論文の概要: Intelligent Computing Social Modeling and Methodological Innovations in Political Science in the Era of Large Language Models
- arxiv url: http://arxiv.org/abs/2410.16301v1
- Date: Mon, 07 Oct 2024 06:30:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-27 05:40:57.962294
- Title: Intelligent Computing Social Modeling and Methodological Innovations in Political Science in the Era of Large Language Models
- Title(参考訳): 大規模言語モデル時代の政治学における知能コンピューティング社会モデリングと方法論的革新
- Authors: Zhenyu Wang, Yi Xu, Dequan Wang, Lingfeng Zhou, Yiqi Zhou,
- Abstract要約: 本稿では,これらの問題に対処するために,知能コンピューティング社会モデリング(ICSM)手法を提案する。
アメリカ合衆国大統領選挙をシミュレートすることで、この研究はICSMの運用経路と方法論上の利点を実証的に示す。
この結果は、LCMが直接置換ではなく、統合と改善を通じて、政治科学の方法論的革新を促進することを示唆している。
- 参考スコア(独自算出の注目度): 16.293574791587247
- License:
- Abstract: The recent wave of artificial intelligence, epitomized by large language models (LLMs), has presented opportunities and challenges for methodological innovation in political science, sparking discussions on a potential paradigm shift in the social sciences. However, how can we understand the impact of LLMs on knowledge production and paradigm transformation in the social sciences from a comprehensive perspective that integrates technology and methodology? What are LLMs' specific applications and representative innovative methods in political science research? These questions, particularly from a practical methodological standpoint, remain underexplored. This paper proposes the "Intelligent Computing Social Modeling" (ICSM) method to address these issues by clarifying the critical mechanisms of LLMs. ICSM leverages the strengths of LLMs in idea synthesis and action simulation, advancing intellectual exploration in political science through "simulated social construction" and "simulation validation." By simulating the U.S. presidential election, this study empirically demonstrates the operational pathways and methodological advantages of ICSM. By integrating traditional social science paradigms, ICSM not only enhances the quantitative paradigm's capability to apply big data to assess the impact of factors but also provides qualitative paradigms with evidence for social mechanism discovery at the individual level, offering a powerful tool that balances interpretability and predictability in social science research. The findings suggest that LLMs will drive methodological innovation in political science through integration and improvement rather than direct substitution.
- Abstract(参考訳): 近年の人工知能の波は、大規模言語モデル(LLM)に代表されるものであり、政治科学における方法論的革新の機会と課題を示し、社会科学のパラダイムシフトの可能性についての議論を引き起こしている。
しかし、技術と方法論を統合した包括的視点から、社会科学におけるLLMが知識生産とパラダイムトランスフォーメーションに与える影響を理解するにはどうすればよいのか?
LLMの政治科学研究における具体的な応用と代表的な革新的手法とは何か?
これらの疑問、特に実践的な方法論的な観点からは、未解決のままである。
本稿では,LLMの臨界メカニズムを明らかにすることで,これらの問題に対処する「インテリジェント・コンピューティング・ソーシャル・モデリング(ICSM)」手法を提案する。
ICSMは、アイデア合成とアクションシミュレーションにおいてLLMの強みを活用し、"シミュレートされた社会構築"と"シミュレートされたバリデーション"を通じて、政治科学における知的探索を進める。
アメリカ合衆国大統領選挙をシミュレートすることで、この研究はICSMの運用経路と方法論上の利点を実証的に示す。
従来の社会科学パラダイムを統合することにより、ICSMは、要因の影響を評価するためにビッグデータを適用する定量的パラダイムの能力を高めるだけでなく、個別レベルでの社会メカニズム発見の証拠を質的パラダイムに提供し、社会科学研究における解釈可能性と予測可能性のバランスをとる強力なツールを提供する。
この結果は、LCMが直接置換ではなく、統合と改善を通じて、政治科学の方法論的革新を促進することを示唆している。
関連論文リスト
- Position: Multimodal Large Language Models Can Significantly Advance Scientific Reasoning [51.11965014462375]
MLLM(Multimodal Large Language Models)は、テキスト、画像、その他のモダリティを統合する。
本稿では,MLLMが数学,物理,化学,生物学などの分野にまたがる科学的推論を著しく前進させることができることを論じる。
論文 参考訳(メタデータ) (2025-02-05T04:05:27Z) - Political-LLM: Large Language Models in Political Science [159.95299889946637]
大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。
政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
論文 参考訳(メタデータ) (2024-12-09T08:47:50Z) - Large Language Model for Qualitative Research -- A Systematic Mapping Study [3.302912592091359]
先進的な生成AIを駆使した大規模言語モデル(LLM)がトランスフォーメーションツールとして登場した。
本研究は, LLMを用いた定性的研究に関する文献を体系的にマッピングする。
LLMは様々な分野にまたがって利用されており、プロセスの自動化の可能性を示している。
論文 参考訳(メタデータ) (2024-11-18T21:28:00Z) - Socio-Economic Consequences of Generative AI: A Review of Methodological Approaches [0.0]
我々は、生成AIの導入による経済的および社会的影響を予測するのに使用される主要な方法論を特定する。
総合的な文献レビューを通じて、我々はこの技術革命の多面的影響を評価するための様々な方法論を明らかにした。
論文 参考訳(メタデータ) (2024-11-14T09:40:25Z) - Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。
我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。
デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
論文 参考訳(メタデータ) (2024-08-17T11:49:53Z) - Inadequacies of Large Language Model Benchmarks in the Era of Generative Artificial Intelligence [5.147767778946168]
我々は、23の最先端のLarge Language Models (LLMs)ベンチマークを批判的に評価する。
私たちの研究は、バイアス、真の推論、適応性、実装の不整合、エンジニアリングの複雑さ、多様性、文化的およびイデオロギー規範の見落としなど、重大な制限を明らかにしました。
論文 参考訳(メタデータ) (2024-02-15T11:08:10Z) - Taking the Next Step with Generative Artificial Intelligence: The Transformative Role of Multimodal Large Language Models in Science Education [13.87944568193996]
MLLM(Multimodal Large Language Models)は、テキスト、音声、視覚入力を含むマルチモーダルデータを処理できる。
本稿では,科学教育の中心的な側面におけるMLLMの変革的役割について,模範的な革新的な学習シナリオを提示することによって考察する。
論文 参考訳(メタデータ) (2024-01-01T18:11:43Z) - Survey of Social Bias in Vision-Language Models [65.44579542312489]
調査の目的は、NLP、CV、VLをまたいだ事前学習モデルにおける社会バイアス研究の類似点と相違点について、研究者に高いレベルの洞察を提供することである。
ここで提示された発見とレコメンデーションはMLコミュニティの利益となり、公平でバイアスのないAIモデルの開発を促進する。
論文 参考訳(メタデータ) (2023-09-24T15:34:56Z) - Training Socially Aligned Language Models on Simulated Social
Interactions [99.39979111807388]
AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。
現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。
本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
論文 参考訳(メタデータ) (2023-05-26T14:17:36Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳(メタデータ) (2023-03-24T13:24:41Z)
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。