論文の概要: Simulating and Experimenting with Social Media Mobilization Using LLM Agents

• arxiv url: http://arxiv.org/abs/2510.26494v1
• Date: Thu, 30 Oct 2025 13:43:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.840209
• Title: Simulating and Experimenting with Social Media Mobilization Using LLM Agents
• Title（参考訳）: LLMエージェントを用いたソーシャルメディア・モビライゼーションのシミュレーションと実験
• Authors: Sadegh Shirani, Mohsen Bayati,
• Abstract要約: 目覚ましい6100万人のFacebook実験 citepbond201261 に基づいて,エージェントベースのシミュレーションフレームワークを開発した。 我々は、実際の米国国勢調査人口分布、Twitterネットワークトポロジ、および異種大言語モデル(LLM)エージェントを統合し、投票者投票における動員メッセージの効果を検討する。
• 参考スコア（独自算出の注目度）: 7.262048441360133
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Online social networks have transformed the ways in which political mobilization messages are disseminated, raising new questions about how peer influence operates at scale. Building on the landmark 61-million-person Facebook experiment \citep{bond201261}, we develop an agent-based simulation framework that integrates real U.S. Census demographic distributions, authentic Twitter network topology, and heterogeneous large language model (LLM) agents to examine the effect of mobilization messages on voter turnout. Each simulated agent is assigned demographic attributes, a personal political stance, and an LLM variant (\texttt{GPT-4.1}, \texttt{GPT-4.1-Mini}, or \texttt{GPT-4.1-Nano}) reflecting its political sophistication. Agents interact over realistic social network structures, receiving personalized feeds and dynamically updating their engagement behaviors and voting intentions. Experimental conditions replicate the informational and social mobilization treatments of the original Facebook study. Across scenarios, the simulator reproduces qualitative patterns observed in field experiments, including stronger mobilization effects under social message treatments and measurable peer spillovers. Our framework provides a controlled, reproducible environment for testing counterfactual designs and sensitivity analyses in political mobilization research, offering a bridge between high-validity field experiments and flexible computational modeling.\footnote{Code and data available at https://github.com/CausalMP/LLM-SocioPol}
• Abstract（参考訳）: オンラインソーシャルネットワークは、政治的動員メッセージを広める方法を変え、ピアインフルエンスを大規模に扱う方法についての新たな疑問を提起している。 我々は,6100万人規模のFacebook実験であるcitep{bond201261}に基づいて,実際の米国国勢調査人口分布,認証されたTwitterネットワークトポロジ,異種大言語モデル(LLM)エージェントを統合したエージェントベースのシミュレーションフレームワークを開発し,投票者投票に対する動員メッセージの効果を検討する。 各模擬エージェントは、その政治的洗練を反映した人口統計特性、個人的な政治的スタンス、およびLLM変種(\texttt{GPT-4.1}, \texttt{GPT-4.1-Mini}, \texttt{GPT-4.1-Nano})を割り当てられる。 エージェントはリアルなソーシャルネットワーク構造上で対話し、パーソナライズされたフィードを受け取り、エンゲージメント行動や投票意図を動的に更新する。 実験条件は、元のFacebook研究の情報的・社会的動員処理を再現する。 様々なシナリオにおいて、シミュレータはフィールド実験で観察された定性的パターンを再現し、社会的メッセージ処理下でのより強いモビライゼーション効果や測定可能なピアスルーオーバーを再現する。 我々のフレームワークは、政治的動員研究において、カウンターファクトデザインと感度分析をテストするための制御された再現可能な環境を提供し、高粘性フィールド実験とフレキシブル・コンピューティング・モデリングの橋渡しを提供する。 \footnote{Code and data available at https://github.com/CausalMP/LLM-SocioPol}

関連論文リスト

• $\texttt{BluePrint}$: A Social Media User Dataset for LLM Persona Evaluation and Training [8.563967699751684]
  大規模言語モデル(LLM)は、大規模なソーシャルメディアのダイナミックスに有望な機能を提供する。 本稿では,エージェントモデルの訓練に適した行動型ソーシャルメディアを構築するためのフレームワークであるSを紹介する。 BluePrintは、政治談話に焦点を当てた公開Blueskyデータから構築された大規模なデータセットです。
  論文  参考訳（メタデータ） (2025-09-27T06:02:38Z)
• Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
  本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。 我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。 特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-12T10:43:47Z)
• Operational Validation of Large-Language-Model Agent Social Simulation: Evidence from Voat v/technology [59.63189507373199]
  私たちは、2014年から2020年にかけて活動しているRedditのようなオルタナティブなニュースアグリゲータとディスカッションプラットフォームであるVoatをモデルとした技術コミュニティシミュレーションを構築しました。 YSocialフレームワークを使用して、Voatの共有URLからサンプリングされた技術リンクの固定カタログでシミュレーションをシードする。 エージェントは、リンクとテキストの投稿、スレッド化された返信、日々のアクティビティサイクルのためのプラットフォームルールの下で投稿、返信、反応を生成する。 結果は、よく知られたオンライン規則性を示す: 類似の活動リズム、ヘビーテール参加、疎低クラスタリング相互作用ネットワーク、コア周辺構造、Voatとのトピックアライメント、高毒性
  論文  参考訳（メタデータ） (2025-08-29T16:06:27Z)
• Agent-Based Simulations of Online Political Discussions: A Case Study on Elections in Germany [2.4592977105600875]
  本研究では,ユーザインタラクションをモデル化するエージェントベースのシミュレーション手法を提案する。 我々は、感情分析、皮肉検出、攻撃性分類を取り入れ、投稿や返信を生成するためにAIモデルを微調整する。
  論文  参考訳（メタデータ） (2025-03-31T15:17:04Z)
• GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
  我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。 我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。 我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
  論文  参考訳（メタデータ） (2024-10-06T05:02:23Z)
• Unveiling the Truth and Facilitating Change: Towards Agent-based Large-scale Social Movement Simulation [43.46328146533669]
  ソーシャルメディアは社会運動の基盤として現れ、社会変革の推進に大きな影響を与えている。 ソーシャルメディアユーザシミュレーションのためのハイブリッドフレームワークHiSimを導入し、ユーザを2つのタイプに分類する。 我々は、トリガーイベントに続く応答ダイナミクスを再現するために、Twitterのような環境を構築します。
  論文  参考訳（メタデータ） (2024-02-26T06:28:54Z)

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。