Writing Style Similarity Reflects Academic Genealogy
本論文は、学術的な系譜が執筆スタイルに著しい影響を与えることを示しており、指導教員とその学生（および学術的な兄弟関係にある者）が、無作為に選ばれた同僚よりも実質的に高い文体上の類似性を示すこと、そしてこのことが、こうした継承された文体的特徴を考慮していない著者特定システムにおいて、高い誤帰属エラー率を招いていることを明らかにしている。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
学術出版の世界において、書き手の声（文体）はしばしば独自の指紋のように扱われる。ある特定の論文を誰が書いたのかを判定するようコンピュータ・プログラムに求められたとき、プログラムは語彙の選択、文章構造、そしてリズムにおける微細なパターンをスキャンする。これは、こうした習慣が単独で独立した精神に属しているという仮定に基づいている。この仮定こそが、ゴーストライターを見つけ出したり、人工知能によって生成された論文を特定したりするためにますます利用されている技術である「著者属性特定（authorship attribution）」の基礎となっている。しかし、このシステムは脆弱な前提の上に成り立っている。すなわち、研究者のスタイルは完全にその人自身のものであるという前提である。実際には、学者は孤立して成長するわけではない。彼らは指導教官の下で学び、所属する学部の習慣を吸収し、しばしば同じ母国語や専門的な語彙を共有している。もし学生の執筆スタイルが指導教官によって強く形作られているのであれば、真の著者を特定するように設計されたコンピュータは、誤って指導教官を指し示してしまう可能性があり、それは査読プロセスにおいて覆すことがほぼ不可能な誤った告発を生み出すことになる。
ある研究者が、このメンターシップの影響がこれらの自動化されたシステムを混乱させるほど強力であるかどうかを検証するために調査を行った。彼らは、数学の系譜（誰が誰を指導したかという、数学分野における精査された歴史）である「Mathematics Genealogy Project」の記録を用いて、膨大なデータセットを構築した。これらの検証済みの家系図を数千本の論文のアブストラクト（要旨）と結びつけることで、彼らは学術的な関係の「グラウンド・トゥルース（正解の地図）」を作成した。彼らは特に、少なくとも2つの論文を単独で執筆した著者に焦点を当てた。これにより、テキストがグループによる共同作業ではなく、個人の声を反映していることを保証した。その後、研究者はコンピュータ・モデルを用いて、異なる人物間の執筆スタイルの近さを測定し、指導教官と学生、あるいは学生同士を比較した。その際、共通の大学や研究分野といった他の要因を慎重に制御した。
結果は、書かれた言葉の中にメンターシップの明確で測定可能な残響があることを明らかにした。研究者が指導教官と学生の執筆内容を比較したところ、両者は同じ分野で働く無作為な二人よりも、有意に類似していることが判明した。事実、指導教官のスタイルは、無作為な同僚と比較して、学生のスタイルに対して40パーセント近くも近かった。この類似性は、単に同じ建物内で働いていることによるものではなかった。この効果は、学生が別の機関に移籍した後でも持続していた。また、この研究は、研究者が「アカデミック・シブリング（学術的な兄弟）」と呼ぶ現象をも浮き彫りにした。これは、同じ指導教官の下で学んだものの、互いに面識がない可能性のある二人の学生のことである。指導教官という共通の繋がり以外に直接の関係を持たないこれらのペアは、無作為なペアと比較して、スタイルが約30パーセントも近いという驚くべき類似性を示した。これは、メンターの影響が学術的な系譜を通じて伝わり、直接交流したことのない学生たちの声をも形作っていることを示唆している。
決定的なことに、研究者は、単に同じ大学や学部を共有しているだけでは、この効果を生み出すには不十分であることを発見した。博士号を同じ学校で取得したものの、指導教官と学生の関係を持たない人々を調査したところ、彼らの執筆スタイルは、見ず知らずの他人と比較して、ほとんど追加の類似性を示さなかった。これにより、この効果が単に同じ物理的環境にいたり、同じ地域の専門用語を使用していたりすることによって引き起こされるという考えは否定された。真の要因は、直接的なメンターシップのラインにあるようであった。これが現実世界のツールにどのような影響を与えるかを確認するため、研究者は、候補リストの中から論文の著者を特定しようとするコンピュータ・システムを用いたテストを実施した。このシステムは、真の著者がトップの推測値ではなかったケースにおいて、約8パーセントの割合で間違いを犯した。これらの特定の誤りにおいて、コンピュータは、無作為な確率よりも、真の著者の指導教官やアカデミック・シブリングを著者に選ぶ傾向がはるかに高かった。実際、システムは、偶然に予測されるよりも11倍も頻繁に、これらの特定の種類の誤りを犯したのである。
本研究は、完全な文体的独立性という仮定に欠陥があることを結論づけている。研究者は最終的に自身の声を確立するものの、指導教官の刻印は何年も検出可能な状態で残り、自動化されたシステムがアイデンティティ（同一性）と誤認してしまうようなパターンを作り出す。これは、テクノロジーが壊れていることを意味するのではなく、むしろ学術的な執筆が、世代から世代へと受け継がれる学習された技術であるという現実を考慮しなければならないことを意味している。今回の知見は、システムがある論文を指導教官のものだとフラグ立てした場合、それが不正の兆候ではなく、その学者がどのように執筆することを学んだかという、深く歴史的なつながりの反映である可能性があることを示唆している。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。