技術的要約：調査に基づくペルソナからLLMエージェントへ

問題提起

欧州連合（EU）による新しい内燃機関（ICE）車両の段階的廃止へのコミットメントは、重大な政策転換を意味するが、こうした変化に対する公衆の反応は、相互作用、フィードバック、そして進化する社会政治的文脈によって形作られる動的なものである。従来の調査手法は、特定の時点における態度の測定には効果的であるが、外生的ショックや展開する事象の下で態度がどのように進化するかをモデル化するには適していない。近年の文献では、大規模言語モデル（LLM）を生成エージェントとして用いて人間の行動をシミュレートする研究が進んでいるが、既存の研究は主に、手作業で作られた定型的なペルソナに依存している。このアプローチは、ペルソナのデザインがエージェントの文脈解釈や意思決定に大きな影響を与えるため、シミュレーションの経験的な根拠を制限してしまう。その結果、2つの重要なギャップが残されている。(1) 手作業によるペルソナではなく、経験的に裏付けられた回答者集団からLLMエージェントを構築する手法の欠如、および (2) これらの根拠に基づいたエージェントを用いて、変化する社会状況下での動的な政策選好形成を研究するためのフレームワークの欠如である。

メソドロジー

著者らは、**調査に基づいた生成エージェント・ベース・モデリング（GABM）**シミュレーション・フレームワークを提案する。このアプローチは、実際の調査回答者を生成LLMエージェントへと変換することで、静的な経験データと動的な行動シミュレーションの間の溝を埋めるものである。

データとエージェントの構築

本フレームワークは、IPAC（Integrative Public-Policy-Acceptance）フレームワークに基づいて設計された、ドイツでのオンライン調査（2025年夏季、回答者514名）のデータを利用する。

• ペルソナのエンコーディング： 各回答者は、自然言語によるペルソナを通じてLLMエージェントへと変換される。これらのペルソナは、以下の57の属性をエンコードしている：
  • デモグラフィックス（年齢、性別、教育、所得、連邦州）。
  • 政治的志向および政党支持。
  • モビリティ行動および燃料に関する経験。
  • 気候関連の態度（懸念、リスク認識、政府への信頼）。
• 初期化： エージェントは、その後の更新のベースラインとして、ICE段階的廃止への支持に関する観察された調査回答とともに初期化される。

シミュレーション・フレームワーク

シミュレーションは、エージェントが繰り返されるラウンド（2025年第1四半期からの四半期を表す16ラウンド）を通じて時間の経過とともに選好を更新する、動的な世界で動作する。

• コンテキスト入力： 各ラウンドにおいて、エージェントは自身のペルソナ、過去の回答履歴、現在の国および州レベルの支持分布、そしてイベント駆動型シナリオにおける外部イベントに関する情報を含む、構造化されたプロンプトを受け取る。
• 意思決定ロジック： エージェントはこれらの入力を検討し、「選挙において、そのような政策を支持する政党にどの程度投票するか？」という問いに答えることで、政策スタンスを更新する（尺度1〜6）。
• フィードバック・ループ： 集計されたエージェントの回答は、集団的な支持分布を更新し、それが次のラウンドの社会的コンテキストとして機能する。
• 実験条件： 本研究では、ベースライン・シナリオ（外生的ショックなし）と、イベント駆動型シナリオ（支持または反対の効果を持つ10のコンテキストに関連したイベントを導入）を比較する。
• モデル構成： 確率的な変動を最小限に抑えるため、温度（temperature）0のOpenAI GPT-4o miniを使用する。実験では、プロンプトの言語（ドイツ語 vs 英語）および要約のスタイル（環境重視型 vs 中立型）を変化させる。

