論文の概要: Challenging Partisan Expectations Reduces Political Polarization
- arxiv url: http://arxiv.org/abs/2606.15901v1
- Date: Sun, 14 Jun 2026 16:30:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.933837
- Title: Challenging Partisan Expectations Reduces Political Polarization
- Title（参考訳）: 政党の混乱が政治分極を抑える
- Abstract要約: 政治的議論はしばしば政治的分極の救済として提案されるが、その効果は相容れないままである。
我々は、党派的アイデンティティと発行位置の関連性に反した場合、会話は政治的分極を最も減らすべきだと提案する。
その結果、参加者が不一致の内集団メンバーや合意外集団メンバーと会話する期待に満ちた会話は、感情的偏極や問題偏極を減らすのに効果的であることが判明した。
- 参考スコア（独自算出の注目度）: 35.59059755791736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Political conversations are often proposed as a remedy for political polarization, yet their effectiveness remains inconsistent. We argue that this inconsistency partly reflects a neglected feature of political contact: the expectations partisans bring to these encounters. We hypothesize that conversations should reduce political polarization the most when they violate the expected link between partisan identity and issue position. We test this hypothesis in a 2x2 experiment in which 1,983 U.S. adults engaged in structured conversations with an AI chatbot whose presented partisan identity and policy stance were independently manipulated. We find that expectation-challenging conversations in which participants talk with a disagreeing ingroup member or an agreeing outgroup member are effective in reducing affective and issue polarization. Although these effects emerge without meaningful shifts in participants' own policy positions, a follow-up survey shows that most effects disappear over one month. Interestingly, these conversations maintain or improve objective measures of deliberation but are experienced as less satisfying by participants. Our findings identify expectation violation as an underexplored depolarization mechanism. Our results also demonstrate the promises and limitations of how conversational AI can serve as a scalable method for experimentally studying interventions to mitigating partisan divides.
- Abstract（参考訳）: 政治的議論はしばしば政治的分極の救済として提案されるが、その効果は相容れないままである。
我々は、この矛盾が政治的接触の無視された特徴を部分的に反映していると論じている。
我々は、党派的アイデンティティと発行位置の関連性に反した場合、会話は政治的分極を最も減らすべきであると仮定する。
我々は、この仮説を2×2の実験で検証し、米国成人1,983人がAIチャットボットと構造化された会話を行った。
参加者が意見の一致しない内集団や意見の一致した外集団と会話する期待の一致した会話は、感情の偏りを抑えるのに有効であることがわかった。
これらの効果は、参加者自身の政策姿勢に有意な変化を伴わずに現れるが、その後の調査では、ほとんどの効果は1ヶ月で消失している。
興味深いことに、これらの会話は熟考の客観的な尺度を維持するか改善するが、参加者の満足度は低い。
以上の結果から,予測違反は未発見の脱分極機構であることが明らかとなった。
我々の研究結果は、対話型AIが党派分裂を緩和するための介入を実験的に研究するためのスケーラブルな方法として機能することの約束と限界も示している。
関連論文リスト
- Synthetic Contact with AI Reduces Cross-Partisan Animosity [0.0]
野党員に対するアメリカ人の温暖化は過去30年で激減している。
政治集団を代表するAIチャットボットとの短い会話が、連絡相手に取って代わるかどうかを検証する。
論文 参考訳（メタデータ） (2026-07-02T13:51:57Z) - Divergent Paths to Depolarization: Dialogue Design Determines the Prosocial Benefits of AI-Assisted Political Argumentation [11.18468073756501]
政治的分裂にまたがる論証的な対話は分極を減少させる。
人間とAIの対話の形式がどのようにその利点を形作るかは、まだ不明である。
これらの知見は、効果的なAIによる行動介入の重要な決定要因として、対話設計を強調している。
論文 参考訳（メタデータ） (2026-05-22T17:51:10Z) - Perceived Political Bias in LLMs Reduces Persuasive Abilities [0.0]
信頼性攻撃がLSMに基づく説得を減少させるかどうかを検証する。
短いメッセージでは、LSMは回答者の党に偏りがあり、説得力は28%減った。
これらの知見は、会話型AIの説得的影響は、パルチザン的アライメントの知覚によって制約され、政治的に矛盾していることを示唆している。
論文 参考訳（メタデータ） (2026-02-20T09:33:16Z) - The Ideological Turing Test for Moderation of Outgroup Affective Animosity [3.9727752701702728]
Ideological Turing Test(Ideological Turing Test)は、参加者が反対の視点を採用し、守らなければならないゲーミフィケーションフレームワークである。
介入直後および術後2～6週の情緒的アニモシティとイデオロギー的位置の変化を測定した。
イデオロギー的な立場では、反対の視点を採用することで、モダリティ全体にわたる顕著な即時移動が導かれた。
論文 参考訳（メタデータ） (2025-12-13T05:19:45Z) - 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) - Biased AI can Influence Political Decision-Making [64.9461133083473]
本稿では,大言語モデル(LLM)におけるパルチザンバイアスが政治的意見や意思決定に与える影響について検討する。
その結果,党派偏見モデルに曝露した参加者は,LLMの偏見と一致した意見を取り入れ,決定を下す可能性が有意に高いことがわかった。
論文 参考訳（メタデータ） (2024-10-08T22:56:00Z) - 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) - Unpacking polarization: Antagonism and Alignment in Signed Networks of
Online Interaction [0.3581083356941628]
20世紀、主要断層線は、所有者対労働者、中心対周辺など構造的な紛争によって形成された。
FAULTANAパイプライン(FAULTANA Pipeline)は、署名されたオンラインインタラクションのデータにおいて、主要な障害線を明らかにするための計算手法である。
提案手法により,異なるオンライン討論会でよく見られる敵意の程度を定量化し,また,各議論がいかに主要な障害線に一致しているかを定量化することができる。
論文 参考訳（メタデータ） (2023-07-13T05:57:48Z) - Perspective-taking to Reduce Affective Polarization on Social Media [11.379010432760241]
ブラウザエクステンションを通じてランダムなフィールド実験をTwitter上で1,611人の参加者に展開する。
参加者を「アウトグループ」フィードに露出するだけでエンゲージメントが向上するが、他の人々が政治的見解を持っている理由の理解は得られない。
参加者に不一致を思い出させるよう促すことによって、親しみやすく共感的な言葉で経験をフレーミングすることは、エンゲージメントに影響を与えず、反対の見解を理解する能力を高める。
論文 参考訳（メタデータ） (2021-10-11T20:25:10Z) - Mundus vult decipi, ergo decipiatur: Visual Communication of Uncertainty
in Election Polls [56.8172499765118]
我々は、今放送と予測におけるバイアスの潜在的な源について論じる。
概念は、誤認識された正確性の問題を軽減するために提示される。
主要なアイデアの1つは、パーティーシェアではなくイベントの確率を使うことである。
論文 参考訳（メタデータ） (2021-04-28T07:02:24Z) - M2P2: Multimodal Persuasion Prediction using Adaptive Fusion [65.04045695380333]
本稿では,ディベートアウトカム予測 (DOP) 問題において,誰が討論に勝つかを予測し,IPP (Intensity of Persuasion Prediction) 問題では,講演者の発言前後の投票数の変化を予測する。
我々のM2P2フレームワークはIPP問題を解決するためにマルチモーダル(音響、視覚、言語)データを使用した最初のフレームワークです。
論文 参考訳（メタデータ） (2020-06-03T18:47:24Z)
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。