論文の概要: Navigating the Changing Landscape of Online Knowledge Consumption and Production in the Age of Generative AI: Evidence from Stack Overflow

• arxiv url: http://arxiv.org/abs/2609.38563v1
• Date: Tue, 29 Sep 2026 21:23:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.75551
• Title: Navigating the Changing Landscape of Online Knowledge Consumption and Production in the Age of Generative AI: Evidence from Stack Overflow
• Title（参考訳）: 生成AIの時代におけるオンライン知識消費と生産の変容する景観をナビゲートする:スタックオーバーフローからのエビデンス
• Abstract要約: 本稿では,ChatGPTリリース後のStack Overflowユーザグループ間の質問応答と回答の変化について検討する。 消費者は質問から回答を生み出すようになったが、回答は受け入れられる可能性が低かった。 プロデューサーは質問の数を変えなかったが、新しいトピックや新しいトピックについてますます質問した。
• 参考スコア（独自算出の注目度）: 6.359193994677027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online knowledge communities rely on a division of epistemic labor between users who seek information and those who produce it. Generative AI may blur these roles, but how it reallocates knowledge-seeking and knowledge-producing activities and reshapes the nature and returns of participation remains unclear. We examine changes in question-asking and answering among Stack Overflow user groups, focusing on consumers and producers, following the release of ChatGPT. Consumers shifted from asking questions to producing answers, but their answers were less likely to be accepted relative to the pre-ChatGPT period, suggesting that increased production did not yield equal standing in the community. By contrast, producers did not change the number of questions they asked, but increasingly asked about novel and emerging topics. Although they produced fewer answers, their answers received greater recognition. These findings show that access to generative AI does not necessarily translate into equal opportunities for successful participation.
• Abstract（参考訳）: オンライン知識コミュニティは、情報を求めるユーザとそれを作成するユーザの間で、疫学的な労働の区分に依存している。 生成的AIはこれらの役割を曖昧にするかもしれないが、どのようにして知識の探究と知識を生み出す活動を再配置し、その性質と参加の帰結を想起させるのかはいまだ不明である。 本稿では,ChatGPTのリリース以降のStack Overflowユーザグループにおける質問応答と回答の変化について,コンシューマとプロデューサに着目して検討する。 消費者は質問から回答へと移行したが、その回答はChatGPT以前の時期と比べて受け入れられる可能性が低く、生産の増加はコミュニティで同等の立場に立たなかったことを示唆した。 対照的に、プロデューサーは質問する質問の数を変えなかったが、新しい話題や新しい話題についてますます質問した。 回答は少なかったが、回答は高い評価を得た。 これらの結果は、生成AIへのアクセスが必ずしも参加を成功させる機会に変わらないことを示している。

