تشهد الدراسات الحديثة في مجال الذكاء الاصطناعي (AI) تطورات مذهلة في استخدام نماذج اللغات الضخمة (LLM) لدعم النقاشات المدنية. تعتبر هذه الدراسة واحدة من أبرز المحاولات لكسر الحواجز الحالية التي تحد من فعالية النقاشات. يعاني النظام الحالي من نقص في البيانات المعززة بمعلومات المتحدثين، مما يمنع النماذج من فهم السلوكيات الدقيقة للمشاركين عبر الاجتماعات.

لذلك، تم تطوير خط أنابيب (pipeline) قابل للتكرار، يقوم بتحويل تسجيلات Zoom العامة إلى نصوص مخططة معروفة بأسماء المتحدثين، مما يساعد على تحليل السياقات بشكل أفضل. يتم إثراء هذه النصوص بملفات تعريف شخصية مختلفة، مواضيع، وعلامات معنوية مثل [propose_motion]. هذا التطور الوازن لم يعد يقتصر على توفير البيانات فقط، بل يوفر أيضًا مجموعة من البيانات العامة للدراسات الحكومية تشمل جلسات المحكمة، اجتماعات مجلس المدارس، واجتماعات البلديات.

إحدى النتائج المثيرة للاهتمام هي تقليص نسبة التعقيد بنسبة 67% وزيادة دقة النماذج المستندة إلى التصنيف بشكل ملحوظ، حيث وصل عدد محاولات التصويت إلى زيادة تصل إلى 3.6 مرة. كما تحسنت استجابة النقاش بنسبة تصل إلى 70%. تتيح تقييمات البشر من المحاكاة أن تكون للمقتطفات الناتجة صعوبة في التمييز بينها وبين النقاشات الحقيقية، مما يجسد قاعدة تطبيقية لدراسات محاكاة النقاشات المدنية المعتمدة على البيانات.