Fire roller store språkmodeller nå spiller i samfunnsvitenskapen, fra forsøksperson til revisor

Image: "Street crowd reflecting in the polyhedral mirrors of the station Tokyu" by Basile Morin (CC BY-SA 4.0) via Wikimedia Commons, recoloured.
Hvordan endrer store språkmodeller samfunnsvitenskapelig forskning? En ny oversiktsartikkel i *Nature Human Behaviour* deler bruken inn i fire roller: simulerte forsøkspersoner, analyseassistenter, samarbeidspartnere for hypoteser og kvalitetsevaluatorer. Artikkelen finner reell akselerasjon, men advarer om at kausal inferens, etikk og evnen til å gjengi sosial kompleksitet fortsatt er uavklart.
Forsøksperson, assistent, samarbeidspartner, evaluator
De fleste metodedebatter om generativ KI i samfunnsvitenskapen behandler den fortsatt som én ting: en chatbot som man enten kan eller ikke kan stole på. En oversiktsartikkel ledet av Fengli Xu (Tsinghua University) og James A. Evans (University of Chicago og Santa Fe Institute), med medforfattere fra Tsinghua, HKUST og Microsoft Research Asia, hevder at denne innrammingen er for grov. Artikkelen, publisert i *Nature Human Behaviour*, gjennomgår nyere arbeid innen sosiologi, statsvitenskap, psykologi, antropologi, økonomi og beslektede fag, og organiserer det etter hvilken oppgave modellen utfører i forskningsprosessen.
Ifølge Xu, Evans og kolleger (*Nature Human Behaviour*, 2026) har store språkmodeller nå fire distinkte forskningsroller. Som forsøkspersoner simulerer de menneskelig atferd og står i stedet for respondenter eller deltakere. Som assistenter automatiserer de analyse, for eksempel koding og klassifisering av store tekstmengder. Som samarbeidspartnere bidrar de til å generere hypoteser. Som evaluatorer reviderer og forbedrer de kvaliteten på selve forskningen. Forfatterne argumenterer for at disse bruksområdene samlet gjør mer enn å effektivisere eksisterende arbeid: de skaper nye metodologiske paradigmer.
Oversiktsartikkelen gjør også et konseptuelt poeng som er viktig for alle som studerer markeder, organisasjoner eller forbrukere. Fordi samfunnet i økende grad er mettet med KI-agenter, skriver forfatterne, er store språkmodeller både forskningsverktøy og autentiske forskningsobjekter. En modell som simulerer en respondent i en spørreundersøkelse, er en metode; en modell som forhandler, anbefaler eller overtaler i den virkelige økonomien, er en del av fenomenet. Det samme systemet kan befinne seg på begge sider av en studie, noe forfatterne beskriver som en rekursiv utfordring for feltet.
Forbeholdene uttrykkes tydelig. Forfatterne rapporterer at store språkmodeller har vanskeligheter med kausal inferens, reiser presserende etiske bekymringer knyttet til personvern og feilinformasjon, og at evnen deres til å gjengi sosial kompleksitet fortsatt er ujevn og udokumentert. Oversiktsartikkelen avslutter med å identifisere forskningsretninger for å utnytte modellenes potensial og samtidig håndtere disse begrensningene. Merk at dette er en syntese av eksisterende studier og ikke en ny empirisk test, så verdien ligger i kartet den tegner, ikke i nye effektstørrelser.
Hvorfor det betyr noe: Rammeverket med fire roller gir forskere en praktisk måte å avgjøre hvor mye validering en gitt bruk av en språkmodell krever. Å bruke en modell som assistent for forhåndskoding av åpne svar innebærer andre risikoer enn å bruke den som forsøksperson i stedet for menneskelige deltakere, og begge skiller seg fra å be den foreslå hypoteser eller vurdere et manuskript. Å navngi rollen eksplisitt i metodedelen, og tilpasse valideringen til rollen (menneskelige referansedata for simulerte forsøkspersoner, samsvarskontroller for automatisert koding, uavhengig vurdering av KI-genererte hypoteser), er en enkel måte å gjøre samfunnsvitenskap med støtte fra språkmodeller lettere å vurdere for redaktører og fagfeller.
Kilde: Xu, F., Shao, C., Chen, L., Zeng, Q., Chen, Z., Sukiennik, N., Wang, J., Gao, C., Wang, H., Lian, J., Meng, Q., Xie, X., Li, Y. & Evans, J. A. (2026). Large language models for computational social science. *Nature Human Behaviour*, 10(11). Les originalartikkelen. Uavhengig redaksjonell oppsummering av tredjepartsforskning.





Kommentarer