发表机构
Princeton University; Wikimedia Korea（普林斯顿大学; 韩国维基媒体）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本研究通过韩语维基百科的WikiVault工具，探讨社区挪用LLM编辑工具如何重塑知识生产，发现其提升编辑产能、转向审阅与导入，并引入外部编辑判断，为知识共享社区的LLM治理提供启示。
AI 中文摘要
大型语言模型（LLMs）打破了维持知识共享社区的内容生产与质量保障之间的平衡，导致许多社区禁止或限制其使用。但当社区转而将基于LLM的工具挪用于自身需求时，会发生什么？我们通过WikiVault来探究这一问题——这是一个在韩语维基百科社区内部开发、主要用于翻译的基于LLM的编辑工具。结合十次访谈、平台规模分析以及匹配的准实验比较，我们考察了WikiVault如何重塑韩语维基百科上的知识生产。我们发现该工具：1）大幅提升了少数经验丰富编辑者的生产能力，产出了更长且浏览量更高的文章；2）将工作重心转向审阅文章和导入内容；3）不仅导入了内容，还导入了来自英语维基百科的编辑判断。我们的研究结果表明，LLM的采用可以重新平衡维持知识共享社区的相互依存工作，同时展示了社区如何通过使用从新兴技术中学习，并相应地调整其治理机制。
英文摘要
Large Language Models (LLMs) have disrupted the balance between content production and quality assurance that sustains knowledge commons, leading many to prohibit or restrict their use. But what happens when a community instead appropriates an LLM-powered tool for its own needs? We investigate this question through WikiVault, an LLM-powered editing tool developed within the Korean Wikipedia community and used primarily for translation. Combining ten interviews, platform-scale analyses, and matched quasi-experimental comparisons, we examine how WikiVault reshaped knowledge production on Korean Wikipedia. We find the tool 1) drastically amplified the production capacity of a small group of experienced editors, producing longer and more widely viewed articles; 2) shifted work toward reviewing articles and importing content; 3) imported not only content but also editorial judgments from English Wikipedia. Our findings show how LLM adoption can rebalance the interdependent work that sustains knowledge commons, while illustrating how communities can learn from emerging technologies through use and adapt their governance accordingly.
