論文の概要: Evidence of political bias in search engines and language models before major elections
- arxiv url: http://arxiv.org/abs/2603.23474v1
- Date: Tue, 24 Mar 2026 17:39:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-25 19:53:37.621222
- Title: Evidence of political bias in search engines and language models before major elections
- Title（参考訳）: 主要選挙前の検索エンジンと言語モデルにおける政治的偏見の証拠
- Authors: Íris Damião, Paulo Almeida, João Franco, Nuno Santos, Pedro C. Magalhães, Joana Gonçalves-Sá,
- Abstract要約: 4つの検索エンジン(SE)と2つの大言語モデル(LLM)を監査する。
我々は、EU5か国と15の郡で選挙に関連する約4,360の質問に対する回答を収集した。
欧州では、世論調査や過去の選挙、メディアのサリエンスから予想されるレベルを超える極右団体について、SEの結果が不公平に言及されている。
米国では、Googleは共和党の有権者にとってより重要なトピックを強く支持し、他の検索エンジンは民主党にもっと関係のある問題を好んだ。
- 参考スコア（独自算出の注目度）: 2.491394372671857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Search engines (SEs) and large language models (LLMs) are central to political information access, yet their algorithmic decisions and potential underlying biases remain underexplored. We developed a standardized, privacy-preserving, bot-and-proxy methodology to audit four SEs and two LLMs before the 2024 European Parliament and US presidential elections. We collected answers to approximately 4,360 queries related to elections in five EU countries and 15 US counties, identified political entities and topics in those answers, and mapped them to ideological positions (EU) or issue associations (US). In Europe, SE results disproportionately mentioned far-right entities beyond levels expected from polls, past elections, or media salience. In the US, Google strongly favored topics more important to Republican voters, while other search engines favored issues more relevant to Democrats. LLMs responses were more balanced, although there is evidence of overrepresentation of far-right (and Green) entities. These results show evidence of bias and open important discussions on how even small skews in widely used platforms may influence democratic processes, calling for systematic audits of their outputs.
- Abstract（参考訳）: 検索エンジン (SE) と大規模言語モデル (LLM) は政治的情報アクセスの中心であるが、アルゴリズムによる決定と潜在的なバイアスは未解明のままである。
我々は、2024年の欧州議会と米国大統領選挙の前に、4つのSEと2つのLDMを監査する標準化された、プライバシー保護、ボット・アンド・プロキシ手法を開発した。
我々は、EU5か国と15の郡の選挙に関連する約4,360の質問に対する回答を収集し、それらの回答の中で政治的実体とトピックを特定し、それらをイデオロギー的地位(EU)やイシュー・アソシエーション(US)にマッピングした。
欧州では、世論調査や過去の選挙、メディアのサリエンスから予想されるレベルを超える極右団体について、SEの結果が不公平に言及されている。
米国では、Googleは共和党の有権者にとってより重要なトピックを強く支持し、他の検索エンジンは民主党にもっと関係のある問題を好んだ。
LLMの反応はよりバランスが取れたが、極右(および緑の)実体の過剰表現の証拠がある。
これらの結果は、広く利用されているプラットフォームにおける小さなスキューでさえ、民主的プロセスにどのように影響するかというバイアスの証拠を示し、オープンな重要な議論がなされている。
関連論文リスト
- Latent Topic Synthesis: Leveraging LLMs for Electoral Ad Analysis [51.95395936342771]
ラベルなしコーパスから解釈可能なトピック分類を自動生成するエンドツーエンドフレームワークを提案する。
われわれはこの枠組みを、2024年アメリカ合衆国大統領選挙の1ヶ月前のMeta政治広告の大規模なコーパスに適用する。
提案手法は,潜在談話構造を明らかにし,意味的に豊かなトピックラベルを合成し,モラル・フレーミングの次元でトピックを注釈する。
論文 参考訳（メタデータ） (2025-10-16T20:30:20Z) - From Keywords to Clusters: AI-Driven Analysis of YouTube Comments to Reveal Election Issue Salience in 2024 [1.521610318673192]
