Yapay zeka teknolojilerinin sosyal bilimlere entegrasyonu yeni bir döneme işaret ederken, araştırmacılar büyük dil modellerini kullanarak 'silikon örneklem' adı verilen sentetik veri setleri oluşturuyor. Bu yaklaşım, gerçek insan katılımcılarının yerine geçecek yapay veriler üretmeyi hedefliyor.
Ancak arXiv'de yayınlanan yeni bir çalışma, bu metodun beklenenden çok daha karmaşık ve sorunlu olduğunu gösteriyor. Araştırmacılar, yapay örneklem oluştururken yapılan her teknik seçimin - hangi modelin kullanılacağından, demografik bilgilerin nasıl ekleneceğine kadar - sonuçları köklü şekilde etkilediğini keşfetti.
İlk çalışmada, iki sosyal-psikolojik ölçek kullanılarak 252 farklı konfigürasyon test edildi. Sonuçlar şaşırtıcıydı: farklı ayarlar, katılımcı sıralamalarını, yanıt dağılımlarını ve ölçekler arası korelasyonları farklı düzeylerde yakalayabiliyordu. Daha da önemlisi, bir boyutta başarılı olan konfigürasyonlar, başka boyutlarda başarısız olabiliyordu.
İkinci çalışma, bu analizı daha önce yayınlanmış gerçek bir silikon örneklem kullanım örneği üzerinde genişletti. Bu durum, sosyal bilim araştırmalarında yapay zeka kullanımının standartlaştırılması ve güvenilirlik kriterlerinin belirlenmesi ihtiyacını ortaya çıkarıyor.
Bulgular, yapay zeka destekli sosyal bilim araştırmalarında metodolojik şeffaflık ve standardizasyon konularının kritik önemde olduğunu vurguluyor.