본 연구는 대규모 언어 모델(LLM)을 이용하여 설문 조사 결과를 예측하는 새로운 방법을 제시합니다. GPT-4, GPT-3.5, Claude 3.5, Sonnet, Llama, Mistral 등 다양한 LLM과 전통적인 Random Forests 알고리즘을 세계 가치관 조사(WVS) 데이터와 비교 분석하여 LLM의 성능을 평가했습니다. LLM은 추가적인 훈련 데이터 없이도 경쟁력 있는 성능을 보였지만, 특정 종교 및 인구 집단에 대한 응답 예측에서는 편향성을 보이며 성능이 저하되었습니다. 반면, 충분한 데이터로 훈련된 Random Forests는 LLM보다 더 나은 성능을 보였습니다. LLM의 검열 메커니즘을 제거하면 특히 소외된 인구 집단에 대한 예측 정확도가 크게 향상되는 것을 확인했습니다.
