AIと社会科学の研究潮流：計算社会科学とLLMエージェント（2024–2026）

レビュー論文の素材として、AIと社会科学の交差に関する査読論文・主要展望論文・高被引用プレプリント29件を軽量スコーピングで収集した統合要約。 各文献の完全な書誌は末尾「参照文献」を参照（DOI/URLつきで到達確認済み）。出典追跡・確度・裏取り経路つきの内部作業台帳は source/review/ai-social-science-research-trends/papers.md（リポジトリ内部・非公開）。 収集規約は .claude/rules/collection-protocol.md（捏造ゼロ・一次優先・出典追跡）。関連note: design-social-science-nexus、ai-economics-research-trends、ai-humanities-digital-humanities-trends。

調査メタ情報

• 収集日: 2026-07-19 ／ 件数: 29（軽量スコーピング＝網羅より見落とし回避を優先）
• 媒体重心: Science、PNAS、Nature、Nature Human Behaviour、Political Analysis、Sociological Methods & Research、Computational Linguistics、arXiv (cs.CL / cs.CY)
• 確度の注意: プレプリント段階の文献が数件含まれる（査読誌掲載の未確認は末尾で [要一次検証] として集約）。出版社本体（science.org / pnas.org / nature.com）がログイン壁のことがあり、その場合は PubMed / PMC / ACL Anthology / Cambridge Core / RePEc / 所属機関ページで書誌を裏取りした。

導入

社会科学がAIを問題にするようになった経緯は、二つの流れが2023年に交わったところにある。

一つは、LLMが人間の言語データを大量に処理する道具として使えるようになった流れである。 社会科学の実証研究は、調査回答、政治的テキスト、SNS投稿といった言語データの分類とコーディングに人手を費やしてきた。 その工程を LLM が肩代わりできるなら、測定のコストと速度が一変する。 Gilardi らが2023年に「ChatGPT はテキスト注釈でクラウドワーカーを上回る」と PNAS で報告したとき、これは単なるツールの評価ではなく、社会科学の測定実践そのものを問い直す契機になった。

もう一つは、LLMが人間そのものを模擬する装置として使えるかもしれない、という流れである。 Argyle らは GPT-3 を人口統計情報で条件付けすると特定の人口層の世論分布を再現できることを示し、これを「シリコンサンプル」と呼んだ。 同じ年に Park らは、記憶と反省と計画を持つ25体の生成エージェントが村のなかで創発的に振る舞うシステムを公開した。 人間の回答や行動を、人間を集めずに得られるかもしれない。 この見通しは調査研究の前提を揺さぶった。

この二つの流れは、社会科学者に別々の問いを突きつける。 道具として使うなら、その測定は妥当で再現可能かが問われる。 人間の代替として使うなら、模擬された回答が本物の人間を代表しているかが問われる。 2024年から2026年にかけての研究潮流は、この楽観と警戒のあいだの往復として読める。 以下では、計算社会科学のLLM転回、研究道具としてのLLMとその妥当性批判、社会エージェントとシリコンサンプリング、社会科学的対象としてのAI、の4クラスタで整理する。

計算社会科学のLLM転回

分野全体の議題を設定したのは、2023年から2024年にかけての展望論文である。

Grossmann らは2023年に Science で、LLM が社会科学の理論検証、模擬データ生成、尺度化、意思決定支援を変えうると論じた。 これは分野の変革を議題として掲げた最初期の影響力ある短報であり、同時にバイアス管理とデータ忠実性を課題として名指しした。 議題の提示と警戒の提示が同じ論文に同居している点が、この潮流の出発点の性格をよく表している。

Bail は2024年の PNAS で、生成AIの応用可能性を調査研究、オンライン実験、コンテンツ分析、エージェントベースモデルの四領域で体系的に整理した。 同時に、学習データのバイアス、倫理、再現性、環境コスト、そして低品質研究の増殖という懸念を並べ、社会科学者が主導するオープンソースのインフラ構築を解決策として提言した。 機会の列挙で終わらず、機会がもたらす副作用まで論じた点で、この論文は分野の議論を構造化した。

