論文の概要: Framing Migration News with LLMs: Structured CoT as a Support for Human Interpretation

• arxiv url: http://arxiv.org/abs/2606.03761v1
• Date: Tue, 02 Jun 2026 15:15:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.096945
• Title: Framing Migration News with LLMs: Structured CoT as a Support for Human Interpretation
• Title（参考訳）: LLMを用いたフラーミングマイグレーションニュース:人間解釈支援としての構造化CoT
• Authors: David Alonso del Barrio, Jing Wen, Daniel Gatica-Perez,
• Abstract要約: Llama3-8Bを用いたStructured Chain-of-Thought (SCoT)プロンプト手法を提案する。 SCoTは、ユーザがモデル出力を監査し、本質的に主観的なタスクにおける代替解釈を調べることを可能にする。 我々は、アノテータが「モデルの推論」の一貫性と影響を評価できる人間中心の評価を行う。
• 参考スコア（独自算出の注目度）: 7.86841540422233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frame analysis of migration news is a socially consequential task: media scholars and researchers who study how migration is narrated need tools that are not only accurate, but transparent, auditable, and accessible within the resource constraints typical of academic research groups. Existing LLM-based approaches rely on proprietary APIs and large models that raise concerns about data privacy, reproducibility and equitable access among media researchers. This work studies how a locally deployable open-source LLM can support interpretable frame analysis as an assistive tool. We introduce a Structured Chain-of-Thought (SCoT) prompting approach using Llama3-8B, enabling step-by-step justifications grounded in predefined framing categories. This structured design allows users to audit model outputs and examine alternative interpretations in a task that is inherently subjective. We evaluate our approach on a dataset of migration-related news and show that SCoT improves classification performance over zero-shot and few-shot baselines while remaining feasible on a single GPU. Then, we conduct a human-centered evaluation in which annotators assess the coherence and influence of "the model's reasoning". Results indicate that SCoT explanations are generally perceived as logical (mean score 4.1/5, though with notable variation across texts) and can prompt reflection on initial interpretations, even when disagreement persists. Our findings highlight both the potential and risks of LLM-assisted frame analysis. While structured reasoning can increase the traceability of model outputs and support critical interpretation, it can also influence human judgment in subtle ways. By enabling local deployment and emphasizing human-in-the-loop interaction, this work contributes to discussions on responsible and accessible computational tools for the study of socially impactful media narratives.
• Abstract（参考訳）: 移行ニュースのフレーム分析は社会的に連続的なタスクである: マイグレーションがどのようにナレーションされているかを研究するメディア学者や研究者は、正確なだけでなく、透明で、監査可能で、学術研究グループの典型的なリソース制約の中でアクセス可能なツールを必要としている。 既存のLLMベースのアプローチは、データプライバシや再現性、メディア研究者間の平等なアクセスに関する懸念を提起する、プロプライエタリなAPIと大規模なモデルに依存している。 本研究は、ローカルにデプロイ可能なオープンソースLLMが、補助ツールとして解釈可能なフレーム分析をサポートする方法について研究する。 Llama3-8B を用いた構造的連鎖解法 (Structured Chain-of-Thought, SCoT) を提案する。 この構造化された設計により、ユーザーはモデル出力を監査し、本質的に主観的なタスクにおける代替解釈を調べることができる。 我々は、マイグレーション関連のニュースのデータセットに対するアプローチを評価し、SCoTは、ゼロショットと少数ショットのベースラインよりも分類性能を向上しつつ、単一のGPU上でも実現可能であることを示す。 そして、アノテータが「モデルの推論」のコヒーレンスと影響を評価できる人間中心の評価を行う。 結果は、SCoTの説明は概して論理的である(平均スコアは4.1/5だが、テキスト間で顕著な違いがある)ことを示し、不一致が持続しても初期解釈を反映させる可能性があることを示唆している。 LLM支援フレーム分析の可能性とリスクについて検討した。 構造化推論は、モデル出力のトレーサビリティを高め、批判的解釈をサポートするが、微妙な方法で人間の判断に影響を与えることもある。 この研究は、局所的な展開を可能にし、ループ間相互作用を強調することによって、社会的に影響力のあるメディア物語を研究するための責任ある、アクセス可能な計算ツールに関する議論に寄与する。

関連論文リスト

• Implicit Reasoning in Large Language Models: A Comprehensive Survey [67.53966514728383]
  大規模言語モデル(LLM)は、幅広いタスクにまたがる強力な一般化を実証している。 最近の研究は、暗黙の推論に拍車をかけた、明示的な思考の連鎖から注意を向けている。 本調査では,表現形式から計算戦略へ焦点を移し,実行パラダイムを中心とした分類を紹介した。
  論文  参考訳（メタデータ） (2025-09-02T14:16:02Z)
• How do Large Language Models Understand Relevance? A Mechanistic Interpretability Perspective [64.00022624183781]
  大規模言語モデル(LLM)は、関連性を評価し、情報検索(IR)タスクをサポートする。 メカニスティック・インタプリタビリティのレンズを用いて,異なるLLMモジュールが関係判断にどのように寄与するかを検討する。
  論文  参考訳（メタデータ） (2025-04-10T16:14:55Z)
• 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)
• Categorical Syllogisms Revisited: A Review of the Logical Reasoning Abilities of LLMs for Analyzing Categorical Syllogism [62.571419297164645]
  本稿では,分類的シロジズムを解析するための大規模言語モデルの論理的推論能力に関する先行研究を体系的に概説する。 まず、純粋に論理的な観点から分類的シロジズムの可能なバリエーションについて検討する。 次に、既存のデータセットでテストされた基本的な設定(ムードとフィギュア)を調べます。
  論文  参考訳（メタデータ） (2024-06-26T21:17:20Z)
• Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
  本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。 まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。 次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
  論文  参考訳（メタデータ） (2023-09-02T00:32:55Z)

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。