Grandes Modelos de Linguagem Podem Ser Usados para Estimar as Posições Latentes de Políticos

Abordagens existentes para estimar as posições latentes de políticos ao longo de dimensões específicas frequentemente falham quando os dados relevantes são limitados. Aproveitamos o conhecimento incorporado em modelos de linguagem generativos (LLMs) para enfrentar esse desafio e medir as posições dos legisladores ao longo de dimensões políticas ou de políticas específicas. Solicitamos a um LLM ajustado por instrução/dialogo que compare pares de legisladores e, em seguida, escalamos o gráfico resultante usando o modelo Bradley-Terry. Estimamos novas medidas das posições dos senadores dos EUA sobre a ideologia liberal-conservadora, controle de armas e aborto. Nossa escala liberal-conservadora, usada para validar a escalagem orientada por LLM, correlaciona-se fortemente com medidas existentes e compensa lacunas interpretativas, sugerindo que os LLMs sintetizam dados relevantes da internet e da mídia digitalizada em vez de apenas memorizar medidas existentes. Nossas medidas de controle de armas e aborto — as primeiras de seu tipo — diferem da escala liberal-conservadora de maneiras que parecem válidas e prevêem melhor as classificações de grupos de interesse e os votos de legisladores do que a ideologia sozinha. Nossos resultados sugerem que os LLMs têm potencial para resolver problemas complexos de medição em ciências sociais.