能力の限界を実測で切り分けたのは Ziems らの2024年の論文である。 彼らは13のLLMを25の計算社会科学ベンチマークでゼロショット評価し、分類タスクでは fine-tuned モデルに及ばない一方、自由記述のコーディングではクラウドワーカーを上回る場合があることを示した。 「LLM は社会科学を変えられるか」という問いに対し、タスクの種類ごとに答えが違うという分解を与えたことが、この論文の貢献である。

研究道具としてのLLMとその妥当性批判

このクラスタは、楽観の実証と批判の実証が最も接近している場所である。

楽観の側では、Gilardi らが2023年に PNAS で、ChatGPT のゼロショット注釈精度がクラウドワーカーを平均で約25ポイント上回り、コストは MTurk の約30分の1で済むことを示した。 Törnberg は同年、政治家のツイートの分類で ChatGPT-4 が専門家とクラウドワーカーの双方を上回り、しかもバイアスが小さいと報告した。 測定の担い手を人間から LLM に置き換える動きは、ここで具体的な数値を得た。

批判の側は、置き換えの前提を検証する形で立ち上がった。 Pangakis らは2023年に、GPT-4で11データセット・27タスクを再現し、性能がタスクによって大きく変わることを示して、LLM注釈は人間ラベルとの照合検証を経なければ使えないと主張した。 Halterman と Keith は2025年に、LLM が実際のコードブックの定義に忠実に従うかを問い、ゼロショットのF1が0.21から0.65と低く、指示チューニングで初めて実用水準に近づくことを Political Analysis で示した。 高精度の報告と、定義への非追従の報告が、同じ道具について並存している。

2025年から2026年にかけて、この緊張を方法論の規範として整える論文が続いた。 Lin と Zhang は2025年に、LLM を主注釈者または補助者として使うフレームワークを提案し、妥当性、信頼性、再現性、透明性の四つのリスクを体系化した。 Abdurahman らは同年、LLM を社会科学のデータ分析と合成データ生成に使う研究者向けの評価ガイドラインを Advances in Methods and Practices in Psychological Science に発表した。 Desai らは2026年のプレプリントで、社会科学のフラッグシップ誌8誌に載った LLM 測定研究を横断的に調べ、バリデーションの実践が不十分であることを実証した。 潮流は「LLM は使えるか」から「LLM を使うときに何を検証すべきか」へ移りつつある。

社会エージェントとシリコンサンプリング

人間を集めずに人間の回答や行動を得る、という発想が最も先鋭に現れるのがこのクラスタである。

方法論の原典は二つある。 Argyle らは2023年に Political Analysis で、GPT-3 を一人称の人口統計バックストーリーで条件付けすると人間の調査回答分布を再現できることを示し、その適合度をアルゴリズム的忠実度という概念で定式化した。 同じ年、Park らは UIST で、記憶ストリームと反省と計画を持つ25体の生成エージェントがサンドボックスのなかで創発的な社会行動を見せるシステムを公開した。 前者は「シリコンサンプリング」を、後者はエージェントベース社会シミュレーションの LLM 化を、それぞれ方法論として確立した。

楽観は2024年から2026年にかけて個人レベルへ拡張した。 Park らは2024年のプレプリントで、1,052人の実在人物への半構造化インタビューにエージェントを接地させ、本人が2週間後に自己回答した一般社会調査（GSS）の再現精度が、本人の再テスト一貫性の83から86パーセントに達すると報告した（初出時の題「Generative Agent Simulations of 1,000 People」は改題されている）。 Ashokkumar と Hewitt らは2026年に Nature で、70件の事前登録された全国代表的調査実験を対象に、GPT-4 のシミュレーション処置効果予測が人間フォーキャスターの集合知と同水準の精度（相関 r=0.85、モデルの学習データに含まれない未公表実験でも r=0.90）を達成すると示した。 個人の回答も、実験の結果も、一定の範囲で予測できるという主張である。

