في عصر الذكاء الاصطناعي، أصبحت الاستطلاعات النفسية أداة شائعة لتقييم الصفات الشخصية من خلال نماذج اللغة الكبيرة (LLMs). ومع ارتفاع الطلب على تطوير عناصر استطلاعية تناسب هذه النماذج، تبرز الحاجة لضمان مصداقية العناصر التي تقيس الصفات المستهدفة. عادةً ما تتطلب هذه العملية جمع بيانات من عدد كبير من المستجيبين، مما يمثل تحدياً كبيراً من ناحية التكاليف والوقت.

للتغلب على هذه العقبات، تم تقديم إطار عمل مبتكر يعتمد على محاكاة المستجيبين الافتراضيين باستخدام نماذج اللغة الكبيرة. الفكرة المركزية هنا تدور حول مراعاة العوامل الوسيطة، وهي العوامل التي يمكن أن تؤدي إلى اختلاف الاستجابات لنفس السمة. من خلال محاكاة مستجيبين يتمتعون بوسائط متنوعة، يمكن للباحثين تحديد العناصر الاستطلاعية التي تؤدي إلى استجابات مترابطة بشكل قوي مع الصفات المستهدفة عبر هذه الوسائط.

أظهرت التجارب التي أجريت على ثلاثة نظريات نفسية (Big5، Schwartz، VIA) أن أساليب توليد الوسائط وإطار العمل الخاص بمحاكاة المستجيبين فعالة في تحديد العناصر عالية المصداقية. حيث تمكنت نماذج اللغة الكبيرة من توليد وسائط معقولة من تعريفات الصفات ومحاكاة سلوك المستجيبين في عملية التحقق من العناصر.

تفتح صياغة المشكلة، والمعايير، والمنهجية، ومجموعة البيانات الخاصة بنا اتجاهًا جديدًا لتطوير الاستطلاعات بتكلفة فعالة وفهم أعمق لكيفية محاكاة نماذج اللغة الكبيرة لإجابات الاستطلاعات البشرية.

لحفاظ على زخم البحث العلمي، سيتم توفير مجموعة البيانات والشفرة التي تساعد في الأعمال المستقبلية، مما يرسخ أهمية هذه الطريقة الجديدة في علم النفس وعلم البيانات.