LLM-basierte Agenten revolutionieren die Simulation von Zitationsnetzwerken

Eine neue Studie zeigt, wie große Sprachmodelle (LLMs) die Analyse von Zitationsnetzwerken revolutionieren. Durch die Nutzung von LLM-basierten Agenten kann das neue CiteAgent-Framework realistische Netzwerke erzeugen, die typische Muster wie die Potenzgesetzverteilung, Zitationsverzerrungen und schrumpfende Netzwerkkreise exakt reproduzieren.

Auf Basis dieser Simulationen wurden zwei innovative Forschungsparadigmen vorgestellt: LLM-SE (LLM-basierte Survey-Experiment) und LLM-LE (LLM-basierte Laboratory-Experiment). Diese ermöglichen es, Hypothesen zur Wissenschaftssoziologie systematisch zu testen und bestehende Theorien zu validieren oder zu hinterfragen.

Die Ergebnisse demonstrieren, dass LLMs nicht nur Texte generieren, sondern auch komplexe soziale Dynamiken modellieren können. Damit eröffnen sie neue Möglichkeiten für die Wissenschaft von Wissenschaft und bieten wertvolle Einblicke für reale akademische Umgebungen.

Die Arbeit unterstreicht das enorme Potenzial von LLMs, die Forschung in den Sozialwissenschaften zu beschleunigen und die Analyse von wissenschaftlichen Netzwerken auf ein neues Niveau zu heben.