論文の概要: Mapping how LLMs debate societal issues when shadowing human personality traits, sociodemographics and social media behavior

• arxiv url: http://arxiv.org/abs/2604.27624v1
• Date: Thu, 30 Apr 2026 09:13:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.017109
• Title: Mapping how LLMs debate societal issues when shadowing human personality traits, sociodemographics and social media behavior
• Title（参考訳）: 人格特性、社会デマログラフィー、ソーシャルメディア行動の陰影化におけるLLMの社会的問題に対する議論のマッピング
• Authors: Ali Aghazadeh Ardebili, Massimo Stella,
• Abstract要約: 認知デジタルシャドウ (CDS) は,大規模言語モデル (LLM) の分析を支援する190,000レコードの合成コーパスである 各CDSレコードは19個のLDMのうちの1つによって生成され、人間のペルソナまたはAIアシスタントの役割をシャドーするよう促される。 CDSには、ワクチン/医療、ソーシャルメディアの偽情報、科学における男女格差、STEMステレオタイプという、4つの議論を呼んでいる社会トピックに関するLCM応答が含まれている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large Language Models (LLMs) can strongly shape social discourse, yet datasets investigating how LLM outputs vary across controlled social and contextual prompting remain sparse. Cognitive Digital Shadows (CDS) is a 190,000-record synthetic corpus supporting analyses of LLM-generated discourse. Each CDS record is generated by one of 19 LLMs, prompted to shadow either a human persona or an AI-assistant role. CDS contains LLM responses on 4 controversial societal topics: vaccines/healthcare, social media disinformation, the gender gap in science, and STEM stereotypes. Persona-conditioned records encode 17 sociodemographic and psychological attributes, providing data linking LLMs' prompts, language, stances and reasoning. Texts are validated for topic anchoring and can support emotional analyses via interpretable NLP (e.g. textual forma mentis networks). CDS is enriched by a pooling platform with user-friendly dashboards, enabling easy, interactive group-level comparisons of emotional and semantic framing across personas, topics and models. The CDS prompting framework supports future audits of LLMs' bias, social sensitivity and alignment.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、社会的言説を強く形作ることができるが、LLMのアウトプットが制御された社会的および文脈的プロンプトによってどのように異なるかを調べるデータセットは、いまだに疎いままである。 Cognitive Digital Shadows (CDS) は、190,000レコードの合成コーパスで、LCM生成談話の分析を支援する。 各CDSレコードは19個のLDMのうちの1つによって生成され、人間のペルソナまたはAIアシスタントの役割をシャドーするよう促される。 CDSには、ワクチン/医療、ソーシャルメディアの偽情報、科学における男女格差、STEMステレオタイプという、4つの議論を呼んでいる社会トピックに関するLCM応答が含まれている。 ペルソナ条件レコードは、LLMのプロンプト、言語、姿勢、推論をリンクするデータを提供する17の社会デマロジカル・心理的属性を符号化している。 テキストはトピックアンカーとして検証され、解釈可能なNLP(例:textual forma mentis network)を介して感情分析をサポートすることができる。 CDSは、ユーザフレンドリなダッシュボードを備えたプールプラットフォームによって強化されており、ペルソナ、トピック、モデル間での感情的および意味的フレーミングのインタラクティブなグループレベルの比較が容易である。 CDSプロンプトフレームワークは、将来のLCMのバイアス、社会的感受性、アライメントの監査をサポートする。

関連論文リスト

• The Pragmatic Persona: Discovering LLM Persona through Bridging Inference [6.671933768892354]
  大型言語モデル (LLM) は対話を通して固有で独特なペルソナを明らかにする。 本稿では,ブリッジング推論による対話を解釈する新しいフレームワークを提案する。 我々のアプローチは、LLMがターン間で意味を整理する方法を規定する潜在意味リンクをキャプチャする。
  論文  参考訳（メタデータ） (2026-04-27T06:01:47Z)
• The Collective Turing Test: Large Language Models Can Generate Realistic Multi-User Discussions [0.4605116997238364]
  大規模言語モデル(LLM)は、オンラインコミュニティやソーシャルメディアをシミュレートするための新しい道を提供する。 LLMがソーシャルメディア上でのヒューマングループ会話を効果的に模倣できるかどうかを評価した。
  論文  参考訳（メタデータ） (2025-10-29T17:01:20Z)
• Artificial Intelligence and Civil Discourse: How LLMs Moderate Climate Change Conversations [2.570568710751949]
  大規模言語モデル(LLM)は、オンラインプラットフォームやデジタル通信空間に統合されつつある。 本研究は,LLMが自然に温暖な気候変化の会話を,それぞれのコミュニケーション行動を通じてどのように行うかを検討する。
  論文  参考訳（メタデータ） (2025-06-07T03:32:47Z)
• SocialEval: Evaluating Social Intelligence of Large Language Models [70.90981021629021]
  ソーシャルインテリジェンス(英語版) (SI) は、社会的目標を達成するために社会的相互作用をナビゲートする際に賢明に行動する対人能力を持つ人間を装備する。 結果指向の目標達成評価とプロセス指向の対人能力評価という,運用評価パラダイムを提示する。 スクリプトベースのバイリンガルSIベンチマークであるSocialEvalを提案する。
  論文  参考訳（メタデータ） (2025-06-01T08:36:51Z)
• Collaborative Storytelling and LLM: A Linguistic Analysis of Automatically-Generated Role-Playing Game Sessions [55.2480439325792]
  RPG(ロールプレイングゲーム)とは、プレイヤーが互いに対話して物語を作るゲームである。 この共有物語の新たな形態は、主に口頭で注目されている。 本稿では,大言語モデル(LLM)の言語がRPGセッションの生成を依頼した場合に,どの程度に口頭や書面の機能を示すかを明らかにすることを目的とする。
  論文  参考訳（メタデータ） (2025-03-26T15:10:47Z)
• LMLPA: Language Model Linguistic Personality Assessment [11.599282127259736]
  大規模言語モデル(LLM)は、日常の生活や研究にますます利用されている。 与えられたLLMの性格を測定することは、現在課題である。 言語モデル言語パーソナリティアセスメント(LMLPA)は,LLMの言語的パーソナリティを評価するシステムである。
  論文  参考訳（メタデータ） (2024-10-23T07:48:51Z)
• Examining the Role of Relationship Alignment in Large Language Models [16.005988222702996]
  本研究は、コメント者とポスターの性別、年齢、友情の近さの異なる組み合わせで意味音を予測できるLlama 3.0(70B)の能力を評価する。 その結果, 社会的関係情報を含めることで, 人間のコメントの意味的トーンを予測するモデルの有効性が向上することがわかった。 パートIIの結果は,社会文脈情報をインプロンプトに含まない場合でも,LLM生成コメントや人的コメントは社会的文脈に等しく敏感であることを示している。
  論文  参考訳（メタデータ） (2024-10-02T16:16:02Z)
• Evaluating Large Language Models with Psychometrics [59.821829073478376]
  本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。 私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。 LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
  論文  参考訳（メタデータ） (2024-06-25T16:09:08Z)
• Can Large Language Models Transform Computational Social Science? [79.62471267510963]
  大規模言語モデル(LLM)は、(トレーニングデータなしで)ゼロショットで多くの言語処理タスクを実行することができる この研究は、計算社会科学ツールとしてLLMを使用するためのロードマップを提供する。
  論文  参考訳（メタデータ） (2023-04-12T17:33:28Z)

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。