論文の概要: Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research

• arxiv url: http://arxiv.org/abs/2609.27184v1
• Date: Wed, 23 Sep 2026 00:43:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.810058
• Title: Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research
• Title（参考訳）: 誰が知っているか、誰が答えるか? コーパス支援によるAI高等教育研究におけるエージェンシー、疫学責任、説明責任の分析
• Abstract要約: 本研究は、2022年11月から2026年8月14日までに出版された366の英語のタイトルと抄録に研究者が責任を分配する方法を検討する。 コーパス支援談話分析では、周波数数、5ワードのコロケーション、アクター・プレディケート・アソシエーション、義務・クレーズ・コーディング、受動性の分析、名義化、メトニミーの報告が組み合わされた。 この結果は、AIに機能的エージェンシーを与えることと、規範的説明責任を割り当てることの間に、永続的なギャップがあることを明らかにしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative artificial intelligence (GenAI) is increasingly described in higher education as a tool, collaborator, evaluator, proxy, and infrastructure. These labels are not neutral: they shape who is seen as acting, knowing, and, crucially, being answerable when someone uses AI. This study examines how scholars distribute such responsibility across 366 English-language titles and abstracts published between November 2022 and 14 August 2026. A corpus-assisted discourse analysis combined frequency counts, five-word collocations, actor-predicate associations, obligation-clause coding, and heuristic analysis of passives, nominalisations, and reporting metonymies. The final corpus contained 91,405 tokens, drawn from 8,734 unique records screened after deduplication. AI was the most frequently named actor, appearing 2,050 times and entering 447 predicate associations, most involving action. Students, by contrast, were more often associated with knowing, judging, and verifying, yet no sentence ever made AI explicitly responsible. Responsibility fell largely on educators, institutions, and policy, or disappeared through passive and nominalised constructions. Even frequent phrases such as "responsible AI" and "responsible use" rarely identify who is accountable for what. The findings reveal a persistent gap between giving AI functional agency and assigning normative accountability.
• Abstract（参考訳）: ジェネレーティブ人工知能(GenAI)は、高等教育において、ツール、協力者、評価者、プロキシ、インフラとして説明されることが多い。 これらのラベルは中立的ではなく、AIを使うときの行動、知識、そして決定的な答えとして見なされる人物を形作っている。 本研究は、2022年11月から2026年8月14日までに出版された366の英語のタイトルと抄録にその責任を分配する方法について考察する。 コーパス支援談話分析では、周波数数、5ワードのコロケーション、アクター・プレディケート・アソシエーション、義務・クレーズ・コーディング、パッシブのヒューリスティック・アナリティクス、命名法、メトニミーの報告が組み合わされた。 最終コーパスには91,405個のトークンが含まれ、重複の後にスキャンされた8,734個のユニークな記録から抽出された。 AIは最も頻繁に名付けられた俳優で、2,050回登場し、447の述語協会に入会した。 対照的に、学生はより多く、知識、判断、検証に関連付けられていたが、AIに明確な責任を負わせた文は存在しなかった。 責任は教育者、制度、政策に大きく左右されるか、受動的で名目上の建設によって消滅した。 責任あるAI”や“責任ある使用”といった頻繁なフレーズでさえ、誰が何に責任を持つかを特定することは滅多にない。 この結果は、AIに機能的エージェンシーを与えることと、規範的説明責任を割り当てることの間に、永続的なギャップがあることを明らかにしている。

関連論文リスト

• What Does It Take to Research with AI? A Rapid Review of Competencies to Train LLM-Literate Researchers [3.2284277337810567]
  この素早いレビューは、ElicitとGoogle Scholarから取得した194記事(2022年-2025年)を分析した。 最も一般的なのは、ドメインの専門知識とAI出力の監視だった。 これらの結果は、大学院プログラムやAIリテラシーイニシアチブの設計に直接影響する。
  論文  参考訳（メタデータ） (2026-07-17T16:14:14Z)
• Agentic Literacy Debt: A Structural Problem the AI Literacy Field Has Not Yet Named [0.0]
  自律型AIエージェントは、医療、金融サービス、職場のコンテキストを越えて、ユーザのために計画し、決定し、行動する。 既存のAIリテラシーフレームワークは、人間がAI出力を評価し、行動するかどうかを決定する世界のために構築された。 本稿では、エージェントAIシステムが対応するリテラシー基盤を使わずに大規模に展開されるときに増加する社会的な欠陥を蓄積する問題として、エージェントリテラシー負債を挙げる。
  論文  参考訳（メタデータ） (2026-04-21T15:43:57Z)
• From Diagnosis to Inoculation: Building Cognitive Resistance to AI Disempowerment [0.0]
  8つの横断的な学習成果(LO)を中心に構築されたAIリテラシーフレームワークを提案する。 AIリテラシーは宣言的な知識だけでは獲得できない、と私は主張する。 教育学的起源の枠組みとシャーマらの経験的起源の分類学の収束について論じる。
  論文  参考訳（メタデータ） (2026-02-16T23:47:13Z)
• Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor [83.99510317617694]
  我々は、厳格なAI研究と実践が持つべきものに対するより広範な概念が必要とされると論じている。 我々は,AIコミュニティの作業に関する対話に有用な言語とフレームワークを提供することを目標としている。
  論文  参考訳（メタデータ） (2025-06-17T15:44:41Z)
• 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)
• Causal Responsibility Attribution for Human-AI Collaboration [62.474732677086855]
  本稿では,人間のAIシステムにおける責任を体系的に評価するために,構造因果モデル(SCM)を用いた因果的枠組みを提案する。 2つのケーススタディは、多様な人間とAIのコラボレーションシナリオにおけるフレームワークの適応性を示している。
  論文  参考訳（メタデータ） (2024-11-05T17:17:45Z)
• Do great minds think alike? Investigating Human-AI Complementarity in Question Answering with CAIMIRA [43.116608441891096]
  人間は知識に基づく帰納的、概念的推論においてAIシステムより優れています。 GPT-4やLLaMAのような最先端のLLMは、ターゲット情報検索において優れた性能を示す。
  論文  参考訳（メタデータ） (2024-10-09T03:53:26Z)
• MAILS -- Meta AI Literacy Scale: Development and Testing of an AI Literacy Questionnaire Based on Well-Founded Competency Models and Psychological Change- and Meta-Competencies [6.368014180870025]
  アンケートはモジュラー(すなわち、互いに独立して使用できる異なるファセットを含む)であり、プロフェッショナルな生活に柔軟に適用できるべきである。 我々は、AIリテラシーの異なる側面を表すために、Ngと同僚がAIリテラシーを概念化した60項目を作成した。 AIに関する問題解決、学習、感情制御などの心理的能力を表す12項目が追加されている。
  論文  参考訳（メタデータ） (2023-02-18T12:35:55Z)
• Can Machines Imitate Humans? Integrative Turing-like tests for Language and Vision Demonstrate a Narrowing Gap [56.611702960809644]
  3つの言語タスクと3つの視覚タスクで人間を模倣するAIの能力をベンチマークする。 次に,人間1,916名,AI10名を対象に,72,191名のチューリング様試験を行った。 模倣能力は従来のAIパフォーマンス指標と最小限の相関を示した。
  論文  参考訳（メタデータ） (2022-11-23T16:16:52Z)

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。