警戒はこの楽観に、同じ土俵で反証を突きつけた。 Bisbee らは2024年に、Argyle と同じ Political Analysis で、ChatGPT が生成した合成世論は平均こそ実調査に近いが分散が著しく低く、回帰係数の約48パーセントが実際の値と有意に異なることを示した。 彼らはさらに、2023年6月の OpenAI のアップデート後に結果が乖離した事実を記録し、合成データの統計的推論への利用に強い警告を発した。 Lin は2025年に、LLM を人間参加者の代替とする議論に潜む六つの誤謬を体系的に列挙し、「機能的等価性」と「機構的等価性」を区別すべきだと論じた。 Qu と Wang は2024年に、World Values Survey で評価すると LLM の性能が西洋・英語・先進国に偏り、非西洋圏で大きく劣ることを示した。 模擬が成り立つ範囲は、平均と分散でも、文化圏でも一様ではない。

このクラスタの潮流は、Argyle（楽観）、Bisbee（批判）、Park と Ashokkumar（拡張）、Lin（概念的批判）という連鎖として読める。 Dillion らが2023年に Trends in Cognitive Sciences で示した折衷、すなわち LLM を完全な代替ではなく仮説生成やパイロットの道具として位置づける枠組みは、この往復のあいだに置かれた実務的な着地点として参照され続けている。

社会科学的対象としてのAI

LLM を道具や代替として使うのではなく、それ自体を研究の対象として扱う潮流も、2024年以降に厚みを増した。

労働への影響は、汎用技術としてのLLMという枠組みで測られた。 Eloundou らは2024年に Science で、O*NET のタスク分類に照らして約80パーセントの職業が少なくとも10パーセントのタスクで GPT-4 に曝露されると推計し、高賃金の職種ほど曝露度が高いという逆転を報告した。 Brynjolfsson らは2025年に Quarterly Journal of Economics で、カスタマーサポート5,179名を対象とした準実験から、生成AIアシスタントが平均14パーセント（初心者層では34パーセント）の生産性向上をもたらし、熟練者の暗黙知を初心者へ波及させる機構を実証した。 影響の分布が均一でない、という知見がこの領域の出発点になっている。

説得と誤情報は、AIが世論に働きかける力の測定として研究された。 Costello らは2024年に Science で、GPT-4 Turbo との個別対話が陰謀論の信念を平均で約20パーセント低減し、その効果が2ヶ月後も持続することを示した（この論文には2026年6月付で Editorial Expression of Concern が出ており、データ処理上の誤りの指摘に対し著者は結論が変わらないと報告している。引用の際は当該懸念に留意する）。 Salvi らは2025年に Nature Human Behaviour で、人口統計で個人化した GPT-4 が人間の討論者より事後同意のオッズを約81パーセント高めることを示し、AIによるマイクロターゲティング型説得の危険を実証した。 一方で Argyle らは2025年に PNAS で、生成AIの説得戦略のうち個人化や対話形式が汎用メッセージに対して付加的な優位を示さないことを報告し、Bai らは同年に、LLM が「事実・証拠・論理」の知覚を通じて説得するのに対し人間は「独自性・独創性」の知覚を通じて説得するという機構の差を同定した。 2025年の Hölbling らのメタ分析は、LLM と人間の説得力の全体差が有意でない（Hedges’ g=0.02）一方で、会話設計やドメインといった文脈要因が分散の大半を説明すると結論した。 AIの説得力は、一律に人間を凌駕するのではなく、条件によって大きく変わる、という像が2026年時点で共有されつつある。

