論文の概要: PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading

• arxiv url: http://arxiv.org/abs/2609.13155v1
• Date: Mon, 13 Jul 2026 09:58:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-29 21:40:59.798185
• Title: PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading
• Title（参考訳）: PAUSE:AI関連認知的オフロードのためのプライバシ保護セルフリフレクションツール
• Abstract要約: 認知的オフロード(Cognitive offloading)とは、精神的な労力を減らすために外部の補助具を使用することである。 プライベートな個人利用のためのプライバシ・バイ・デザインのWebツールであるPAUSEについて説明する。
• 参考スコア（独自算出の注目度）: 1.1420294706212075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cognitive offloading is the use of external aids, such as notes, calculators, or search engines, to reduce mental effort. Large language models (LLMs) extend this to thinking itself, and by AI-associated cognitive offloading, I mean the pattern where a person routinely substitutes LLM output for their own reasoning, idea generation, learning, or communication. Recent empirical work reports associations between some patterns of LLM use and changes in critical thinking effort, neural engagement during assisted tasks, creative diversity, learning behaviour, and social dependence. Validated instruments for AI reliance, dependence, and literacy have begun to appear. I describe PAUSE (Patterns of AI Use: Self-Examination), a privacy-by-design web tool (link: https://anondo1969.github.io/pause) that occupies a different niche from these. It is a lightweight, non-diagnostic reflection aid for private individual use. PAUSE is organised around how a person's own LLM use may relate to cognitive offloading across four everyday domains ('reasoning & critical thinking', 'creativity & originality', 'research & learning', and 'social & communicative capacity'). It delivers a short, free, no-login self-check, scores it entirely in the browser, and returns descriptive, domain-aware reflections. The self-check pairs reverse-scored behavioural items with a claim-evaluation reasoning probe, an alternative-uses creativity probe, and a small retrospective before-and-after block. PAUSE does not assume that AI use is harmful. It only addresses where AI substitutes for effort a person may want to preserve. The application is privacy-preserving by design: scoring is deterministic and runs client-side, no personal data is required, nothing is transmitted or stored beyond the browser session, and no LLM is involved in production. PAUSE is a self-reflection tool. It is not a validated psychological instrument.
• Abstract（参考訳）: 認知的オフロード(Cognitive offloading)とは、精神的な労力を減らすために、ノート、電卓、検索エンジンなどの外部補助具を使用することである。 大規模言語モデル(LLM)は、これを思考そのものにまで拡張し、AIによる認知的オフロードによって、ある人が日常的にLLM出力を自身の推論、アイデア生成、学習、コミュニケーションに置き換えるパターンを意味します。 最近の実証研究報告では、LLMの使用パターンと批判的思考行動の変化、支援作業中の神経活動、創造的多様性、学習行動、社会的依存との関連が報告されている。 AI依存、依存、リテラシーのための検証済みの機器が登場し始めている。 PAUSE(Patterns of AI Use: Self-Examination)は、プライバシ・バイ・デザインのWebツール(リンク:https://anondo 1969.github.io/pause)で、これらとは異なるニッチを占めている。 これは個人の個人使用のための軽量で非診断的リフレクション支援である。 PAUSEは、個人のLLMの使用が、日常的な4つの領域(「推論と批判的思考」、「創造性と独創性」、「検索と学習」、そして「社会的・コミュニケーション能力」)における認知的オフロードとどのように関係するかをテーマに構成されている。 短い、無料、ログイン不要のセルフチェックを提供し、完全にブラウザでスコア付けし、記述的でドメイン対応のリフレクションを返す。 自己チェックは、クレーム評価推論プローブ、代替用途のクリエイティビティプローブ、および前後ブロック前の小さなふりかえりを備えたリバーススコアの行動項目をペアリングする。 PAUSEはAIの使用が有害であるとは考えていない。 それは、人が保存したいかもしれない努力の代用となるAIにのみ対処する。 スコアリングは決定論的であり、クライアント側で動作し、個人情報は不要で、ブラウザセッション以外には何も送信または保存されておらず、LLMが本番環境に関わらない。 PAUSEは自己回帰ツールである。 実証された心理学的な道具ではない。

