論文の概要: Detecting AI Impostors: How Do Middle Schoolers Identify LLM Agents in a Live Collaborative Setting?

• arxiv url: http://arxiv.org/abs/2608.30948v1
• Date: Mon, 31 Aug 2026 15:18:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.475948
• Title: Detecting AI Impostors: How Do Middle Schoolers Identify LLM Agents in a Live Collaborative Setting?
• Title（参考訳）: AIインポスタの検出:中学生はどのようにしてLLMエージェントをライブコラボレーション環境で識別するか?
• Abstract要約: 我々は、若者がAIの偽造を検知し、どのように反応するかを研究するために、協力型ソーシャル推論ゲームであるtextitDoppelBotを紹介した。 学習者の検出精度は時間とともに向上し、言語的手がかりに依存するものから、共有された社会的・文脈的な信号を活用するものへと変化していく。
• 参考スコア（独自算出の注目度）: 4.99706801306948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLMs can imitate how people write, which raises concerns about impersonation, trust, and detection in social settings. These concerns are especially important for adolescents, who use generative AI frequently but may struggle to recognize it. We introduce \textit{DoppelBot}, a cooperative social deduction game designed to study how young people detect and respond to AI impersonation. Through studies with middle schoolers, we investigate whether a DoppelBot prompts reflection on privacy and impersonation, how repeated exposure affects AI-detection accuracy as agents become more personalized, and which strategies students use to identify AI doppelgängers. We find that students' detection accuracy improves over time, driven by a shift from relying on linguistic cues to leveraging shared social and contextual signals. Students also demonstrated an understanding of AI limitations such as embodiment and reflected on broader issues such as data privacy. To support future research, we release an anonymized dataset of game transcripts and voting behavior.
• Abstract（参考訳）: LLMは、人々がどのように書くかを模倣することができ、社会的設定における偽造、信頼、そして検出に対する懸念を引き起こす。 これらの懸念は、生成的AIを頻繁に使用する若者にとって特に重要であるが、それを認識するのに苦労する可能性がある。 我々は、若者がAIの偽造を検知し、どのように反応するかを研究するために設計された、協調型ソーシャル推論ゲームである「textit{DoppelBot}」を紹介した。 中学生を対象とした研究を通じて、ドッペルボットがプライバシと偽造を反映するかどうか、エージェントがパーソナライズされるにつれて繰り返し露出がAI検出精度にどのように影響するか、そして学生がAIドッペルガンガーを特定するために使用する戦略を検討する。 学習者の検出精度は時間とともに向上し,言語的手がかりの活用から社会的・文脈的信号の共有へのシフトが引き起こされる。 学生はまた、エボディメントのようなAIの制限を理解し、データプライバシのようなより広範な問題に反映した。 今後の研究を支援するために,ゲームスクリプティングと投票行動の匿名化データセットをリリースする。