横断的な論点（レビューの軸候補）

1. 楽観と警戒の往復: 同じ媒体（Political Analysis）で Argyle の楽観と Bisbee の批判が対話する構図が、この分野の議論の型を作っている。楽観は個人レベルへ拡張し（Park 2024、Ashokkumar 2026）、批判は概念と規範へ深化した（Lin 2025、Desai 2026）。
2. 代表性の非一様性: シリコンサンプルの適合度は、平均は近くとも分散が低く（Bisbee 2024）、文化圏によって性能が偏る（Qu & Wang 2024）。模擬が成り立つ範囲を条件つきで述べる必要がある。
3. 測定から規範へ: 研究道具としての LLM の潮流は「使えるか」から「何を検証すべきか」へ移った（Lin & Zhang 2025、Abdurahman 2025、Desai 2026）。バリデーションを経ない LLM 測定への懸念が規範化しつつある。
4. 説得力の条件依存性: AIの説得力は一律ではなく、後学習やプロンプト設計、ドメインに依存する（Hölbling 2025、Argyle 2025）。過大評価と過小評価の双方を避ける測定が課題。
5. 再現性という共通の弱点: モデル更新で結果が変わる問題（Bisbee 2024）と、EEC が示すデータ処理の脆弱性（Costello 2024）は、AIを使う研究とAIを対象にする研究の双方にまたがる。

次に読むべき一次文献（優先）

• シリコンサンプリングの妥当性論争の核: Argyle et al. 2023（原典）、Bisbee et al. 2024（批判）。
• 個人レベル模擬の到達点: Park et al. 2024（1,052人の接地）、Ashokkumar/Hewitt et al. 2026（実験結果の予測）。
• 測定の規範化: Ziems et al. 2024（能力の分解）、Desai et al. 2026（バリデーション実態の調査）。
• 対象としてのAI: Eloundou et al. 2024（労働曝露）、Costello et al. 2024（説得、EEC 注記あり）。

関連ノート

• ai-research-gaps-abduction — 各研究潮流が前提としている枠組み自体を問い直し、アブダクション2で見つけるAI研究のスキマの地図

参照文献

全29件。[要一次検証] は書誌の一部（本文到達・査読誌掲載・巻号・著者順のいずれか）が未確定であることを示す。リンクは DOI または到達確認できた一次/準一次ページ。内部の作業台帳は source/review/ai-social-science-research-trends/papers.md。

計算社会科学のLLM転回

• S01 Grossmann, I., Feinberg, M., Parker, D.G., Christakis, N.A., Tetlock, P.E., & Cunningham, W.A. (2023). AI and the transformation of social science research. Science 380(6650), 1108–1109. https://doi.org/10.1126/science.adi1778
• S02 Bail, C.A. (2024). Can Generative AI improve social science? PNAS 121(21), e2314021121. https://doi.org/10.1073/pnas.2314021121
• S03 Ziems, C., Held, W., Shaikh, O., Chen, J., Zhang, Z., & Yang, D. (2024). Can Large Language Models Transform Computational Social Science? Computational Linguistics 50(1), 237–291. https://doi.org/10.1162/coli_a_00502