移民と民主主義は、分析されたYouTubeビデオのユーザーコメントの中で最も頻繁に、一貫して解決された問題だった。
これらの結果は、選挙後の調査の結果を裏付けるだけでなく、選挙問題としてのインフレの重要性を否定するものである。
論文 参考訳（メタデータ） (2025-10-09T06:02:10Z) - Democratic or Authoritarian? Probing a New Dimension of Political Biases in Large Language Models [72.89977583150748]
本研究では,大規模言語モデルとより広い地政学的価値システムとの整合性を評価する新しい手法を提案する。
LLMは一般的に民主的価値観や指導者を好んでいるが、マンダリンでの権威主義的人物に対する好意が増している。
論文 参考訳（メタデータ） (2025-06-15T07:52:07Z) - Large Means Left: Political Bias in Large Language Models Increases with Their Number of Parameters [0.571853823214391]
大規模言語モデル(LLM)は、主に多くの人が様々なトピックの主要な情報源として使っている。
LLMは、しばしば事実の誤りを犯したり、データ(幻覚)を作成したり、バイアスを提示したり、ユーザーが誤った情報に晒したり、意見に影響を与えたりする。
我々は、Wale-O-Matのスコアを用いて、ドイツ連邦議会の最近の投票の文脈において、人気のあるLLMの政治的バイアスを定量化する。
論文 参考訳（メタデータ） (2025-05-07T13:18:41Z) - Search engines in polarized media environment: Auditing political information curation on Google and Bing prior to 2024 US elections [0.0]
われわれは2024年の大統領選挙に先立ち、西欧最大の検索エンジンであるGoogleとBingを監査した。
以上の結果から,両検索エンジンが左派メディアソースを優先する傾向にあり,検索結果のイデオロギー的スラントの範囲は,民主党と共和党の問合せによって異なることが示唆された。
また, 位置および時間に基づく要因が有機検索に与える影響を限定的に観察する一方, インターフェース要素の追加は時間や特定の米国状態よりも不安定であった。
論文 参考訳（メタデータ） (2025-01-08T18:18:03Z) - When Neutral Summaries are not that Neutral: Quantifying Political Neutrality in LLM-Generated News Summaries [0.0]
本研究では, LLMの政治的中立性を定量化するための新たな視点を示す。
我々は、中絶、銃規制/権利、医療、移民、LGBTQ+の権利という、現在のアメリカの政治における5つの迫る問題について検討する。
我々の研究は、いくつかのよく知られたLLMにおいて、民主的偏見に対する一貫した傾向を明らかにした。
論文 参考訳（メタデータ） (2024-10-13T19:44:39Z) - Who Would Chatbots Vote For? Political Preferences of ChatGPT and Gemini in the 2024 European Union Elections [0.0]
この研究は、これらの生成人工知能(AI)システムにより、27のEU加盟国にまたがる欧州議会で代表される政党の評価に焦点を当てた。
Geminiはほとんど政治的な質問に答えることを拒んだが、ChatGPTは一貫して評価した。
調査では、欧州統合に対する態度や民主的価値観に対する認識など、評価に影響を及ぼす重要な要因を特定した。
論文 参考訳（メタデータ） (2024-09-01T13:40:13Z) - Representation Bias in Political Sample Simulations with Large Language Models [54.48283690603358]
本研究は,大規模言語モデルを用いた政治サンプルのシミュレーションにおけるバイアスの同定と定量化を目的とする。
GPT-3.5-Turboモデルを用いて、米国選挙研究、ドイツ縦割り選挙研究、ズオビアオデータセット、中国家族パネル研究のデータを活用する。
論文 参考訳（メタデータ） (2024-07-16T05:52:26Z) - Whose Side Are You On? Investigating the Political Stance of Large Language Models [56.883423489203786]
大規模言語モデル(LLM)の政治的指向性について,8つのトピックのスペクトルにわたって検討する。
我々の調査は、中絶からLGBTQ問題まで8つのトピックにまたがるLLMの政治的整合性について考察している。
この結果から,ユーザはクエリ作成時に留意すべきであり,中立的なプロンプト言語を選択する際には注意が必要であることが示唆された。
論文 参考訳（メタデータ） (2024-03-15T04:02:24Z) - Novelty in news search: a longitudinal study of the 2020 US elections [62.997667081978825]
我々は、トップニュース検索結果に現れる新しい項目を測定するノベルティを解析する。
トピックや安定したクエリに比べて,選挙関連クエリに新たな項目が出現する傾向にある。
このような不均衡は、選挙期間中のニュース検索における政治候補者の可視性に影響を与えると論じる。
論文 参考訳（メタデータ） (2022-11-09T08:42:37Z) - The Matter of Chance: Auditing Web Search Results Related to the 2020
U.S. Presidential Primary Elections Across Six Search Engines [68.8204255655161]
私たちは、Google、Baidu、Bing、DuckDuckGo、Yahoo、Yandexの"US Election"、"Donald trump"、"Joe Biden"、"bernie Sanders"の検索結果を調べます。
その結果, 検索エンジン間の検索結果と, エージェント間の検索結果の相違が有意な差があることが示唆された。
論文 参考訳（メタデータ） (2021-05-03T11:18:19Z)
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。