主な貢献

1. フレームワークの開発： 手作業によるペルソナを超え、構造化された調査データを自然言語のLLMエージェントへと変換する、調査に基づいたGABMフレームワークの導入。
2. 経験的な適用： ドイツにおけるICE車両の段階的廃止に対する公衆の支持という、時宜を得た政策問題への本フレームワークの適用（EUのネットゼロ目標に合致）。
3. 動的な分析： 調査に基づいたエージェントが変化する社会的コンテキストや外部イベントにどのように反応するかについての経験的分析を提供し、時間的な支持の軌跡、選好の切り替え、およびプロファイルの異質性の検討を可能にする。

結果

シミュレーション結果は、選好形成における重要なダイナミクスを浮き彫りにしている：

• ベースラインのダイナミクス： 外部ショックがない場合、エージェントは一般的に支持の上昇傾向を示し、中程度のポジションから最高支持レベル（6）へと移動する。これは、シミュレーション環境が単に初期分布を維持するのではなく、固有の上昇ドリフトを生み出していることを示唆している。
• プロンプトの感度： フレームワークはプロンプトのデザインに対して非常に敏感である：
  • ドイツ語プロンプト： 特に中立的な要約の下で、より決定的な上昇移動と最高支持レベルへの収束を生み出す。
  • 英語プロンプト： より拡散した分布をもたらし、回答が最高レベルへの崩壊ではなく、中間レベル（4〜6）に広がることになる。これは、アンカリングが弱く、極端な集約が起こりにくいことを示している。
• イベント駆動型のダイナミクス： 外部イベントの導入は、プロンプトの言語とスタイルの影響を増幅させる。
  • 環境に関する要約を伴うドイツ語プロンプトは、引き続き高い支持への大幅なシフトを駆動する。
  • 英語および中立的なプロンプトは、質量を中間カテゴリーに分散させ、エージェントが選好を更新する方法における異質性を高める。
  • 支持レベルの揮発性は、イベントベースのシナリオにおいてより顕著である。特に、英語のプロンプトはより顕著な変動を示す。
  • 注目すべき点として、英語のプロンプトに基づいたシナリオにおける最終的な支持レベルは、ドイツ語のプロンプトに基づいたシナリオよりもわずかに高い。 これは、ドイツ語のプロンプトがトップレベルへの決定的な収束を駆動しているにもかかわらずである。
• 個別の推論： ケーススタディにより、エージェントが個人の価値観、政府への信頼、および知覚された公平性の複雑な相互作用に基づいて推論を調整することが明らかになった。例えば、あるエージェントは気候に関する価値観に基づいて高い支持を維持するが、イベントが低所得世帯に対する分配的正義の懸念を強調すると、支持を低下させることがある。

意義と限界

本論文は、政治的問題と社会的受容分析を動的な環境の中で結びつけることで、計算社会科学を進展させる意義があると主張している。適切なペルソナ設計によって、意思決定の現実的なシミュレーションが可能となり、静的な調査では捉えられない行動実験を容易にできることを示している。

しかし、著者らはその含意について控えめな姿勢を維持している：

• データ依存性： シミュレーションの質は基礎となる調査データに縛られており、測定誤差や欠落はエージェントのペルソナに引き継がれる。
• 単純化： 本フレームワークは、複雑な人間の意思決定を構造化されたプロンプトと限定された回答尺度へと単純化している。
• プロンプトの感度： 結果はプロンプトの言語、スタイル、および順序によって大幅に変化するため、シミュレーション結果の解釈には注意が必要である。
• イベント設計： イベントは手作業で設計されており、現実世界の政治的展開の予測不可能性を完全には捉えきれていない可能性がある。
• 相互作用の制限： 現在の設定は選好の更新をモデル化しているが、直接的なピア・ツー・ピアのコミュニケーションやネットワーク構造のような、より豊かな社会的相互作用は含まれていない。
• モデルの特定性： 知見はGPT-4o miniの温度0の設定に特有のものであり、異なるモデルや確率的な設定では異なる結果が生じる可能性がある。

著者らは、これらの出力は個々の説明よりも集計された行動パターンの分析に価値があることを強調し、これらが将来の実際の市民の政治行動を正確に反映したものではなく、選好ダイナミクスのシミュレーションとして解釈されるべきであると結論付けている。