論文の概要: From Minds to Models: The Intersection of Psychology and LLM Behaviours

• arxiv url: http://arxiv.org/abs/2607.27579v1
• Date: Thu, 30 Jul 2026 01:44:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.361739
• Title: From Minds to Models: The Intersection of Psychology and LLM Behaviours
• Title（参考訳）: 思考からモデルへ:心理学とLLM行動のインターセクション
• Abstract要約: 大規模言語モデル(LLM)は、意思決定が複雑で、非線形で解釈が難しいため、人間の心と比較されることが多い。 本研究は、ChatGPTが、オープンエンドテキストにおける人種的条件間での感情差を生んだかどうかを検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) are often compared with the human mind because their decision-making is complex, non-linear and difficult to interpret. Psychological methods developed to investigate unobservable mental processes may therefore help examine LLM behaviour, particularly in government and healthcare. Building on prompt-based adaptations of the Implicit Association Test, this study tested whether ChatGPT produced sentiment differences across racial conditions in open-ended text. Fourteen base questions were crossed with eight racial categories and a race-agnostic control, producing 126 prompts. Each was submitted once to GPT-3.5T, GPT-4 and GPT-4T, yielding 378 responses. Sentiment scores were derived from categorical labels and source scores: positive labels retained the source score, negative labels were assigned its negative, and neutral responses were coded zero. A two-way ANOVA found a small main effect of racial condition, F(8, 351) = 2.04, p = .042, partial-eta squared = .044, but no effect of model, F(2, 351) = 0.07, p = .933, and no interaction, F(16, 351) = 0.23, p = .999. However, the effect was not retained in a rank-transformed sensitivity analysis, F(8, 351) = 1.53, p = .145, and Tukey-corrected comparisons found no significant pairwise differences. An uncorrected European-Indigenous Australian comparison was significant, but was selected post hoc and is reported only as hypothesis-generating. Evidence for sentiment differences was therefore weak and analysis-dependent. Sentiment scoring also cannot distinguish evaluative bias from the valence of historical content elicited by a prompt. We outline design changes needed to address these limitations and argue for interdisciplinary development of behavioural measures of model bias. Keywords: Implicit Bias, Psychological Research Methods, Artificial Intelligence, ChatGPT, Large Language Models, Sentiment Analysis
• Abstract（参考訳）: 大規模言語モデル(LLM)は、意思決定が複雑で、非線形で解釈が難しいため、人間の心と比較されることが多い。 したがって、観察不能な精神過程を研究するために開発された心理学的手法は、特に政府や医療においてLLMの行動を調べるのに役立つ。 本研究は,インプリシット・アソシエーション・テストの即時適応に基づいて,ChatGPTがオープンエンドテキストにおける人種的条件間で感情差を生じさせるかどうかを検証した。 14の基本的な質問は8つの人種カテゴリーと人種に依存しないコントロールで交わされ、126のプロンプトを生み出した。 それぞれがGPT-3.5T、GPT-4、GPT-4Tに1回送信され、378の応答が得られた。 正のラベルはソーススコアを保持し、負のラベルは負のラベルを割り当て、中立の応答はゼロに符号化された。 2方向のANOVAは、人種状態の小さな主な効果 F(8, 351) = 2.04, p = .042, partial-eta squared = .044, しかし、モデルの影響 F(2, 351) = 0.07, p = .933, 相互作用 F(16, 351) = 0.23, p = .999 は見つからない。 しかし、この効果は階数変換感度解析では保持されず、F(8, 351) = 1.53, p = .145, そしてテューキー補正比較では、有意な相違は見つからなかった。 修正されていないヨーロッパ-インド原産のオーストラリアの比較は重要であったが、ポストホックとして選択され、仮説生成としてのみ報告された。 そのため、感情差の証拠は弱く、分析に依存していた。 センティメントスコアはまた、評価バイアスと、プロンプトによって引き起こされた歴史的コンテンツの価値を区別することができない。 これらの制限に対処するためには設計の変更を概説し、モデルバイアスの行動的尺度の学際的発展を論じる。 キーワード:暗黙のバイアス、心理学研究手法、人工知能、チャットGPT、大規模言語モデル、知覚分析

