論文の概要: Does AI Assistance Leave a Temporal Fingerprint? Detecting Overreliance in AI-Assisted Writing and Programming

• arxiv url: http://arxiv.org/abs/2609.17883v1
• Date: Tue, 15 Sep 2026 22:16:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.553492
• Title: Does AI Assistance Leave a Temporal Fingerprint? Detecting Overreliance in AI-Assisted Writing and Programming
• Title（参考訳）: AIアシストは一時的なフィンガープリントを残すか?AIによる記述とプログラミングにおける過度な信頼を検出する
• Abstract要約: 我々は,AI支援が時間的シグネチャを持っているか,文章からプログラミングまでを一般化しているか,そして,通常のコグニティブと小売りデリゲーションを区別するかどうかを問う。 CoAuthor (1,447のキーストロークレベルのコライクセッション)、RealHumanEval (243のプログラマレコードからのエディタテレメトリ)、LLM以前のCS1コーパス (5.100万キーストローク) の3つの公開コーパスを人間専用のベースラインとして分析する。 AIを挿入した文字の93%は作家の最終文書に残ったが、受け入れられたコード提案の14%はそのまま残っただけだった。
• 参考スコア（独自算出の注目度）: 2.3412211209700997
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The rapid adoption of generative AI has made final artifacts unreliable evidence of student learning, and AI detectors that examine only the finished product are inaccurate and ethically contentious. Process data offers an alternative, but prior work covers only English essay writing. We ask whether AI assistance carries a temporal signature, whether it generalizes from writing to programming, and whether it distinguishes ordinary collaboration from wholesale delegation. We analyze three public corpora: CoAuthor (1,447 keystroke-level co-writing sessions), RealHumanEval (editor telemetry from 243 programmer records), and a pre-LLM CS1 corpus (5.1 million keystrokes) as a human-only baseline, comparing minimal-AI work, collaborative AI use, and simulated wholesale delegation. Three findings emerge. First, the signature generalizes: AI contributions arrive in bursts far outside the author's own baseline in both mediums (paired d_z = 1.13 and 3.54). Second, engagement diverges by medium: 93% of AI-inserted characters survived to writers' final documents, while only 14% of accepted code suggestions survived intact. Third, classifiers using only observable temporal features separate simulated delegation from authentic work nearly perfectly (F1 $\geq$ 0.997; at most 0.5% of real work misclassified), while ordinary collaboration remains hard to distinguish from unassisted work. Temporal evidence flags wholesale delegation rather than assistance, positioning process visibility as a candidate evidentiary basis for academic integrity, pending validation in authentic coursework.
• Abstract（参考訳）: 生成AIの急速な採用により、最終成果物は学生の学習の信頼できない証拠となり、完成品のみを調べるAI検出器は不正確で倫理的に論争的になっている。 プロセスデータは代替手段を提供するが、以前の研究は英語のエッセイのみをカバーしている。 我々は,AI支援が時間的シグネチャを持っているか,文章からプログラミングまでを一般化しているか,そして,通常のコグニティブと小売りデリゲーションを区別するかどうかを問う。 CoAuthor (1,447のキーストロークレベルのコライクセッション)、RealHumanEval (243のプログラマレコードからのエディタテレメトリ)、およびLLM以前のCS1コーパス(5.100万キーストローク)の3つのパブリックコーパスを人間専用のベースラインとして分析し、最小限のAI作業、協調AI使用、シミュレートされた雑貨デリゲーションを比較した。 3つの発見がある。 まず、署名が一般化する: AIコントリビューションは、両方の媒体(d_z = 1.13、および3.54)において、著者自身のベースラインから遠く離れたバーストに到達します。 第2に、エンゲージメントはメディアによって異なる:AIを挿入した文字の93%が執筆者の最終文書に生き残り、受け入れられたコード提案の14%がそのまま生き残った。 第3に、観測可能な時間的特徴のみを使用する分類器は、真の作業からシミュレーションされたデリゲートをほぼ完璧に分離する(F1 $\geq$ 0.997; 実際の作業の少なくとも0.5%が誤分類されている)。 一時的なエビデンスでは、援助よりもむしろ小売り代表団の旗を掲げ、プロセスの可視性は学術的整合性の候補として、真正のコースでの検証を保留している。

関連論文リスト

• 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)
• Characterizing initial human-AI proof formalization workflows [66.06866890889131]
  AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。 我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。 質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
  論文  参考訳（メタデータ） (2026-06-02T22:58:19Z)
• AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
  研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。 我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。 障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
  論文  参考訳（メタデータ） (2026-05-18T17:08:26Z)
• The Compliance Gap: Why AI Systems Promise to Follow Process Instructions but Don't [0.0]
  私たちはこれを、コンプライアンスギャップ(Compliance Gap)と呼んでいる: 事実の真理性と修辞的な物質とは異なる、AIの第3の軸である。 約75のベンチマークは結果の忠実度を測定している。 BS-Benchは、プロセスコンプライアンスのための最初のオープンベンチマークで、7つのツールコールログ監査メトリクスと公開リーダボードがあります。
  論文  参考訳（メタデータ） (2026-05-03T08:11:15Z)
• AIssistant: An Agentic Approach for Human--AI Collaborative Scientific Work on Reviews and Perspectives in Machine Learning [2.464267718050055]
  ここでは、AIssistantを用いた最初の実験を、機械学習の研究論文の視点とレビューのために提示する。 本システムでは,文学,セクションワイド実験,引用管理,自動文書生成のためのモジュールツールとエージェントを統合している。 その効果にもかかわらず、幻覚的引用、動的紙構造への適応の困難、マルチモーダルコンテンツの不完全統合など、重要な制限を識別する。
  論文  参考訳（メタデータ） (2025-09-14T15:50:31Z)
• 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)
• AI in the Writing Process: How Purposeful AI Support Fosters Student Writing [0.3641292357963815]
  ChatGPTのようなテクノロジーの多様さは、学生の執筆に対する影響を懸念している。 本稿では,異なるAI支援アプローチが著者のエージェンシー感覚と知識変換の深さにどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-06-25T16:34:09Z)
• Human-AI Collaboration or Academic Misconduct? Measuring AI Use in Student Writing Through Stylometric Evidence [0.0]
  本研究は,学術著作におけるAI支援の定量化のためのオーサシップ検証(AV)技術の利用について検討する。 公開データセット(PAN-14)を含む3つのデータセットと、さまざまなコースのメルボルン大学の学生の2つを使用します。 学生向けの堅牢な書記プロファイルを構築するために,特徴ベクトル差分AV手法を開発した。
  論文  参考訳（メタデータ） (2025-05-13T00:36:36Z)
• Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
  本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。 トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
  論文  参考訳（メタデータ） (2023-02-14T18:43:34Z)

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。