論文の概要: From Policing Provenance to Designing for Evidence: Testing Four Propositions on Generative AI Against Research and Institutional Policy

• arxiv url: http://arxiv.org/abs/2611.01330v1
• Date: Sat, 31 Oct 2026 22:54:02 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:16:55.465495
• Title: From Policing Provenance to Designing for Evidence: Testing Four Propositions on Generative AI Against Research and Institutional Policy
• Title（参考訳）: 実証からエビデンス設計へ:研究・制度政策に対するジェネレーティブAIに関する4つの提案を検証
• Abstract要約: ジェネレーティブAIは、学生が評価された作品を生み出したかどうかを確かめるのを困難にしている。 本稿では,強く述べられた立場から引き出された4つの命題を検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Generative AI has made it hard to establish whether a student produced a piece of assessed work. Building on the argument that validity matters more than cheating, this paper tests four propositions drawn from a strongly stated position: that redesign is more sustainable than detecting or banning AI; that asking students whether and how much AI they used yields low-value information; that unaided ability should be tested directly in controlled conditions; and that the same logic applies to peer review. The propositions are tested against two purposively sampled, coded corpora: 41 research and sector sources and 55 university and sector policy documents. Coding was by a single coder and the policy sample is UK-weighted, so counts describe the sample, not the sector. The propositions hold unevenly. Redesign over detection is well supported, but only as redesign plus assurance: 4 of 55 documents prohibit AI by default, though about 10 of the 55 are publisher or editorial policies that govern authors rather than student assessment; of the 23 that take a position on detection, 16 reject detectors and one requires them. Testing unaided ability is supported as one lane within a programme, not as a return to invigilation. The disclosure proposition is complicated: institutions treat disclosure as valuable, yet the limited evidence suggests many students do not complete required declarations. The peer-review extension is plausible but under-examined. The field is converging on graded permission scales and two-lane designs, and 31 of 55 documents define named categories of use. From these findings the paper builds a nine-step decision chain that extends outcome-first design logic: the role of AI is decided after the evidence an outcome requires. It also separates design moves that add temporary friction from those that provide assurance. A worked example and the full policy matrix are included.
• Abstract（参考訳）: ジェネレーティブAIは、学生が評価された作品を生み出したかどうかを確かめるのを困難にしている。 妥当性が不正よりも重要であるという議論に基づいて、本稿では、AIの検出や禁止よりも再設計が持続可能であること、使用したAIが低価値情報を得るかどうかを学生に問うこと、制御された条件下で意図しない能力を直接テストすること、同じロジックがピアレビューに適用されること、の4つの主張を検証する。 提案は、41の研究およびセクターソースと55の大学およびセクターポリシー文書という、純粋にサンプリングされたコード化された2つのコーパスに対してテストされる。 コーディングは1つのコーダで行われ、ポリシーサンプルは英国の重み付けなので、セクターではなくサンプルを数える。 その命題は不公平に成り立つ。 55のドキュメントのうち4つは、デフォルトでAIを禁止しているが、55のドキュメントのうち約10は、学生評価よりも著者を統治するパブリッシャまたは編集ポリシーである。 未確認能力のテストは、プログラム内の1車線としてサポートされ、活性化への回帰としてサポートされない。 公開提案は複雑で、機関は開示を価値あるものとして扱うが、限られた証拠は、多くの学生が要求された宣言を履行していないことを示唆している。 ピアレビュー拡張は可視であるが、未検討である。 フィールドは、グレード化された許可尺度と2車線設計に収束しており、55の文書のうち31は、名前付きカテゴリを定義している。 これらの結果から、論文は結果ファーストの設計ロジックを拡張する9ステップの意思決定チェーンを構築した。 また、保証を提供するものから一時的な摩擦を加えるデザインの動きも分離している。 動作する例と完全なポリシマトリックスが含まれている。

