論文の概要: Is the education gap in generative AI use smaller than the internet's was at a similar level of use? Evidence from 16 European countries
- arxiv url: http://arxiv.org/abs/2610.36181v1
- Date: Mon, 26 Oct 2026 19:14:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.408953
- Title: Is the education gap in generative AI use smaller than the internet's was at a similar level of use? Evidence from 16 European countries
- Title（参考訳）: ジェネレーティブAIの教育格差はインターネットよりも小さいのか?16か国からの証拠
- Abstract要約: 新しい技術は通常、より正式な教育を受けた人々によって採用される。
本稿では,2025年における生成的AI利用の教育ギャップが,同じ国のインターネットのギャップよりも小さいか大きいのかを問う。
16歳から74歳の個人によるICT利用に関する世論調査データを使用している。
- 参考スコア（独自算出の注目度）: 2.199781594442351
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: New technologies are usually adopted first by people with more formal education. This paper asks whether the education gap in generative AI use in 2025 is smaller or larger than the internet's gap in the same country in the year when overall internet use was at a similar level. It uses public Eurostat survey data on ICT usage by individuals aged 16 to 74. Each country's 2025 rate of generative AI use in the last three months is matched to the internet year whose overall last-three-months use was closest, within 5 percentage points, and the gap between people with high (ISCED 5 to 8) and low (ISCED 0 to 2) completed education is measured as a log ratio and as a percentage-point difference. Sixteen of 35 countries could be matched; most of the others were early internet adopters. In the matched countries, the generative AI gap was smaller in 13 of 16 countries on the log ratio (median change -0.625, 95% bootstrap interval -0.969 to -0.291, two-sided sign test p = 0.021) and in 15 of 16 on the percentage-point gap (median change -27.6 points, interval -32.2 to -16.8, p = 0.0005). The point-gap result keeps its sign in every generative-AI-versus-internet sensitivity analysis with 8 or more countries, including comparisons restricted on both sides to ages 25 to 54 and 55 to 74, but its size is sensitive to matching that takes education composition into account (about -10 to -11 points in 7 and 8 countries). The ratio result is fragile: it fails the decision rule when countries matched at their first internet observation are removed (9 of 11, p = 0.065). The analysis follows an unpublished plan whose timing cannot be verified, so it is not presented as pre-registered. The results describe unadjusted education contrasts in a non-random set of countries, not an education effect, and do not generalise to the EU as a whole.
- Abstract（参考訳）: 新しい技術は通常、より正式な教育を受けた人々によって採用される。
本稿では,2025年におけるジェネレーティブAI利用の教育ギャップが,インターネット利用がほぼ同じ水準であった年において,同じ国のインターネット利用のギャップよりも小さいのか,あるいは大きいのかを問う。
16歳から74歳の個人によるICT利用に関する世論調査データを使用している。
各国の過去3ヶ月における生成AI使用率2025は、全体の3ヶ月使用率が5ポイント以内のインターネット年と一致し、高い(ISCED 5〜8)人と低い(ISCED 0〜2)人のギャップは、ログ比率およびパーセンテージポイント差として測定される。
35か国のうち16か国がマッチし、そのほとんどは初期のインターネット採用者だった。
一致した国では、生成AIギャップは対数比で16か国中13か国(中間変化-0.625、95%ブートストラップ間隔-0.969から0.291、両側符号試験p =0.021)で小さく、中間変化-27.6ポイント、間隔-32.2から-16.8、p = 0.0005)で16か国中15か国で小さくなった。
ポイントギャップの結果は、25歳から54歳、55歳から74歳までの両側に制限された比較を含む8か国以上の世代間AI対インターネット感度分析において、そのサインを保っているが、そのサイズは、教育構成を考慮に入れたマッチング(7か国で約10～11ポイント)に敏感である。
この比率は脆弱であり、最初のインターネット観測で一致した国が削除された場合(11、11、p = 0.065)、決定ルールに反する。
この分析は、タイミングを検証できない未発表の計画に従うため、事前登録されていない。
