論文の概要: When disclosure rules are not enough: authorial warrant and judgment in ai-supported scholarship

• arxiv url: http://arxiv.org/abs/2610.32574v1
• Date: Fri, 23 Oct 2026 13:02:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.518676
• Title: When disclosure rules are not enough: authorial warrant and judgment in ai-supported scholarship
• Title（参考訳）: 開示規則が不十分な場合--ai支援奨学金の権限令状と判決
• Abstract要約: 論文は、開示文書がモデルで使用されるのに対して、責任ある使用にはクレームレベルの権限保証が必要であると主張している。 モデルが定型的な選択、解釈、正当化をルーチンデリゲーションから出力する認知的デリゲーションをリンクする。 この論文は、AIが支援する奨学金が責任ある人間の判断の下にあることを明確にすることによって、情報技術の倫理に貢献する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Editorial policies increasingly require authors to disclose substantive uses of generative AI, but such requirements commonly focus on whether, where, and how a model was used. Even function-specific disclosure may locate a model in the research or writing process without showing how its outputs entered scholarly judgment, how they were evaluated, or whether contributors can reconstruct the relevant reasoning and defend resulting claims without treating those outputs as sufficient justification. Drawing on research ethics, AI disclosure policy, human-model interaction, and researcher formation, this article argues that disclosure documents model use, whereas responsible use requires claim-level authorial warrant: a contributor's capacity to understand, justify, and defend claims within their contribution. The article distinguishes cognitive delegation, in which model outputs shape substantive choices, interpretations, or justifications, from routine delegation, which does not ordinarily bear on the substance of judgment. Its conceptual contribution is to link the epistemic role of outputs that shape judgment to the function-appropriate evaluation required to justify decisions and retain warrant for resulting claims. It then repurposes disclosure categories as a claim-sensitive ex ante heuristic, mapping six recurrent research functions to risks, forms of oversight, and formative questions for recognising cognitive delegation and selecting function-appropriate evaluation. The article contributes to the ethics of information technology by clarifying when AI-supported scholarship remains under responsible human judgment and when cognitive delegation threatens the epistemic basis of authorship.
• Abstract（参考訳）: 編集方針は、著者が生成AIの実質的な使用を開示することをますます要求するが、そのような要求は一般的に、モデルの使用方法、場所、方法に焦点をあてる。 機能固有の開示でさえ、そのアウトプットが学術的な判断にどのように入ったか、どのように評価されたか、あるいはコントリビュータが関連する推論を再構築し、それらのアウトプットを十分な正当化として扱うことなく、結果のクレームを擁護できるかどうかを示すことなく、研究や執筆プロセスのモデルを見つけることができる。 本稿は、研究倫理、AI開示政策、人間-モデル相互作用、研究者形成に基づいて、開示文書がモデルとして使用されるのに対して、責任ある使用にはクレームレベルの権威的令状(コントリビュータがコントリビュータのコントリビューション内でのクレームを理解し、正当化し、弁護する能力)が必要であることを論じる。 この論文は、モデルが通常、判断の物質に当てはまらない規則的な委任から、形状の実体的選択、解釈、または正当化を出力する認知委任を区別する。 その概念的貢献は、判断を正当化し、結果として生じる主張の保証を保持するために必要な機能適切な評価に、判断を形作るアウトプットの疫学的な役割を結びつけることである。 次に、開示カテゴリーをクレームに敏感な外的ヒューリスティック(ex ante heuristic)として再利用し、6つの繰り返し研究機能をリスク、監視形態、そして認知的デリゲーションを認識し、機能に適切な評価を選択するための形式的な質問にマッピングする。 この論文は、AIが支援する奨学金が責任ある人間の判断の下にある場合と、認知的委任が著者の認識的基盤を脅かす場合を明確にすることで、情報技術の倫理に寄与する。

関連論文リスト

• Causal Humility: Governing the Authority of Fairness Claims Under Causal Uncertainty [0.7335725010653381]
  我々は、不確実性と因果的権威の関係を管理するための枠組みとして、因果的謙虚さを導入する。 我々は、因果ベースを記録するための文書であるCausal Cardsを通じて、これらの要件を運用する。 同一観測データに異なる因果発見手順を適用することで、公平性関連経路の可視性、不在性、未解決性を示す。
  論文  参考訳（メタデータ） (2026-10-19T02:54:18Z)
• Who Pays the Review Cost? Triage, Fairness, and Accountability in AI-authored Pull Requests [6.429261912755283]
  我々は、コードレビューの経験とAIPRへの様々な露出を有する31カ国の実践者239人を対象に調査を行った。 私たちは、欠落した理論的根拠、検証、オーナシップをレビュー可能性の負債として概念化し、生成されたコードに十分な人的根拠がない場合には、ワークレビュアーが吸収しなければなりません。
  論文  参考訳（メタデータ） (2026-10-08T03:38:29Z)
• When Does an Interpretation Count as Established? The Formation, Evaluation, and Responsibility of Interpretation in Generative AI [0.0]
  この論文は、社会技術プロセスの中でどのように解釈が認識されるのかを問うものである。 資料とバージョン、明確な役割、失敗、契約修正、責任に関する5つの公的な要件を提案している。
  論文  参考訳（メタデータ） (2026-09-04T05:58:41Z)
• The Journal of Prompt-Engineered Philosophy Or: How I Started to Track AI Assistance and Stopped Worrying About Slop [0.0]
  記事は、インセンティブがいかに透明性を損なうかを分析します。 伝統的な会場は政策の調整だけでこの緊張を解消できない。 義務的な開示を強制し、複製に基づくレビューを可能にし、詳細なドキュメントを通じて生態学的妥当性をサポートする。
  論文  参考訳（メタデータ） (2025-11-10T08:56:21Z)
• Judicial Requirements for Generative AI in Legal Reasoning [0.0]
  大規模言語モデル(LLM)はプロのドメインに統合されているが、法律のような高度な分野における制限は理解されていない。 本稿では、AIシステムが司法判断における信頼性の高い推論ツールとして機能しなければならない中核機能について述べる。
  論文  参考訳（メタデータ） (2025-08-26T09:56:26Z)
• 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)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• An evidence-based methodology for human rights impact assessment (HRIA) in the development of AI data-intensive systems [49.1574468325115]
  我々は、すでに人権がデータ利用の分野で決定を下していることを示している。 本研究は人権影響評価(HRIA)の方法論とモデルである。 提案手法は,具体的ケーススタディで検証し,その有効性と有効性を示す。
  論文  参考訳（メタデータ） (2024-07-30T16:27:52Z)
• Harnessing AI for efficient analysis of complex policy documents: a case study of Executive Order 14110 [44.99833362998488]
  法律、規制、執行命令などの政策文書は、社会の形成に不可欠である。 本研究の目的は、政策分析の合理化におけるAIの可能性を評価し、現在のAIアプローチの強みと限界を特定することである。
  論文  参考訳（メタデータ） (2024-06-10T11:19:28Z)

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。