関連論文リスト

• Natural Language Processing Psychometrics [0.0]
  我々は,テキストからの心理的予測を心理学的問題として扱い,スコアを解釈可能な言語的エビデンスにリンクし,トレーニングテキスト形式を超えたテストを行う。 我々は,無作為林(RF)レグレクターの人格・社会デマログラフィー変数と合わせて,感情的プロファイルと統語的意味構造をテキスト・フォマ・メンティス・ネットワークを介して抽出した。 RFモデルでは、生活満足度(SWLS)の70.8%、うつ病55.7%(PHQ-9)、うつ病68.5%、不安76.4%、ストレス72.4%が説明されている。
  論文  参考訳（メタデータ） (2026-08-07T15:10:57Z)
• Sentiment Classification of Gaza War Headlines: A Comparative Analysis of Large Language Models and Arabic Fine-Tuned BERT Models [0.0]
  本研究では、異なる人工知能アーキテクチャーが、コンフリクト関連メディア談話における感情をどう解釈するかを検討する。 10,990のアラビア語ニュースの見出し(Eleraqi 2026)に基づいて、3つの大きな言語モデルと6つの微調整されたアラビア語のBERTモデルの比較分析を行っている。 その結果,感情分布の顕著かつ非ランダムなばらつきが明らかになった。
  論文  参考訳（メタデータ） (2026-03-18T16:19:51Z)
• Alignment Backfire: Language-Dependent Reversal of Safety Interventions Across 16 Languages in LLM Multi-Agent Systems [0.0]
  加害者治療では、犯罪者は反省するが、行動の変化は従わない。 我々は、アライメントの介入が構造的に類似した現象を生じさせ、表面の安全性は、集合的な病理や内部の解離を覆い隠すか、あるいは発生させることを示した。 これらの所見は, リスクホメオスタシスと子宮新生にともなう行動介入としてのアライメントを再構成した。
  論文  参考訳（メタデータ） (2026-03-05T07:46:59Z)
• A Multifaceted Analysis of Negative Bias in Large Language Models through the Lens of Parametric Knowledge [48.00855840536793]
  負のバイアスとは、二分決定タスクにおいて負の反応を過度に生成する大きな言語モデルの傾向を指す。 大規模言語モデルでは, 形式レベルの負のバイアスが示され, つまり, プロンプト形式は, 負の応答のセマンティクスよりも応答に強く影響している。 モデルがイエスノー質問に答える十分な知識を欠いた場合、負の応答を生じる傾向にあるショートカットの挙動を同定する。
  論文  参考訳（メタデータ） (2025-11-14T01:18:18Z)
• Discrimination by LLMs: Cross-lingual Bias Assessment and Mitigation in Decision-Making and Summarisation [0.19336815376402716]
  大規模言語モデル(LLM)の様々な領域への迅速な統合は、社会的不平等と情報バイアスに関する懸念を提起する。 本研究では, 背景, 性別, 年齢に関連するLCMのバイアスについて検討し, 意思決定や要約作業への影響に着目した。 GPT-3.5 および GPT-4o では, 種々の人口動態, 指示, サリエンスレベル, 言語が試験された。
  論文  参考訳（メタデータ） (2025-09-10T14:25:09Z)
• ChatGPT for automated grading of short answer questions in mechanical ventilation [0.0]
  大規模言語モデル(LLM)は会話言語をシミュレートし、構造化されていない自由テキスト応答を解釈する。 215名の学生のデータを用いて,ChatGPT 4o の評価を行い,SAQ の評価を行った。
  論文  参考訳（メタデータ） (2025-05-05T19:04:25Z)
• Trusting CHATGPT: how minor tweaks in the prompts lead to major differences in sentiment classification [0.0]
  本研究では,インプットの構造の微妙な変化が,感情極性分析の分類結果に有意な変化をもたらすことはないという仮説を検証した。 ラテンアメリカの4人の大統領に対するスペイン語で10万件のコメントのデータセットを用いて、このモデルは10回ごとに肯定的、否定的、中立的なコメントを分類し、それぞれのプロンプトをわずかに変化させた。
  論文  参考訳（メタデータ） (2025-04-16T15:37:09Z)
• CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
  人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。 この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。 逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T15:06:44Z)
• The Devil is in the Neurons: Interpreting and Mitigating Social Biases in Pre-trained Language Models [78.69526166193236]
  プレトレーニング言語モデル(PLM)は、社会的バイアスのような有害な情報を含むことが認識されている。 我々は,社会バイアスなどの望ましくない行動に起因する言語モデルにおいて,正確に単位(すなわちニューロン)を特定するために,sc Social Bias Neuronsを提案する。 StereoSetの以前の測定値からわかるように、我々のモデルは、低コストで言語モデリング能力を維持しながら、より高い公平性を達成する。
  論文  参考訳（メタデータ） (2024-06-14T15:41:06Z)
• Understanding and Mitigating Spurious Correlations in Text Classification with Neighborhood Analysis [69.07674653828565]
  機械学習モデルは、トレーニングセットに存在するが一般的な状況では当てはまらない急激な相関を利用する傾向にある。 本稿では, 周辺分析と呼ばれる新しい視点から, 突発的相関がもたらす意味について考察する。 本稿では,テキスト分類における素早い相関を緩和する正規化手法であるNFL(doN't Forget your Language)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T03:55:50Z)
• Navigating the Grey Area: How Expressions of Uncertainty and Overconfidence Affect Language Models [74.07684768317705]
  LMはプロンプトにおける確実性のマーカーに非常に敏感であり、アクーは80%以上変化している。 その結果,高い確実性の表現は低い表現に比べて精度が低下し,事実動詞が性能を損なうのに対して,明らかな表現はパフォーマンスに寄与することがわかった。 これらの関連性は、LMが真に不確実性を反映するのではなく、観察された言語の使用に基づいていることを示唆している。
  論文  参考訳（メタデータ） (2023-02-26T23:46:29Z)
• Naturalistic Causal Probing for Morpho-Syntax [76.83735391276547]
  スペインにおける実世界のデータに対する入力レベルの介入に対する自然主義的戦略を提案する。 提案手法を用いて,共同設立者から文章中の形態・症状の特徴を抽出する。 本研究では,事前学習したモデルから抽出した文脈化表現に対する性別と数字の因果効果を解析するために,本手法を適用した。
  論文  参考訳（メタデータ） (2022-05-14T11:47:58Z)
• Counterfactual Invariance to Spurious Correlations: Why and How to Pass Stress Tests [87.60900567941428]
  素早い相関」とは、アナリストが重要とすべきでないと考える入力データのある側面に対するモデルの依存である。 機械学習では、これらにはノウ・イ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ」という特徴がある。 因果推論ツールを用いたストレステストについて検討した。
  論文  参考訳（メタデータ） (2021-05-31T14:39:38Z)

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。