研究道具としてのLLMとその妥当性批判

• S04 Gilardi, F., Alizadeh, M., & Kubli, M. (2023). ChatGPT outperforms crowd workers for text-annotation tasks. PNAS 120(30), e2305016120. https://doi.org/10.1073/pnas.2305016120
• S05 Törnberg, P. (2023). ChatGPT-4 Outperforms Experts and Crowd Workers in Annotating Political Twitter Messages with Zero-Shot Learning. arXiv:2304.06588 [査読誌掲載 [要一次検証]]. https://arxiv.org/abs/2304.06588
• S06 Pangakis, N., Wolken, S., & Fasching, N. (2023). Automated Annotation with Generative AI Requires Validation. arXiv:2306.00176 [査読誌掲載 [要一次検証]]. https://arxiv.org/abs/2306.00176
• S07 Lin, H., & Zhang, Y. (2025). Navigating the Risks of Using Large Language Models for Text Annotation in Social Science Research. Sociological Methods & Research. https://doi.org/10.1177/08944393251366243
• S08 Halterman, A., & Keith, K.A. (2025). Codebook LLMs: Evaluating LLMs as Measurement Tools for Political Science Concepts. Political Analysis 34(2), 188–204. https://doi.org/10.1017/pan.2025.10017
• S09 Abdurahman, S., Ziabari, A.S., Moore, A.K., Bartels, D.M., & Dehghani, M. (2025). A Primer for Evaluating Large Language Models in Social-Science Research. Advances in Methods and Practices in Psychological Science 8(2). https://doi.org/10.1177/25152459251325174
• S10 Desai, M., Card, D., & Jacobs, A.Z. (2026). Validating LLMs in social science: Epistemic threats and emerging norms. arXiv:2607.07915 [査読誌掲載 [要一次検証]]. https://arxiv.org/abs/2607.07915
• S11 Heseltine, M., & Clemm von Hohenberg, B. (2024). Large language models as a substitute for human experts in annotating political text. Research & Politics 11(1), 1–10. https://doi.org/10.1177/20531680241236239

社会エージェントとシリコンサンプリング

• S12 Park, J.S., O’Brien, J.C., Cai, C.J., Morris, M.R., Liang, P., & Bernstein, M.S. (2023). Generative Agents: Interactive Simulacra of Human Behavior. ACM UIST 2023. https://doi.org/10.1145/3586183.3606763 （本文は ACM DL、書誌は arXiv:2304.03442 で確認）
• S13 Argyle, L.P., Busby, E.C., Fulda, N., Gubler, J.R., Rytting, C., & Wingate, D. (2023). Out of One, Many: Using Language Models to Simulate Human Samples. Political Analysis 31(3), 337–351. https://doi.org/10.1017/pan.2023.2
• S14 Bisbee, J., Clinton, J.D., Dorff, C., Kenkel, B., & Larson, J.M. (2024). Synthetic Replacements for Human Survey Data? The Perils of Large Language Models. Political Analysis 32(4), 401–416. https://doi.org/10.1017/pan.2024.5
• S15 Dillion, D., Tandon, N., Gu, Y., & Gray, K. (2023). Can AI language models replace human participants? Trends in Cognitive Sciences 27(7), 597–600. https://doi.org/10.1016/j.tics.2023.04.008 （本文到達 [要一次検証]、DOIは複数書誌ソースで一致）
• S16 Lin, Z. (2025). Six Fallacies in Substituting Large Language Models for Human Participants. Advances in Methods and Practices in Psychological Science 8(3), 1–19. https://doi.org/10.1177/25152459251357566
• S17 Park, J.S., Zou, C.Q., Kamphorst, J., Egan, N., Shaw, A., Hill, B.M., Cai, C., Morris, M.R., Liang, P., Willer, R., & Bernstein, M.S. (2024). LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals（初出題 “Generative Agent Simulations of 1,000 People”）. arXiv:2411.10109 [査読誌掲載状況 [要一次検証]]. https://arxiv.org/abs/2411.10109
• S18 Sun, S., Lee, E., Nan, D., Zhao, X., Lee, W., Jansen, B.J., & Kim, J.H. (2024). Random Silicon Sampling: Simulating Human Sub-Population Opinion Using a Large Language Model Based on Group-Level Demographic Information. arXiv:2402.18144 [査読誌掲載 [要一次検証]]. https://arxiv.org/abs/2402.18144
• S19 Qu, Y., & Wang, J. (2024). Performance and biases of Large Language Models in public opinion simulation. Humanities and Social Sciences Communications 11, 1095. https://doi.org/10.1057/s41599-024-03609-x （著者順・巻号 [要一次検証]）
• S20 Ashokkumar, A., Hewitt, L., Ghezae, I., & Willer, R. (2026). Large language models can predict the results of social science experiments. Nature. https://doi.org/10.1038/s41586-026-10742-x （巻号・著者順 [要一次検証]、書誌は Stanford AI4PB ページで確認）

