„Silicon Samples“: GPT-3 simuliert US-WählergruppenOut of One, Many: Using Language Models to Simulate Human Samples

Argyle et al. · Political Analysis 31 (3) · 2023

Auf Gesamtebene traf ein Sprachmodell das Wahlverhalten von US-Wählern erstaunlich gut, ausgerechnet bei parteilosen Wechselwählern aber praktisch gar nicht.

6,8MFK-Score von 10 · Ergebnis: gemischt

Studiendesign6

Datenbasis7

Unabhängigkeit10

Replikation6

Übertragbarkeit4

Peer-reviewter Validierungsvergleich mit repräsentativem Panel (Stufe 3); Aggregatbefund teils bestätigt, Subgruppen-Schwäche von Folgestudien gestützt; modell- und kontextgebunden. Die Befundlage ist uneinheitlich oder nur unter Bedingungen gültig. Wie der Score entsteht →

Die Zahlen

0,90 / 0,92 / 0,94	tetrachorische Korrelation zwischen GPT-3-„Silicon Sample“ und echten ANES-Befragten 2012 / 2016 / 2020
0,31 / 0,41 / 0,02	dieselbe Korrelation bei parteilosen Wählern 2012 / 2016 / 2020

Methode: GPT-3 erhielt Hintergrundprofile echter ANES-Befragter und sollte deren Wahlentscheidung angeben; Vergleich mit den echten Antworten.
Datenbasis: American National Election Studies 2012, 2016, 2020 (USA).
Einschränkungen und häufige Fehlzitate: Politik, nicht Konsum. Hohe Korrelation über alle Wähler heißt nicht, dass einzelne oder schwer vorhersagbare Gruppen getroffen werden. Die Übertragung auf „Light Buyers“ ist Einordnung, kein Befund.
Interessenlage: keine bekannt (akademisch, BYU)
Quelle: https://arxiv.org/pdf/2209.06899 (frei zugänglich)

Im Podcast

Folge 26 (erscheint demnächst)

Zitieren

Marketing Facts Kompakt (Hrsg.): „„Silicon Samples“: GPT-3 simuliert US-Wählergruppen“. MFK-Studiendatenbank, Stand 2026-11-06. https://marketing-facts.de/studien/argyle-et-al-silicon-samples-2023/

gemischtKI im MarketingMethodik & Marktforschung

← Alle Studien