2025/12/05 3:04

Why are 38 percent of Stanford students saying they're disabled?

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

この記事は、特にブラウン大学・ハーバード大学・アマースト大学・スタンフォード大学のようなエリート校で、大学生の障害請求の大部分が、本当の学習課題を解決するためではなく、学業上の優位性を確保するために悪用されている可能性が高いと主張しています。データによれば、ブラウン/ハーバード大学の学部生の20％、アマースト大学の34％、スタンフォード大学の38％が障害者として分類され、そのほとんどは不安・うつ病・ADHDなどのメンタルヘルス状態に該当します。教授たちは、「障害者」とされた学生がしばしば裕福であり、余分な時間やプレゼンテーションの省略といった適応を利用して低成績を回避していると報告しており、このようなパターンはコミュニティカレッジでは3〜4％に留まるサポートしか受けていない学生には見られません。

この記事は、障害者差別禁止法（ADA）の簡易医師診断書システムが悪用されているかどうかを疑問視しています。DSM‑5が2013年にADHDの診断基準を下げたことや、TikTokなどのオンラインコンテンツがADHD・自閉症・不安を過度に広く描写し、日常行動を症状とみなすケースが増えている点に注意しています。UGA（アラバマ大学）のWill Lindstromは、一部の学生は真に適応を必要としている一方で、多くはメンタルヘルスのラベルをアイデンティティの指標や失敗回避の手段として採用していると述べています。

この記事は、無制限の悪用が進むと、緩いポリシーが根強くなり、偽の主張がさらに保護される恐れがあると警告しています。これにより、本当に障害を抱える学生が不利になり、大学の資源が逼迫し、職場での課題に十分備えていない卒業生が増加する可能性があります。

本文

アメリカの名門大学に在籍する学生は、国内で最も賢く、有望な若者とされるべき存在です。しかしながら、驚くほど多くの彼らが学習障害を持つ学生向けに設計された学術的配慮を主張しているという事実があります。

先週『アトランティック』で公開された教育記者ローズ・ホロウィッチの記事では、以下のような衝撃的な数字が示されています。ブラウン大学とハーバード大学では学部生の20％が障害を持ち、アンメリッヒ学院は34％、スタンフォード大学は38％に上ります。これらの学生の大半は、不安・うつ病・ADHDなどのメンタルヘルス疾患や学習障害を主張しています。

明らかに何かがおかしいと感じざるを得ません。アメリカで最もエリートで選抜的な大学―SATで99パーセンタイル、卓越したエッセイが要求される学校―が、本当に学習障害を持つ学生を多数教育しているという考えは、明らかに誤りです。真の認知上の困難を抱える学生は、コミュニティカレッジや全く高等教育に進まないケースがほとんどです。

ホロウィッチが取材した教授たちは、この理論を裏付ける発言を多くしていました。ある教授は「障害のある学生と言われても、車椅子に乗っている子ではありません」と語り、「単に裕福な子どもたちが試験で余分時間を得ているだけです」。才能のある学生は大学へ進学し、苦戦を始めると診断を求め、悪い成績を避けようとします。皮肉なことに、認知的に挑戦を抱える学生が最も多く通うであろうコミュニティカレッジは、障害者の配慮率がわずか3〜4％と極めて低いのです。

公平を期すなら、配慮を受ける学生の中には実際に必要な人もいます。しかし、現在の障害者権利法（ADA）の言語は、医師の診断書だけで広範囲な配慮を得られるようになっています。

一部の学生が半ば意識的に「チート」行為としてこれらの配慮を求めていることは疑いの余地がありませんが、私自身は大多数が実際に自分のメンタルヘルス状態と同一視していると考えます。過去数年で、精神健康や神経発達障害を単なる医学的事実ではなくアイデンティティマーカーとして捉える動きが高まっています。ジョージア大学のレジェントズ・センター・フォー・ラーニング・ディスオーダーズのディレクター、ウィル・リンドストロムはホロウィッチに「この観点を持つ学生が増えている」と語り、「彼らが来るまでに、自分自身が神経発達障害を抱えていると確信している」という現状を指摘しました。

何がこの傾向を駆動しているのでしょうか？ ADHD、オートミス・アスペルガー症候群、不安などの条件について、若者たちが最初に知る場所はオンラインです。TikTokやその他のプラットフォームで、クリエイターはこれらの状態を非常に広範に描写します。ヘッドフォンを常に着用していることから時間管理が苦手、授業中に落書きをするまで、すべて診断可能なサインとして語られます。このような映像を見ると、誰もが障害を持っていないか疑問が生じます。