社会科学的対象としてのAI（説得・誤情報・世論・労働）

• S21 Costello, T.H., Pennycook, G., & Rand, D.G. (2024). Durably reducing conspiracy beliefs through dialogues with AI. Science 385(6714), eadq1814. https://doi.org/10.1126/science.adq1814 （2026年6月付 Editorial Expression of Concern あり。EEC原文到達 [要一次検証]）
• S22 Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2024). GPTs are GPTs: Labor market impact potential of LLMs. Science 384(6702), 1306–1308. https://doi.org/10.1126/science.adj0998
• S23 Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at Work. Quarterly Journal of Economics 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
• S24 Salvi, F., Horta Ribeiro, M., Gallotti, R., & West, R. (2025). On the conversational persuasiveness of GPT-4. Nature Human Behaviour 9(8), 1645–1653. https://doi.org/10.1038/s41562-025-02194-6
• S25 Argyle, L.P., Busby, E.C., Gubler, J.R., Lyman, A., Olcott, J., Pond, J., & Wingate, D. (2025). Testing theories of political persuasion using AI. PNAS 122(18), e2412815122. https://doi.org/10.1073/pnas.2412815122
• S26 Bai, H., Voelkel, J.G., Muldowney, S., Eichstaedt, J.C., & Willer, R. (2025). LLM-generated messages can persuade humans on policy issues. Nature Communications 16(1). https://doi.org/10.1038/s41467-025-61345-5
• S27 Hölbling, L., Maier, S., & Feuerriegel, S. (2025). A meta-analysis of the persuasive power of large language models. Scientific Reports. https://doi.org/10.1038/s41598-025-30783-y
• S28 Hackenburg, K., et al. (2025). The levers of political persuasion with conversational AI. Science 390(6777). https://doi.org/10.1126/science.aea3884 （Science本体到達 [要一次検証]、書誌は LSE ResearchOnline + arXiv:2507.13919 で確認）
• S29 Lin, H., et al. (2025). Persuading voters using human–artificial intelligence dialogues. Nature 648(8093), 394–401. https://doi.org/10.1038/s41586-025-09771-9

未検証事項

• [要一次検証] S05 Törnberg 2023 / S06 Pangakis et al. 2023 / S10 Desai et al. 2026 / S18 Sun et al. 2024：いずれも arXiv のみで、査読誌掲載を未確認。
• [要一次検証] S12 Park et al. 2023（UIST）：ACM DL 本文に未到達（書誌は arXiv で確認）。
• [要一次検証] S15 Dillion et al. 2023：出版社本文に未到達（DOIは複数書誌ソースで一致）。
• [要一次検証] S17 Park et al. 2024：査読誌掲載状況が未確認。初出題からの改題を記録。
• [要一次検証] S19 Qu & Wang 2024 / S20 Ashokkumar・Hewitt et al. 2026：出版社本体がログイン壁のため、著者順・巻号を未確認（S20 の書誌は Stanford AI4PB ページで確認。数値は経路により476効果量/105,165参加者と469効果量/119,330参加者の異同があり、本note は直接到達したStanfordページの前者を採用）。
• [要一次検証] S21 Costello et al. 2024：Editorial Expression of Concern 原文（science.org）に未到達、EurekAlert 経由で確認。
• [要一次検証] S28 Hackenburg et al. 2025：Science本体に未到達（書誌は LSE ResearchOnline + arXiv で確認）。

更新方針

本ノートは生きたページ。新規の実証研究・メタ分析・展望論文を得たら本文に追記し updated を更新する。内部台帳 source/review/ai-social-science-research-trends/papers.md 側で [要一次検証] を解消し、本ページの参照文献に反映していく。