関連論文リスト

• Stress-testing university AI governance: A prospective method for locating policy breakpoints [0.0]
  大学は、不慣れなAIエージェンシーのための意思決定経路を構築するよりも早く、AI原則を作成し、ポリシーを使用する。 本研究は,公文書化されたガバナンスが説明責任を負うのをやめる場所を特定するための,将来的なドキュメント手法であるInstitutional AI Governance Stress Testingを開発する。
  論文  参考訳（メタデータ） (2026-08-28T22:49:58Z)
• Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
  DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。 その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。 DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
  論文  参考訳（メタデータ） (2026-08-18T17:29:00Z)
• What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education [3.2940515388832963]
  本稿では,学習クレーム,デリゲート境界,エビデンス標準,安全を関連づけたAIによる評価のためのフレームワークを開発する。 そして、30の大学から、検証済みの公開生成AIアセスメントガイダンスを監査した。
  論文  参考訳（メタデータ） (2026-07-22T10:21:16Z)
• Can AI Review Improve Paper Drafting? An Empirical Study on 20 Computer Architecture Submissions [4.04252733799147]
  我々は、AIレビューが人間のレビューとどのように一致しているかを明らかにするために、さまざまなレベルの提出系統を持つ20のコンピュータアーキテクチャー論文を調査する。 このケーススタディを実行するために、Web UI統合ツールであるemphAI-Paper-Reviewを構築し、ドラフトペーパーの構造化AIレビューを生成する。
  論文  参考訳（メタデータ） (2026-05-31T05:05:26Z)
• When AI reviews science: Can we trust the referee? [73.47745294608072]
  私たちは、トレーニングとデータ検索、デスクレビュー、深いレビュー、反論、システムレベルといった、レビューライフサイクル全体のアタックをマップします。 評価スコアに高名度フレーミング, 断定力, 反抗薬効, 文脈中毒の因果効果を分離するために, 2つの高度なLCMベースの審判を用いた。
  論文  参考訳（メタデータ） (2026-04-26T08:03:32Z)
• RPC-Bench: A Fine-grained Benchmark for Research Paper Comprehension [65.81339691942757]
  RPC-Bench(RPC-Bench)は、高品質なコンピュータサイエンス論文のレビュー・リビューの交換から構築された大規模質問応答ベンチマークである。 我々は、科学研究の流れに沿ったきめ細かい分類を設計し、モデルがなぜ、何、どのように学術的な文脈で質問するかを理解し、答える能力を評価する。
  論文  参考訳（メタデータ） (2026-01-14T11:37:00Z)
• Hidden Prompts in Manuscripts Exploit AI-Assisted Peer Review [0.0]
  プレプリントのウェブサイト arXiv にある18の学術写本は、AI支援ピアレビューを操作するために設計された隠された命令を含んでいることが発見された。 著者の反応は様々で、1人は影響を受けた論文を撤回する計画を立て、もう1人はレビュアーコンプライアンスの合法的なテストとしてプラクティスを擁護した。 大規模言語モデル (LLM) におけるプロンプト注入技術について検討し, 4種類の隠蔽プロンプトを明らかにする。
  論文  参考訳（メタデータ） (2025-07-08T17:11:13Z)
• Red Teaming for Generative AI, Report on a Copyright-Focused Exercise Completed in an Academic Medical Center [49.85176045690678]
  学術的な医療環境における生成的人工知能(AI)の展開は著作権の遵守を懸念する。 Dana-Farber Cancer Instituteは、OpenAIモデルを利用した内部生成AIツールであるGPT4DFCIを実装した。 4つのチームが4つのドメインでGPT4DFCIから著作権のあるコンテンツを抽出しようとした。
  論文  参考訳（メタデータ） (2025-06-26T23:11:49Z)
• AES Systems Are Both Overstable And Oversensitive: Explaining Why And Proposing Defenses [66.49753193098356]
  スコアリングモデルの驚くべき逆方向の脆さの原因について検討する。 のモデルとして訓練されているにもかかわらず、単語の袋のように振る舞うことを示唆している。 高い精度で試料を発生させる過敏性と過敏性を検出できる検出ベース保護モデルを提案する。
  論文  参考訳（メタデータ） (2021-09-24T03:49:38Z)

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。