소셜 미디어 플랫폼의 급격한 성장은 급진화, 필터 버블 및 콘텐츠 편향에 대한 우려를 초래했습니다. 기존의 이데올로기 분류 접근 방식은 방대한 인력과 대량 데이터세트의 라벨링을 요구하며 변화하는 이데올로기 맥락에 적응할 수 없는 한계가 있습니다. 본 논문에서는 온라인 콘텐츠의 정치 이데올로기를 두 당 체제의 미국 정치 스펙트럼에서 맥락 학습(ICL)을 통해 분류하기 위해 대규모 언어 모델(LLMs)의 가능성을 탐구합니다. 뉴스 기사와 YouTube 비디오로 구성된 세 개의 데이터세트에서 수행된 시연 선택의 균형 잡힌 라벨 방식으로 진행된 광범위한 실험 결과, 우리의 접근 방식은 제로샷 및 전통적인 지도 방법보다 significantly 우수한 성과를 보여주었습니다. 또한, 메타데이터(예: 콘텐츠 출처 및 설명)가 이데올로기 분류에 미치는 영향을 평가하고 그 의미를 논의합니다. 마지막으로, 정치 및 비정치 콘텐츠의 출처 제공이 LLM의 분류에 미치는 영향을 보여줍니다.
Haroon et al. (Sun,)은 이 질문을 연구했습니다.