論文の概要: AI-Assisted Submissions in Online Research Are Rare and Highly Concentrated but Routinely Approved

• arxiv url: http://arxiv.org/abs/2610.09279v1
• Date: Wed, 07 Oct 2026 01:25:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.670812
• Title: AI-Assisted Submissions in Online Research Are Rare and Highly Concentrated but Routinely Approved
• Title（参考訳）: オンライン研究におけるAI支援の提出は稀で、集中度が高いが、規則的に承認される
• Abstract要約: 我々は、高品質なオンライン研究プラットフォーム上で2500人の労働者を調査し、AI支援を直接観察した。 調査対象の8人に1人がAIを研究に使ったと報告し、調査対象の68%がそれを行ったと回答した。 我々の結果は、現在AI支援がオンライン研究に現実的な脅威をもたらすという見解を支持していない。
• 参考スコア（独自算出の注目度）: 11.917915369183055
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online research platforms underpin much of what science claims about people, on the assumption that a human produced each response. Generative AI threatens that assumption by letting participants delegate responses to a chatbot, yet how often they do so remains unclear because prior estimates rely on self-report or automated detection rather than direct observation. We surveyed 2,500 workers on a high quality online research platform and directly observed AI assistance by linking donated ChatGPT histories to platform submission records of weekly ChatGPT users, covering 712,930 submissions across more than 127,000 studies. Although one in eight surveyed workers reported ever using AI on a study and 68% of observed workers had done so, assistance appeared in only 1% of submissions, with no detectable increase over more than 3 years. Assistance was often temporally localized within tasks and highly concentrated among workers, with 5% accounting for 64% of assisted submissions. Where assistance occurred, workers were virtually always paid, even when study instructions prohibited AI use, with overall approval rates similar to those for unassisted submissions. Half of assisted submissions involved bounded responses, outside the scope of the platform's LLM detector for open-ended responses. Taken together, our results do not support the view that AI assistance currently poses an existential threat to online research, but reveal limited payment consequences for prohibited use and gaps in platform safeguards, leaving platforms poorly prepared should that threat materialize.
• Abstract（参考訳）: オンライン研究プラットフォームは、人間がそれぞれの反応を生み出したと仮定して、科学が人々に対して主張するものの多くを支えている。 生成的AIは、参加者にチャットボットに応答を委譲させることで、その仮定を脅かす。 我々は、高品質なオンライン研究プラットフォーム上で2500人の労働者を調査し、寄付されたChatGPT履歴と毎週のChatGPTユーザのプラットフォーム投稿記録をリンクすることにより、127,000以上の研究で712,930件の応募をカバーした。 調査対象の8人に1人がAIを研究に使ったと報告し、68%が観察した。 支援はしばしばタスク内で時間的に局所化され、労働者の間で高度に集中し、5%が支援申請の64%を占めていた。 援助があった場合、労働者はAIの使用を禁止したとしても、ほとんど常に報酬が支払われた。 補助的な提案の半数は、プラットホームのLLM検出器のオープンエンド応答の範囲外における有界応答に関するものだった。 まとめると、私たちの結果は、現在AI支援がオンライン研究に現実的な脅威をもたらすという見解を支持していません。

関連論文リスト

• Benchmarking AI Agents for Addressing Scientific Challenges Across Scales [118.2204632627895]
  SciAgentArenaは、現実世界の科学研究シナリオでAIエージェントを評価するための体系的なベンチマークである。 ステップワイズ検証を備えた約200のタスクと、多様なAIエージェントを評価するためのインタラクティブでエージェントに依存しない環境で構成される。 タスク構造や評価基準が明確である場合, 現状のエージェントはデータ分析に効果的に貢献できることがわかった。
  論文  参考訳（メタデータ） (2026-06-10T22:55:30Z)
• AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration [175.74514061083195]
  提案するAutoResearchClawは,5つのメカニズムに基づいて構築されたマルチエージェント自律型研究パイプラインである。 25トピックの実験ステージベンチマークであるARC-Benchでは、AutoResearchClawがAI Scientist v2を54.7%上回っている。
  論文  参考訳（メタデータ） (2026-05-19T15:49:51Z)
• Comparing AI Agents to Cybersecurity Professionals in Real-World Penetration Testing [83.48116811975787]
  我々は、人間のサイバーセキュリティ専門家に対するAIエージェントの包括的な評価を初めて提示する。 我々は、既存の6人のAIエージェントと、新しいエージェントの足場であるARTEMISとともに、10人のサイバーセキュリティ専門家を評価します。 ARTEMISは総合的に第2位で、9つの有効な脆弱性と82%の有効な提出率を発見した。
  論文  参考訳（メタデータ） (2025-12-10T18:12:29Z)
• Measuring Agents in Production [133.77818981073457]
  生産におけるAIエージェントの大規模体系的研究について紹介する。 プロダクションエージェントは通常、シンプルで制御可能なアプローチで構築されています。 信頼性は依然として最大の開発課題であり、エージェントの正しさの確保と評価の難しさによって推進されます。
  論文  参考訳（メタデータ） (2025-12-02T16:45:10Z)
• Security Challenges in AI Agent Deployment: Insights from a Large Scale Public Competition [101.86739402748995]
  44の現実的なデプロイメントシナリオを対象とした,22のフロンティアAIエージェントを対象にしています。 Agent Red Teamingベンチマークを構築し、19の最先端モデルで評価します。 私たちの発見は、今日のAIエージェントの重要かつ永続的な脆弱性を浮き彫りにしたものです。
  論文  参考訳（メタデータ） (2025-07-28T05:13:04Z)
• AI-Assisted Conversational Interviewing: Effects on Data Quality and User Experience [0.0]
  本研究では,AIによる対話型面接の枠組みを紹介する。 我々は1,800人の参加者をランダムにAI 'チャットボット'に割り当てるウェブサーベイ実験を行った。 この結果から,チャットボットなどのAI手法を用いて,Webサーベイにおけるオープンエンドデータ収集を向上する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-09T13:58:07Z)
• Americans' Support for AI Development -- Measured Daily with Open Data and Methods [0.0]
  アメリカ人成人の人口では、人工知能のさらなる発展への支援はわずかに肯定的だった。 女性と低信頼の回答者は支持率が低いと報告したが、両者とも時間とともに支持が伸びた。 共和党は民主党よりも早く支持を増し、分極の可能性を示した。
  論文  参考訳（メタデータ） (2024-12-06T16:27:05Z)
• The impact of responding to patient messages with large language model assistance [4.243020918808522]
  ドキュメンテーションの負担はクリニックのバーンアウトに大きく貢献する。 多くの病院が電子カルテシステムに積極的に統合している。 我々は,患者の質問に対する臨床医の回答作成を支援するために,大規模言語モデルの有用性を初めて検討する。
  論文  参考訳（メタデータ） (2023-10-26T18:03:46Z)
• Detecting The Corruption Of Online Questionnaires By Artificial Intelligence [1.9458156037869137]
  この研究は、オンライン研究のためにAIが生成したテキストが、人間と自動AI検出システムの両方で検出できるかどうかを検証した。 人間はチャンスレベル以上のテキストの著者を正しく特定することができた。 しかし、彼らのパフォーマンスは、満足のいくデータ品質を保証するために必要となるものより依然として劣っていた。
  論文  参考訳（メタデータ） (2023-08-14T23:47:56Z)

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。