論文の概要: Large Language Models as Implicit Sociological Models: Reconstructing Voting Behaviour from Sociodemographic Profiles

• arxiv url: http://arxiv.org/abs/2608.15871v1
• Date: Sun, 16 Aug 2026 17:39:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.45717
• Title: Large Language Models as Implicit Sociological Models: Reconstructing Voting Behaviour from Sociodemographic Profiles
• Title（参考訳）: 必然的社会モデルとしての大規模言語モデル:ソシオドモグラフィーによる投票行動の再構築
• Abstract要約: 大規模インターネットコーパスで訓練された大規模言語モデル(LLM)は、社会的アイデンティティ、態度、政治的行動に関する広範な統計規則を符号化する。 本稿では、これらの潜在表現を利用して、個人レベルの社会デマグラフィープロファイルから投票行動の集合を再構築するための方法論的枠組みを紹介し、評価する。
• 参考スコア（独自算出の注目度）: 1.7299313638653595
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) trained on large-scale internet corpora encode extensive statistical regularities about social identities, attitudes, and political behaviour. This paper introduces and evaluates a methodological framework that leverages these latent representations to reconstruct aggregate voting behaviour from individual-level sociodemographic profiles. We operationalize LLMs as implicit sociological models by conditioning them on demographic descriptions, eliciting probabilistic turnout and party preferences, and aggregating individual outputs via a soft voting procedure. Using the 2021 Czech parliamentary election as a validation case, we demonstrate that contemporary LLMs reproduce official election outcomes with low mean absolute error, recover known political bloc structures, and align with independently established sociodemographic gradients. The contribution of this work is methodological rather than predictive: we show how LLMs can be systematically interrogated as compressed representations of social reality, offering a novel exploratory instrument for computational social science while clearly delineating its epistemic and ethical limits.
• Abstract（参考訳）: 大規模インターネットコーパスで訓練された大規模言語モデル(LLM)は、社会的アイデンティティ、態度、政治的行動に関する広範な統計規則を符号化する。 本稿では、これらの潜在表現を利用して、個人レベルの社会デマグラフィープロファイルから投票行動の集合を再構築するための方法論的枠組みを紹介し、評価する。 我々は, LLMを人口統計学的記述に適応させ, 確率的ターンアウトと政党選好を付与し, ソフト投票による個人出力を集約することにより, 暗黙的な社会学モデルとして運用する。 2021年のチェコ議会選挙を検証ケースとして、現代のLLMは、絶対誤差の低い選挙結果を再現し、既知の政治ブロック構造を復元し、独立に確立された社会デミノグラフ勾配と整合することを示した。 この研究の貢献は、予測よりも方法論的であり、我々は、LLMを社会現実の圧縮された表現として体系的に問うことができ、その認識と倫理的限界を明確に表現しながら、計算社会科学のための新しい探索手段を提供する。