関連論文リスト

• Mind2Dialogue: Training Human-Aware Language Models by Simulating User Mental States [72.77158276658636]
  Mind2Dialogueは、ユーザのメンタルステートをシミュレートし、それらを人間に意識したトレーニングのための特権的な監視に変換するためのフレームワークである。 まず,精神状態の更新とコヒーレントな会話の生成を両立させる心理誘導シミュレータを提案する。 私たちの特権的な蒸留は、デプロイ時にメンタルステートに直接アクセスすることなく、ユーザを支援するために、Oracleの優れたインフォームドレスポンスのモデルをトレーニングします。
  論文  参考訳（メタデータ） (2026-09-14T17:55:58Z)
• LLMs as Oracles: Reliance on LLMs for Subjective Personal Questions [67.08243073804717]
  我々は、人々がLLMにどう目を向けているのかを、オーラクルとして特徴づける: 主観的個人的質問に関するすべての知識を持つ当局。 ユーザの自律性と幸福に対するリスクに動機づけられた私たちは,このようなAI依存度を大規模に測定するタイプポロジーと方法を開発しました。
  論文  参考訳（メタデータ） (2026-09-13T23:47:13Z)
• Verification-Conditioned Use: A Qualitative Study on How Generative AI Reshapes Learning, Autonomy, and Market Entry for Junior Software Developers [0.3342165620612816]
  本研究では,生成人工知能(AI)ツールの利用がソフトウェア開発のキャリアの初期段階にどのように影響するかを検討する。 16のテーマが出現し、中心的な概念である検証条件の使用を中心に組織された。 2つのテーマは、新参者の自己認識における緊張を露呈する: 自律的パラドックスと、第一人物による依存の否定である。
  論文  参考訳（メタデータ） (2026-07-27T16:07:21Z)
• Nonslop: A Gamified Experiment in Human-AI Collaborative Writing [4.079191726815924]
  この研究は、ユーザーがクリエイティビティの自主性を維持するか、ゲームのルールに違反し、AIアシストを受け入れるかを選択するかに焦点を当てている。 このゲーミフィケーションアプローチは、人間とAIの相互作用を研究するためのフレームワークと、AI強化クリエイティビティにおける効率性と信頼性の間の緊張を理解するための挑発的レンズの両方を提供する。
  論文  参考訳（メタデータ） (2026-06-10T17:21:38Z)
• Critical Thinking in the Age of Artificial Intelligence: A Survey-Based Study with Machine Learning Insights [1.5223740593989443]
  本稿では,AI利用行動と批判的思考能力の関係について検討する。 その結果、背景特性のみよりも、忍耐力の低下と依存関係の強い傾向が推論性能の低下と密接に関連していることが示唆された。 効果的な人間とAIのコラボレーションは、その代わりではなく、リフレクション、検証、持続的な認知的努力をサポートするべきだ、と氏は主張する。
  論文  参考訳（メタデータ） (2026-03-18T03:22:44Z)
• State Your Intention to Steer Your Attention: An AI Assistant for Intentional Digital Living [29.694439220861792]
  本稿では,ユーザの意図を取り入れた新しいAIアシスタントを導入し,その意図に沿う活動が進行しているかどうかを評価し,逸脱が発生した場合の穏やかな痛手を提供する。 このシステムは、大きな言語モデルを利用してスクリーンショット、アプリケーションタイトル、URLを分析し、動作が指示された目標から外れたときに通知を発する。 その結果、我々のAIアシスタントは、ユーザーの焦点維持とデジタル行動と意図の整合性を効果的に支援していることがわかった。
  論文  参考訳（メタデータ） (2025-10-16T09:57:35Z)
• "It Listens Better Than My Therapist": Exploring Social Media Discourse on LLMs as Mental Health Tool [1.223779595809275]
  大きな言語モデル(LLM)は、会話の流布、共感シミュレーション、可用性の新機能を提供する。 本研究では,1万件以上のTikTokコメントを分析し,LLMをメンタルヘルスツールとして利用する方法について検討した。 その結果、コメントの20%近くが個人利用を反映しており、これらのユーザーは圧倒的に肯定的な態度を示している。
  論文  参考訳（メタデータ） (2025-04-14T17:37:32Z)
• Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
  我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。 また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
  論文  参考訳（メタデータ） (2024-10-28T23:10:06Z)
• Self-directed Machine Learning [86.3709575146414]
  教育科学において、自己指導型学習は受動的教師指導型学習よりも効果的であることが示されている。 本稿では,自己指向機械学習(SDML)の基本概念を紹介し,SDMLのためのフレームワークを提案する。 提案したSDMLプロセスは,自己タスク選択,自己データ選択,自己モデル選択,自己最適化戦略選択,自己評価基準選択の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-01-04T18:32:06Z)
• Self-PU: Self Boosted and Calibrated Positive-Unlabeled Training [118.10946662410639]
  本稿では,PU学習と自己学習をシームレスに統合する,新しい自己学習フレームワークを提案する。 Self-PUは3つの"自己"指向のビルディングブロックを強調している。 本稿では,アルツハイマー病の脳画像の分類という,PU学習の現実的応用について検討する。
  論文  参考訳（メタデータ） (2020-06-22T17:53:59Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。