AI 遇上民粹主义：利用大型语言模型发展民粹主义研究

衡量民粹主义思想内容仍是一个挑战。传统基于文本分析的策略对建立该领域的基础和提供有效、客观的民粹主义表述框架至关重要。然而，这些方法成本高昂、耗时繁琐，且难以在不同语言、语境和大规模语料库中进行扩展。本文提出一种基于 rubric 和锚点的链式思考（CoT）提示方法，旨在模拟人类编码者的训练过程。通过利用全球民粹主义数据库（GPD）——一个包含全球领导人演讲并标注民粹主义程度的全面数据集——我们复制了用于训练人类编码者的流程，通过提示 LLM 以该领域特定的文档调整版本引导模型推理。随后我们测试了多个专有和开源模型，通过复制 GPD 中的分数来评估。我们的发现表明，这种领域特定的提示策略使 LLM 能够实现与专家人类编码者相当的分类准确率，展示了其在民粹主义细微、情境敏感方面导航的能力。