Divergent LLM Adoption and Heterogeneous Convergence Paths in Research Writing

要約

ChatGptなどの大規模な言語モデル（LLM）は、コンテンツの作成とアカデミックライティングを再構築しています。
この研究では、不均一な採用パターンに焦点を当てた研究原稿に対するAI支援の生成的改訂の影響と、執筆への影響に焦点を当てています。
ARXIVの627,000を超えるアカデミックペーパーのデータセットを活用して、ChatGPT改革されたテキストのスタイルを検出するために、微調整プロンプトおよび規律固有の大手言語モデルによる新しい分類フレームワークを開発します。
私たちの調査結果は、学術的な執筆スタイルの急速な進化に加えて、学問分野、性別、母国語の状況、キャリアステージ全体のLLM採用におけるかなりの格差を明らかにしています。
さらに、LLMの使用は、修正タイプによって変化する改善とともに、正式な執筆慣習の明確さ、簡潔さ、順守を強化します。
最後に、異なる違いの分析では、LLMSがアカデミックライティングの収束を促進する一方で、早期採用者、男性の研究者、非ネイティブスピーカー、およびジュニア学者が最も顕著な文体的な変化を示し、確立された研究者のそれとより密接に執筆することを示しています。

要約(オリジナル)

Large Language Models (LLMs), such as ChatGPT, are reshaping content creation and academic writing. This study investigates the impact of AI-assisted generative revisions on research manuscripts, focusing on heterogeneous adoption patterns and their influence on writing convergence. Leveraging a dataset of over 627,000 academic papers from arXiv, we develop a novel classification framework by fine-tuning prompt- and discipline-specific large language models to detect the style of ChatGPT-revised texts. Our findings reveal substantial disparities in LLM adoption across academic disciplines, gender, native language status, and career stage, alongside a rapid evolution in scholarly writing styles. Moreover, LLM usage enhances clarity, conciseness, and adherence to formal writing conventions, with improvements varying by revision type. Finally, a difference-in-differences analysis shows that while LLMs drive convergence in academic writing, early adopters, male researchers, non-native speakers, and junior scholars exhibit the most pronounced stylistic shifts, aligning their writing more closely with that of established researchers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google