

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。