関連論文リスト

• Shaping Schema via Language Representation as the Next Frontier for LLM Intelligence Expanding [88.11781604392606]
  本稿では,言語表現を実世界の地図化とモデル化に使用される言語的・象徴的構造として定義する。 我々は、高度な言語表現によるスキーマ形成が、大規模言語モデルの拡張の次のフロンティアであると主張している。
  論文  参考訳（メタデータ） (2026-05-10T02:42:29Z)
• Parametric Social Identity Injection and Diversification in Public Opinion Simulation [26.236052138777186]
  大規模言語モデル(LLM)は近年,世論シミュレーションのための合成エージェントとして採用されている。 スケーラビリティにも拘わらず、現在のシミュレーション手法では社会的多様性を捉えることができない。 人口統計属性の明示的パラメトリック表現を注入する一般フレームワークであるParametric Social Identity Injection (PSII)を提案する。
  論文  参考訳（メタデータ） (2026-03-17T05:52:03Z)
• Interpretable Debiasing of Vision-Language Models for Social Fairness [55.85977929985967]
  本稿では,視覚・言語モデルに社会的属性ニューロンを局在させる,解釈可能なモデルに依存しないバイアス緩和フレームワークDeBiasLensを紹介する。 社会属性ラベルを含まない顔画像やキャプションデータセットでSAEを訓練し、特定の人口動態に高い応答性を持つニューロンを明らかにする。 我々の研究は、未来の監査ツールの基礎を築き、新興の現実世界のAIシステムにおける社会的公正性を優先します。
  論文  参考訳（メタデータ） (2026-02-27T13:37:11Z)
• Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
  本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。 我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。 特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
  論文  参考訳（メタデータ） (2025-09-12T10:43:47Z)
• The Prompt Makes the Person(a): A Systematic Evaluation of Sociodemographic Persona Prompting for Large Language Models [7.819021910077221]
  異なるペルソナのプロンプト戦略が大規模言語モデル(LLM)に与える影響について検討する。 人口統計学的プライミングと役割採用戦略の選択が、その描写に大きく影響していることが判明した。 具体的には、インタビュースタイルのフォーマットと名前ベースのプライミングのプロンプトが、ステレオタイピングの削減に役立ちます。
  論文  参考訳（メタデータ） (2025-07-21T21:23:29Z)
• Beyond Demographics: Fine-tuning Large Language Models to Predict Individuals' Subjective Text Perceptions [33.76973308687867]
  モデルにより,学習時の社会デマログラフィーの促進効果が向上することを示す。 このパフォーマンス向上は主に、ソシオデマトグラフィーパターンよりも、アノテータ固有の振る舞いを学ぶモデルが原因である。 全ての課題において,本研究の結果から,ソシオデマトグラフィーとアノテーションの関連性はほとんど学習されていないことが示唆された。
  論文  参考訳（メタデータ） (2025-02-28T09:53:42Z)
• A Large-Scale Simulation on Large Language Models for Decision-Making in Political Science [18.521101885334673]
  我々は,大規模投票者の意思決定をシミュレートする理論駆動多段階推論フレームワークを開発した。 我々は、現実の有権者データに校正された合成人格を用いて、最近のアメリカ合衆国大統領選挙の大規模なシミュレーションを行う。
  論文  参考訳（メタデータ） (2024-12-19T07:10:51Z)
• Designing Domain-Specific Large Language Models: The Critical Role of Fine-Tuning in Public Opinion Simulation [0.0]
  本稿では,英国家庭縦断研究の社会デマトグラフィーデータを統合した,新しい微調整手法を提案する。 多様な合成プロファイルをエミュレートすることで、微調整されたモデルは、事前訓練されたモデルよりも大幅に優れている。 より広範な意味は、医療や教育などの分野にLLMをデプロイすること、包括的でデータ駆動型意思決定を促進することである。
  論文  参考訳（メタデータ） (2024-09-28T10:39:23Z)
• Social Debiasing for Fair Multi-modal LLMs [59.61512883471714]
  MLLM(Multi-modal Large Language Models)は、研究分野を劇的に進歩させ、強力な視覚言語理解機能を提供する。 これらのモデルは、しばしば訓練データから根深い社会的偏見を継承し、人種や性別などの属性に対する不快な反応をもたらす。 本稿では,MLLMにおける社会的バイアスの問題を,複数の社会的概念を持つ包括的対実的データセットを導入することで解決する。
  論文  参考訳（メタデータ） (2024-08-13T02:08:32Z)
• On the steerability of large language models toward data-driven personas [98.9138902560793]
  大規模言語モデル(LLM)は、特定のグループや集団の意見が不足している偏りのある応答を生成することが知られている。 本稿では, LLM を用いて特定の視点の制御可能な生成を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-11-08T19:01:13Z)
• 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)
• Training Socially Aligned Language Models on Simulated Social Interactions [99.39979111807388]
  AIシステムにおける社会的アライメントは、確立された社会的価値に応じてこれらのモデルが振舞うことを保証することを目的としている。 現在の言語モデル(LM)は、トレーニングコーパスを独立して厳格に複製するように訓練されている。 本研究は,シミュレートされた社会的相互作用からLMを学習することのできる,新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-05-26T14:17:36Z)

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。