Belief-Sim: Towards Belief-Driven Simulation of Demographic Misinformation Susceptibility
Author
- Haebom
Category
Empty
저자
Angana Borah, Zohaib Khan, Rada Mihalcea, Veronica Perez-Rosas
💡 개요
본 연구는 사회적 위협으로 대두되는 허위 정보에 대한 인구 통계학적 그룹별 취약성이 근본적인 신념의 차이에서 비롯된다는 점에 주목합니다. 대규모 언어 모델(LLM)을 활용하여 인간 행동을 시뮬레이션할 때, 신념을 주요 동인으로 삼아 인구 통계학적 허위 정보 취약성을 시뮬레이션할 수 있는지 탐구합니다. 이를 위해 심리학에 기반한 허위 정보 분류 체계와 설문 조사 사전 정보를 활용하여 인구 통계학적 신념 프로필을 구축하는 시뮬레이션 프레임워크인 BeliefSim을 제안합니다.
🔑 시사점 및 한계
•
신념은 허위 정보 취약성 시뮬레이션에 강력한 사전 정보 역할을 할 수 있으며, 최대 92%까지 정확도를 보여줍니다.
•
심리학적 원칙과 데이터를 결합한 BeliefSim 프레임워크는 LLM을 통해 사회 현상 시뮬레이션의 가능성을 제시합니다.
•
다양한 모델링 전략과 데이터셋에서 제안된 방법론의 효과성을 입증하였으나, 실제 인구 통계학적 취약성 시뮬레이션의 복잡성을 완전히 반영하기 위한 추가적인 연구가 필요합니다.