関連論文リスト

• Socrates went Nuclear: Comparing Interaction Strategies for AI systems in a Learning Context using Brain Sensing [66.03354630509942]
  本稿では,ユーザとAIのインタラクションに関する3つの設計を学習場面で比較する。 50人の研究参加者が核安全プロトコルの学習に従事した。
  論文  参考訳（メタデータ） (2026-09-01T02:24:35Z)
• HARP: The Human--AI Research Platform [0.9332987715848716]
  大規模言語モデル(LLM)は、人間とコンピュータのインタラクションを従来のインタフェースからより会話的な交換へとシフトさせてきた。 HarPは、参加者をAIエージェントでコントロールされたモックシナリオに配置する。 HarPは、AI設計の選択がユーザに与える影響の体系的なテストを可能にする。
  論文  参考訳（メタデータ） (2026-07-22T22:38:16Z)
• RogueAI: A Reverse Turing Test for Detecting Licensed AI Deception in Dialogue [2.7606655162305476]
  我々は,このテストを1対2の尋問ゲームとして運用するインタラクティブなWebアプリであるRogueAIを紹介する。 プレイヤーの任務は、不正行為を識別し、ターンの予算が尽きる前に「シャットオフ」することである。 プレイヤーが独自の騙し戦略をひそかに選択するナレーターエージェントでカスタムシナリオを設計する手続き的拡張であるAutoRogueAIを紹介する。
  論文  参考訳（メタデータ） (2026-06-11T13:07:02Z)
• Safeguarding Privacy: Privacy-Preserving Detection of Mind Wandering and Disengagement Using Federated Learning in Online Education [53.25191965774678]
  遠隔学習における行動・認知障害の相違に対処するために,デバイス間フェデレーション学習を利用したフレームワークを提案する。 顔の表情と視線特徴を用いた映像ベース認知解離検出モデルに適合する。 以上の結果から,学習者のエンゲージメントを促進するプライバシー保護教育技術への大きな期待が示された。
  論文  参考訳（メタデータ） (2026-02-10T15:40:01Z)
• ChatGPT-5 in Secondary Education: A Mixed-Methods Analysis of Student Attitudes, AI Anxiety, and Hallucination-Aware Use [0.0]
  テクノロジー」講座の8時間介入におけるChatGPT-5の活用 学生は情報探索、CV生成、文書とビデオの要約、画像生成、クイズ生成、年齢に応じた説明などに従事した。 幻覚に遭遇した後、多くの学生は、既に知識を持っている領域にAIの使用を制限すると報告した。
  論文  参考訳（メタデータ） (2025-11-30T19:28:48Z)
• CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
  我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。 また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
  論文  参考訳（メタデータ） (2025-08-28T06:03:11Z)
• 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)
• AgentPeerTalk: Empowering Students through Agentic-AI-Driven Discernment of Bullying and Joking in Peer Interactions in Schools [0.0]
  本研究では,大規模言語モデル(LLM)が,学校間交流におけるいじめと冗談を識別することで,学生に力を与える可能性について検討した。 ChatGPT-4はエージェントアプローチの実装後の文脈特異的な精度に優れていた。
  論文  参考訳（メタデータ） (2024-07-27T05:50:02Z)
• I would love this to be like an assistant, not the teacher: a voice of the customer perspective of what distance learning students want from an Artificial Intelligence Digital Assistant [0.0]
  本研究では,仮想AIデジタルアシスタント(AIDA)の設計に関する10人のオンライン・遠隔学習学生の認識について検討した。 参加者全員が、リアルタイムのアシストとクエリの解決、学術的なタスクのサポート、パーソナライゼーションとアクセシビリティのサポート、そして感情的および社会的サポートにAIツールを使用することのメリットを研究し、報告しながら、そのようなAIツールの有用性について同意した。 学生の懸念は、AIDA、データプライバシとデータ利用、運用上の課題、学術的完全性と誤用、教育の将来に関する倫理的・社会的意味に関するものである。
  論文  参考訳（メタデータ） (2024-02-16T08:10:41Z)
• Who Said That? Benchmarking Social Media AI Detection [12.862865254507177]
  本稿では、実ソーシャルメディアプラットフォームにおけるAIテキスト検出モデルの能力を評価するために開発された新しいベンチマークであるSAID(Social media AI Detection)を紹介する。 ZhihuやQuoraといった人気のソーシャルメディアプラットフォームから、AI生成テキストが組み込まれている。 Zhihuデータセットに基づく我々の研究の注目すべき発見は、アノテータがAI生成テキストと人間生成テキストを96.5%の平均精度で区別できることを示している。
  論文  参考訳（メタデータ） (2023-10-12T11:35:24Z)
• RADAR: Robust AI-Text Detection via Adversarial Learning [69.5883095262619]
  RADARはパラフラザーと検出器の対向訓練に基づいている。 パラフレーズの目標は、AIテキスト検出を避けるために現実的なコンテンツを生成することである。 RADARは検出器からのフィードバックを使ってパラフラザーを更新する。
  論文  参考訳（メタデータ） (2023-07-07T21:13:27Z)
• 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)
• Rumor Detection with Self-supervised Learning on Texts and Social Graph [101.94546286960642]
  異種情報ソース上での自己教師型学習を対照的に提案し,それらの関係を明らかにするとともに,噂をよりよく特徴付ける。 我々はこの枠組みをSRD(Self-supervised Rumor Detection)と呼ぶ。 3つの実世界のデータセットに対する大規模な実験により、ソーシャルメディア上での噂の自動検出におけるSRDの有効性が検証された。
  論文  参考訳（メタデータ） (2022-04-19T12:10:03Z)
• Hidden Agenda: a Social Deduction Game with Diverse Learned Equilibria [57.74495091445414]
  社会的推論ゲームは、個人が他人に関する潜在的に信頼できない情報を合成する方法を学ぶための道を提供する。 本研究では,未知のチームアライメントのシナリオにおいて,学習エージェントを研究するための2D環境を提供する2チームソーシャル推論ゲームであるHidden Agendaを紹介する。 Hidden Agendaで訓練された強化学習エージェントは、自然言語でのコミュニケーションを必要とせずに、協力や投票など、さまざまな行動を学ぶことができることを示した。
  論文  参考訳（メタデータ） (2022-01-05T20:54:10Z)

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。