結果として「正常」のイメージは極端に歪められます。集中力の欠如や退屈さがADHDのサインだとすれば、「通常」な非障害者にはほぼ問題が存在しないということになります。神経タイプの人は15ページの論文を遅延なしで書き、退屈な講義でも完璧に集中し、社交不安やぎこちなさを一切感じることがないと描かれます。この見方は、今日診断されている方法に大きく影響されています。ホロウィッチが指摘するように、DSM（精神医学者が患者を診断するためのマニュアル）の最新号が2013年に公開された際、ADHDの診断基準が大幅に緩和されました。このように定義がゆるいと、高度な知性を持つスタンフォード学生でも、学術的苦戦の兆候を自分が学習障害だと確信し、人間関係で問題があればオートミス症候群だと誤解することも容易です。

リスク回避という要因も、優秀な学生が学習障害を主張する動機として強く働いているように思われます。国の最も有望な学生は同時に最も不安定であるとも言えます。失敗—悪い成績やエッセイの評価低さへの恐れ—から逃れるため、彼らは苦戦を診断可能な状態とみなし、何度も「学習障害だ」と主張します。数十年前、大学に入って授業内容が難解で時間管理が高校時代より困難になる学生は、相対的に普通として受け止められていました。今では、携帯電話を手に取るたびにインフルエンサーが「これはADHDのサインだ」と告げるため、不快感や苦労は成長過程の一部とは見なされなくなっています。

このような背景で、最も知的な学生層で学術配慮が増加している現象を、上流中産階級の子どもたちに蔓延するリスク回避のもう一つの表れと読むのは容易です。多くのエリート大学生にとって、学術配慮は失敗や自己疑念から身を守る手段です。不必要な配慮は二重の不正行為と言えます。一方で同級生に対して不当な優位性を与え、他方では自らの真の知的成長を妨げます。テキストの余分時間で学習障害を隠し、プレゼンテーションを回避して社会的不安を和らげ、締切延長でタイムマネジメントスキルを怠ると、一時は成績が向上するかもしれませんが、同時に成人として直面する課題に対処できなくなる恐れがあります。

同じ日のほかのニュース

一覧に戻る →

2025/12/05 10:05

BMW PHEV: Safety fuse replacement is extremely expensive

## Japanese Translation: --- ## 要約 BMW の高電圧バッテリー安全ヒューズ（1件あたり約 €5 000）は、iBMUCP モジュール全体（約 €1 100＋税）を交換する必要があります。iBMUCP は溶接で閉じられ、暗号的にロックされており、サービス前後に車両全体のフラッシュが必須です。ISTA で承認された手順を試みると、盗難防止ロックを作動させてモジュールを消去し、新しいバッテリーパック（約 €6 000＋VAT）が必要になるリスクがあります。 BMW は公式 ISTA 診断へのアクセスをブロックし、オーストリアでのワークショップ認定要求を却下しているため、独立した修理はさらに困難です。対照的に、テスラのプロファイザー/ BMS リセットは €11–€50 だけです。 21F2A8 や 21F35B といったエラーコードは高電圧安全問題を示しています。OEM サービスは €4 000＋税と見積もられ、iBMUCP の交換作業には通常 24–50 時間がかかり、ツール費用は €25 000 を超えます（ICOM、IMIB、AOS）。著者のチームは iBMUCP 内にある Infineon TC375 MCU 上の JTAG/DAP 保護を突破する計画です。成功すれば回復が簡素化され、作業時間とツール費用が削減され、不必要なバッテリー交換が減り、自動車修理における CO₂ 排出量も低減します。この作業を提供しているサービスセンターは、ザグレブ、ベルリン、スロベニア、およびセルビア（EV CLINIC）に所在しています。