結果は、非ランダムな国の教育効果ではなく、非調整教育のコントラストを記述し、EU全体を一般化しない。
関連論文リスト
- Uneven Use, Similar Trust Generative AI in Denmark and Romania [0.0]
この論文は、EUの最高かつ最低のGenAIユーザーであるデンマークとルーマニアを比較します。
公的な信頼と制度的な信頼の違いがAIの信頼の違いと一致するかどうかを問う。
論文 参考訳（メタデータ） (2026-10-27T14:50:58Z) - Connecting the Dots: Enduring Performance Gaps in ASR Systems Between Standard and Minority English Varieties [49.73877709076111]
2021年から2025年の間に、英語アクセントの多様さを表す8つのデータセット間で16の顕著なシステムについて、縦断評価を行った。
メインストリームアメリカ英語(MUSE)とマイノリティーアクセントの差は頑固であり、時間の関数として確実に減少しない。
我々は、標準のASRベンチマークが、メインストリームのアメリカ英語の品種を弱体化させる暗黙の言語ポリシーを制定していると論じる。
論文 参考訳（メタデータ） (2026-10-13T05:42:59Z) - DMAD: Distribution Matching as Adversarial Distillation for Fast Visual Generation [50.43969311607643]
DMAD, Distribution Matching as Adversarial Distillationを導入し, 分布マッチングを分類として再放送する。
判別器では,これらの損失が分布マッチングの基礎となるDMDを回復することを示す。
DMADはFréchet Inception Distance (FID) 1.04、ImageNet-64x64 14.47、COCO-10Kの4ステップSDXL、VBenchの合計スコアは85.15、Wan2.1-T2V-14Bである。
論文 参考訳（メタデータ） (2026-10-01T17:59:01Z) - NormViz: A Benchmark and Framework for Grounding Multimodal Reasoning in Global Cultures [58.53196987370368]
16か国にまたがる3,268枚のコントラスト画像ペアのベンチマークを導入する。
それぞれのペアは、それぞれのイメージの解釈方法を変える文化的な振る舞いにのみ変化する。
説明と組み合わせた64k画像のトレーニングデータセットであるNormViz-Trainを紹介する。
論文 参考訳（メタデータ） (2026-09-06T21:02:47Z) - Experts Disagree on How to Fight AI Disinformation, but Agree That Health and Politics Need Different Solutions [47.03825808787752]
54人の国際専門家がAIが生成した偽情報の脅威を評価した。
ビデオのディープフェイクは、政治領域で平均的な脅威評価を受けたが、そのパターンは健康領域では異なっていた。
政府の規制は最も効果的(30%)であり、最も効果的(15%)である。
論文 参考訳（メタデータ） (2026-07-29T14:35:15Z) - Open Veins of Algorithmic Auditing: Why AI Assessment Lags Behind Its Deployment in the Global South [45.88028371034407]
人工知能は、グローバル・ノースに匹敵するペースで、グローバル・サウスに展開されている。
しかし、AIガバナンスはペースを保っていない。
本稿では,グローバルサウスAI評価のスパース領域におけるパターンについて述べるとともに,それが稀に発生する理由を説明する。
論文 参考訳（メタデータ） (2026-07-23T13:39:38Z) - How Early Adopters Used Generative AI Worldwide: Variation by Country Income and Language [1.1554344002690022]
学校は、多くの国、特に低所得国で最もよく使われる分野である。
対照的にレジャー関連の使用は、国家レベルの収入と肯定的に関連している。
英語と英語の相互作用は、支配的な言語が十分に守られていない場所で過剰に表現される。
論文 参考訳（メタデータ） (2026-05-29T00:28:36Z) - The Impact of AI-Generated Text on the Internet [0.7024533257206088]
私たちは、インターネットのどれ程がAIが生成され、それともAIが編集されているかを研究します。
2025年半ばまでに、新たに公開されたWebサイトの約35%が、AI生成またはAI支援に分類されていることがわかった。
しかし、インターネット上のAI生成テキストの増加が、事実の正確さやスタイルの多様性を減少させるという仮説を支持する統計的に有意な証拠は見つからない。
論文 参考訳（メタデータ） (2026-04-14T16:06:14Z) - Artificial Intelligence in Spanish Gastroenterology: high expectations, limited integration. A national survey [32.505127447635864]
人工知能(AI)は医学における破壊的な革新として現れてきたが、胃腸科学への導入は限定的であり、特徴的にも乏しい。
スペインにおける消化器科専門医の知識,実践的応用,認識される障壁,AIに対する期待について検討することを目的とした。
論文 参考訳（メタデータ） (2026-01-14T16:58:53Z) - Combating harmful Internet use with peer assessment and differential
evolution [0.0]
ハーモフル・インターネット・ユース(英: Harmful Internet Use、HIU)は、インターネットの意図しない使用のために作られた用語である。
サンプルデータはポーランドの少年人口で、267人の被験者が1,513人の査定を受けた。
その結果, HIUが他の研究より有意に高い値を示した。
論文 参考訳（メタデータ） (2022-12-31T21:39:47Z) - The Deep Bootstrap Framework: Good Online Learners are Good Offline
Generalizers [44.3933379677144]
本稿では,ディープラーニングの一般化を推論する新しい枠組みを提案する。
中心となる考え方は、経験的損失の段階を段階的に下るリアルワールドと、人口減少の段階を段階的に分解する理想世界とを結びつけることである。
1) 理想世界テストエラー+(2) 二つの世界の間のギャップ。
論文 参考訳（メタデータ） (2020-10-16T03:07:49Z)
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。