関連論文リスト

• The Uneven Decline of Collective Knowledge Production: Evidence from Stack Overflow After Generative AI [1.8024332526232831]
  ジェネレーティブAI(Gen AI)は、個人が学習し、働く方法を変えつつあるが、集団的知識に対するその影響は理解されていない。 本稿では,ChatGPT-3.5のリリースを自然なショックとして扱うため,ソフトウェアエンジニアリングにおける最大のオンラインコミュニティであるStack Overflowを用いて,この問題を考察する。
  論文  参考訳（メタデータ） (2026-09-28T18:21:56Z)
• The Double-edged Effect of Banning Generative AI on Online Question-and-Answer Communities: Evidence from Stack Exchange [0.0]
  生成する人工知能生成コンテンツの禁止がオンライン質問・回答コミュニティに与える影響について検討する。 我々は、これらの禁止の影響を調べるために差分差分法(DID)アプローチを採用する。 AIGCは知識追求を禁止しますが、同時に貢献効率を低下させます。
  論文  参考訳（メタデータ） (2026-07-06T02:09:40Z)
• PropMEND: Hypernetworks for Knowledge Propagation in LLMs [82.99849359892112]
  本稿では,PropMENDという,ハイパーネットワークに基づく知識伝播手法を提案する。 インジェクションされた事実に回答が明記されていないマルチホップ質問に対して,ほぼ2倍の精度で回答を提示する。 我々はまた、ハイパーネットワークの一般化を評価するために、新しいデータセットである Controlled RippleEdit も導入した。
  論文  参考訳（メタデータ） (2025-06-10T15:44:19Z)
• Information Retrieval in the Age of Generative AI: The RGB Model [77.96475639967431]
  本稿では,生成型AIツールの利用の増加に伴って生じる複雑な情報ダイナミクスについて,新たな定量的アプローチを提案する。 本稿では,新たなトピックに応答して情報の生成,索引付け,普及を特徴付けるモデルを提案する。 以上の結果から,AI導入の急激なペースとユーザ依存度の増加は,不正確な情報拡散のリスクを増大させる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-29T10:21:40Z)
• Users Favor LLM-Generated Content -- Until They Know It's AI [0.0]
  本研究では,コンテンツソースが隠蔽されたり開示されたりした場合に,人間のラングモデルと大規模ラングモデルを用いて,一般的な質問に対する応答を個人がどのように評価するかを検討する。 以上の結果から,参加者はAIによる反応を好む傾向が示唆された。 AIの起源が明らかになると、この選好は著しく低下し、評価的判断が応答の発覚の開示に影響されることが示唆される。
  論文  参考訳（メタデータ） (2025-02-23T11:14:02Z)
• Don't Just Say "I don't know"! Self-aligning Large Language Models for Responding to Unknown Questions with Explanations [70.6395572287422]
  自己調整法は,回答を拒否するだけでなく,未知の質問の解答不能を説明できる。 我々は, LLM自体を微調整し, 未知の質問に対する応答を所望の通りに調整するために, 偏差駆動による自己計算を行い, 有資格データを選択する。
  論文  参考訳（メタデータ） (2024-02-23T02:24:36Z)
• Self-Knowledge Guided Retrieval Augmentation for Large Language Models [59.771098292611846]
  大規模言語モデル(LLM)はタスク固有の微調整なしで優れた性能を示す。 検索に基づく手法は、非パラメトリックな世界知識を提供し、質問応答のようなタスクのパフォーマンスを向上させることができる。 SKR(Self-Knowledge guided Retrieval augmentation)は、LLMがこれまで遭遇した質問を参照できるようにする、シンプルで効果的な方法である。
  論文  参考訳（メタデータ） (2023-10-08T04:22:33Z)
• From Mundane to Meaningful: AI's Influence on Work Dynamics -- evidence from ChatGPT and Stack Overflow [0.0]
  私たちはChatGPTがコーディングの基本的な側面、すなわち問題解決をどう変えたかを探る。 私たちは、2022年11月30日のChatGPTの突然のリリースが、プログラマにとって最大のオンラインコミュニティであるStack Overflowの利用に与える影響を利用しています。
  論文  参考訳（メタデータ） (2023-08-22T09:30:02Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)
• Incremental Knowledge Based Question Answering [52.041815783025186]
  人間と同じように学習能力を段階的に拡張できるインクリメンタルKBQA学習フレームワークを提案します。 具体的には、破滅的な忘れ問題を克服するために、マージン希釈損失と協調選択方法からなる。 包括的な実験は、進化する知識ベースに取り組む際にその効果と効率を示す。
  論文  参考訳（メタデータ） (2021-01-18T09:03:38Z)
• From Asking to Answering: Getting More Involved on Stack Overflow [3.1160359353275346]
  本稿では,コンピュータプログラミングにおける一般的な質問・回答コミュニティであるStack Overflowの問題点について考察する。 の証拠を文書化しており、特にプラットフォーム上には回答を投稿しないアクティブなユーザがたくさんいます。 ユーザの在職期間,性別,地理的位置などの個々の特徴は,回答を投稿する可能性に大きく関連している。
  論文  参考訳（メタデータ） (2020-10-08T14:41:22Z)

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。