論文の概要: Whose Story Gets Told? Positionality and Bias in LLM Summaries of Life Narratives

• arxiv url: http://arxiv.org/abs/2604.20131v1
• Date: Wed, 22 Apr 2026 02:58:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.935854
• Title: Whose Story Gets Told? Positionality and Bias in LLM Summaries of Life Narratives
• Title（参考訳）: LLMのライフナラティブのサプリメントにおける位置とバイアス
• Authors: Melanie Subbiah, Haaris Mian, Nicholas Deas, Ananya Mayukha, Dan P. McAdams, Kathleen McKeown,
• Abstract要約: 我々は心理学者と協力し、LLMが人間の人生について主張する抽象的主張について研究する。 本稿では,視点抽出におけるバイアスを克服するための要約に基づくパイプラインを提案する。 当社のパイプラインは人種と性別の偏見を表現的害の可能性で識別できることを実証する。
• 参考スコア（独自算出の注目度）: 12.34664529332701
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Increasingly, studies are exploring using Large Language Models (LLMs) for accelerated or scaled qualitative analysis of text data. While we can compare LLM accuracy against human labels directly for deductive coding, or labeling text, it is more challenging to judge the ethics and effectiveness of using LLMs in abstractive methods such as inductive thematic analysis. We collaborate with psychologists to study the abstractive claims LLMs make about human life stories, asking, how does using an LLM as an interpreter of meaning affect the conclusions and perspectives of a study? We propose a summarization-based pipeline for surfacing biases in perspective-taking an LLM might employ in interpreting these life stories. We demonstrate that our pipeline can identify both race and gender bias with the potential for representational harm. Finally, we encourage the use of this analysis in future studies involving LLM-based interpretation of study participants' written text or transcribed speech to characterize a positionality portrait for the study.
• Abstract（参考訳）: テキストデータの高速・大規模定性解析にLLM(Large Language Models)を用いた研究が増えている。 帰納的符号化やテキストのラベル付けにおいて, LLMの精度を人間ラベルと直接比較することは可能であるが, 帰納的テーマ解析などの抽象的手法でLLMを使用することの倫理的・効果を判断することは困難である。 我々は心理学者と協力し、LLMが人間の人生について持つ抽象的な主張について研究し、LLMを意味の通訳として使うことは研究の結論や視点にどのように影響するかを問う。 本稿では,LLMがこれらのライフストーリーを解釈する際の視点的バイアスを克服するための要約に基づくパイプラインを提案する。 当社のパイプラインは人種と性別の偏見を表現的害の可能性で識別できることを実証する。 最後に,この分析を,研究参加者の文章や書き起こされた音声のLLMによる解釈を含む将来の研究で活用して,研究対象の位置像を特徴付けることを推奨する。

関連論文リスト

• LLM or Human? Perceptions of Trust and Information Quality in Research Summaries [4.14522715241162]
  大規模言語モデル(LLM)は、科学的な抽象化の生成と編集にますます利用されている。 普及しているにもかかわらず、読者がLLM生成サマリーをどのように認識しているかはほとんど分かっていない。
  論文  参考訳（メタデータ） (2026-01-22T00:53:38Z)
• LLM-REVal: Can We Trust LLM Reviewers Yet? [70.58742663985652]
  大規模言語モデル(LLM)は研究者に、学術的なワークフローに広く組み込むよう刺激を与えている。 本研究は、LLMのピアレビューと研究プロセスへの深い統合が学術的公正性にどのように影響するかに焦点を当てる。
  論文  参考訳（メタデータ） (2025-10-14T10:30:20Z)
• How LLMs Comprehend Temporal Meaning in Narratives: A Case Study in Cognitive Evaluation of LLMs [13.822169295436177]
  本研究では,人文研究に用いられた物語において,大規模言語モデル(LLM)が言語的側面の時間的意味をどう扱うかを検討する。 以上の結果から,LLMは原型性に過度に依存し,相反する側面判断を生じ,側面から派生した因果推論に苦慮することが明らかとなった。 これらの結果は,LLMのプロセスの側面が人間と根本的に異なり,ロバストな物語理解が欠如していることを示唆している。
  論文  参考訳（メタデータ） (2025-07-18T18:28:35Z)
• Potential and Perils of Large Language Models as Judges of Unstructured Textual Data [0.631976908971572]
  本研究では,LLM-as-judgeモデルの有効性を検討した。 LLM-as-judgeは、人間に匹敵するスケーラブルなソリューションを提供するが、人間は微妙で文脈固有のニュアンスを検出するのに優れている。
  論文  参考訳（メタデータ） (2025-01-14T14:49:14Z)
• Multiverse of Greatness: Generating Story Branches with LLMs [0.6283043694426244]
  本稿では,動的コンテキストウィンドウ履歴を持つグラフベースのコンテンツを生成するための LLM と対話する新しいフレームワークである Dynamic Context Prompting/Programming (DCP/P) を提案する。 LLMにコンテキスト履歴を提供しず,初期ストーリデータのみに依存するDCP/Pをベースラインに対して評価する。 我々は,それぞれのアプローチから,客観的に最高のパフォーマンスを得られるゲームの品質を質的に検討する。
  論文  参考訳（メタデータ） (2024-11-22T02:11:37Z)
• Do LLMs exhibit human-like response biases? A case study in survey design [66.1850490474361]
  大規模言語モデル(LLM)が人間の反応バイアスをどの程度反映しているかについて検討する。 アンケート調査では, LLMが人間のような応答バイアスを示すかどうかを評価するためのデータセットとフレームワークを設計した。 9つのモデルに対する総合的な評価は、一般のオープンかつ商用のLCMは、一般的に人間のような振る舞いを反映しないことを示している。
  論文  参考訳（メタデータ） (2023-11-07T15:40:43Z)
• "Kelly is a Warm Person, Joseph is a Role Model": Gender Biases in LLM-Generated Reference Letters [97.11173801187816]
  大規模言語モデル(LLM)は、個人が様々な種類のコンテンツを書くのを支援する効果的なツールとして最近登場した。 本稿では, LLM 生成した参照文字の性別バイアスについて批判的に検討する。
  論文  参考訳（メタデータ） (2023-10-13T16:12:57Z)

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。