2025/12/05 9:03

Trick users and bypass warnings – Modern SVG Clickjacking attacks

## Japanese Translation: ## Summary 本論文は、すべてのSVG `<fe*>` フィルタプリミティブをチェーン化することでチューリング完全なツールセットを構築できることを示し、高度なクリックジャッキングやクロスオリジンデータ外部流出攻撃を可能にします。 - 著者はまず、`feColorMatrix` と `feDisplacementMap` を用いて CSS/SVG で Apple の Liquid Glass 効果を再現し、クロスオリジン iframe 上でも動作することを証明しました。 - プリミティブ（切り取り・タイル化・算術合成・カラー行列変換・ガウシアンぼかし）を組み合わせて、外国オリジンから画像データを読み取るピクセル読取回路を構築しました。 - `feBlend` と `feComposite` を用いて NOT, AND, OR, XOR, NAND, NOR, XNOR の論理ゲートを実装し、SVG フィルタ内で任意のブール演算が可能になりました。 - これらのゲートを利用して、ダイアログ表示状態・読み込み状態・チェックボックス状態・赤文字検出に応じて画像を条件付きで表示するマルチステップクリックジャッキングシナリオ（「Securify」）を構築しました。 - この手法は Google Docs に適用され、攻撃者が「Generate Document」→ CAPTCHA 入力 → 提案選択 → ボタン押下 → 読み込み画面という一連の操作を SVG フィルタ内で自動化します。 - SVG フィルタ内（`feDisplacementMap` と Reed–Solomon エラー訂正表を使用）に QR コードジェネレータを構築し、生成されたコードは外部流出データをエンコードしており、ユーザーにスキャンさせて攻撃者のサーバへ送信されます。クリックハイジャックや SVG フィルタタイミング攻撃に関する既存研究では、マルチステップロジックとクロスオリジンデータ読取を組み合わせたものはなく、本論文は新規かつ自動化された攻撃ベクターを提示しています。調査結果は、攻撃者が他のウェブサービスに対して同様のシーケンスを自動化し、マルウェアやフィッシングキャンペーンに埋め込む可能性があることを示唆しています。ユーザーは意図しないクリックとデータ漏洩のリスクにさらされ、サードパーティ iframe を組み込む企業は侵害リスクが高まります。本研究は、ウェブエコシステム全体で SVG フィルタ使用時のオリジン境界保護を強化する必要性を訴えています。

2025/12/05 10:15

NeurIPS 2025 Best Paper Awards

## Japanese Translation: > **概要:** > 本会議の論文賞授与式では、プログラムチェアとデータベース＆ベンチマークトラックチェアが指名した委員会により選ばれた優秀な7件の論文が表彰されました。最終承認は総合チェア、新世代チェア、およびアクセシビリティチェアから行われました。賞には、Datasets & Benchmarkトラックから1件を含む4件のベストペーパーと3件のレナーアップが含まれます。 > > *ベストペーパー*: > 1. **「Artificial Hivemind: The Open‑Ended Homogeneity of Language Models」** – Infinity‑Chat（26 Kクエリ、31 K人間アノテーション）とオープンエンドプロンプトの分類法を紹介し、モデル内部での反復とモデル間での均質性を明らかにします。 > 2. **「Gated Attention for Large Language Models」** – SDPA後にヘッド特異的シグモイドゲートを追加すると性能・安定性が向上し、密結合およびMoEトランスフォーマーの注意サンク問題を緩和することを示します。コードはGitHub/HuggingFaceで公開されています。 > 3. **「1000 Layer Networks for Self‑Supervised RL」** – 1024層という深さが目標条件付きタスクで性能を向上させ、他のベースラインを上回ることを実証します。 > 4. **「Why Diffusion Models Don’t Memorize」** – 2つの時間スケール（初期一般化と後期記憶）を特定し、暗黙的な動的正則化が過学習を防ぐことを示します。 > > *レナーアップ*: > - 「Does Reinforcement Learning Really Incentivize Reasoning Capacity in LLMs Beyond the Base Model?」 – RLVRはサンプリング効率を改善するものの、推論能力を拡張しない；蒸留により新たなパターンが導入される可能性があります。 > - 「Optimal Mistake Bounds for Transductive Online Learning」 – Ω(√d) の下限と O(√d) の上限を証明し、以前の結果を指数関数的に改善し、転移学習と標準オンライン学習との間に二次的ギャップがあることを示します。 > - 「Superposition Yields Robust Neural Scaling」 – 表現の重ね合わせがニューラルスケーリング法則を駆動することを示し、強い重ね合わせは多様な周波数分布にわたってモデル次元に逆比例して損失を縮小します。 > > これらの賞は拡散理論、自律学習RL、LLMの注意メカニズム、LLMにおける推論、オンライン学習理論、ニューラルスケーリング法則、および言語モデル多様性のベンチマーク手法を網羅しています。これらは会議が実証的ブレイクスルーと理論的洞察の両方にコミットしていることを示しています。 > > この改訂版概要は、Key Points List のすべての主要ポイントを忠実に列挙し、裏付けのない推測を避け、読み手に優しい明確なオーバービューを提供します。