社会学とは何を調べる学問か｜生成AIに社会調査の回答を代わりに作らせてよいのかを整理するQ&A

レポート提出前にアンケートの集計表を開いた手が、空いた回答欄の上で止まります。集まった回答が少ないと、生成AIにいろいろな人を演じさせて補いたくなるかもしれません。「社会学とは 簡単に」と調べるときの入口は、人の集まりや社会の仕組みを、調査や観察で確かめる学問という説明です。身近な人間関係も、個人の感想だけで決めず、集めた資料をもとに考えます。AIが作った回答は、人から集めたアンケートの代わりとして提出するデータにはできません。

社会学とは何を調べる学問か｜生成AIに社会調査の回答を代わりに作らせてよいのかを整理するQ&A

レポート提出前にアンケートの集計表を開いた手が、空いた回答欄の上で止まります。集まった回答が少ないと、生成AIにいろいろな人を演じさせて補いたくなるかもしれません。「社会学とは 簡単に」と調べるときの入口は、人の集まりや社会の仕組みを、調査や観察で確かめる学問という説明です。身近な人間関係も、個人の感想だけで決めず、集めた資料をもとに考えます。AIが作った回答は、人から集めたアンケートの代わりとして提出するデータにはできません。

「社会学とは 簡単に」と調べた後、AIの回答は調査に使えますか

「社会学とは 簡単に」という検索から調査へ進むなら、AIを道具にする可能性と、回答者を置き換えることを分けて考えます。人の年齢や生活背景などを与え、生成AIにその人として答えさせた回答の集まりを「シリコンサンプル」と呼びます。人々の答え方を再現できるかを調べる方法ですが、画面に回答が並ぶこと自体は、その人々から話を聞いた証拠にはなりません。

Argyle（2023）は、米国の社会調査の回答者の属性をGPT-3に与え、人の回答と比べました。集団ごとの回答の分布をかなり再現し、社会を理解する道具になる可能性を示しました。この研究では、元になる人の調査があるため、生成した回答がどこまで似ているかを点検する基準もありました。

人に似た結果が出た研究もありますか

Aher（2023）は、言語モデルに人の集団を演じさせ、心理学や経済学の実験を再現しました。最初の3つの実験で既存の結果が再現された一方、最後の実験ではChatGPTやGPT-4を含む一部のモデルに、人よりも答えが正確すぎるゆがみが出ました。人の迷いや誤りも測る実験では、正確な答えが増えるほど、人の反応から遠ざかる場合があります。

Park（2024）は、GPT-3.5（text-davinci-003）を使い、人を対象にした心理学研究の結果を再現しようとしました。分析できた8つの研究で、元の結果を再現した割合は37.5%でした。同じように人を演じさせても、何を測る課題かによって成否に差が出て、人の回答と照らす作業が課題ごとに必要だと読み取れます。

平均が近ければ、人々の意見を表していると言えますか

平均が近くても、回答の広がりや意見どうしの関係まで合うとは限りません。Bisbee（2024）は、ChatGPTに人物を演じさせ、米国の調査にある11の社会・政治の集団への好感度と比べました。平均値はよく一致しましたが、回答のばらつきは人の調査より小さく、属性と回答の関係を数式で調べた結果もしばしば大きく違いました。たとえば同じ平均でも、意見が両端に集まる集まりと、真ん中に集まる集まりでは、読み取るべき姿が違います。

Santurkar（2023）は、米国の集団の意見と言語モデルの意見を比べ、特定の集団に寄せるよう指示してもずれが残ると示しました。Wang（2025）は、米国の参加者の見方とモデルの回答を比べ、集団を誤って描くことや、内部の多様さを一様にしてしまう問題を報告しました。補正の工夫も害を減らすにとどまり、取り除けませんでした。調べたい相手の経験が重要なアンケートでAIに回答を任せると、本人の声に出会う前に、集団への思い込みを強めるおそれがあります。

レポート提出前には、何を見直せばよいですか

アンケートの集計には、実際に答えた人の回答だけを使います。回答が集まらなかった項目は、その状態と集計の対象を記録し、得られた回答の範囲で結果を書きます。AIが作った回答を実際の調査の結果として提出することは、事実でないデータを出すことになります。人数の少なさを隠すために回答を追加すると、読者はどこまでが観察した結果なのかを判断できなくなります。

AIを使うなら、回答を作る前に質問文を見直す補助に回す方法があります。「この質問文で、意味があいまいな語や答えを誘導する表現を挙げてください」と短く頼み、指摘された箇所を自分で検討します。言い換え案は、元の問いで知りたかった内容が変わっていないかを見て採否を決めます。質問文を送る際の入力内容の扱いは、使うサービスの最新の説明で確かめます。

保護者が一緒に見るのは、集計表の人数が実際に答えた人の数に対応し、AIの回答が混じっていないかという点です。子どもが手元の回答と集計表の対応をたどれるよう、元の記録を並べると話しやすくなります。レポート提出前の机に残る空欄も、回答を集めた過程の一部です。埋まった表の見栄えより、どの声から書いた結果なのかが読める原稿であることに意味があります。

よくある質問

AIの回答を大量に作れば、偏りは薄まりますか

数を増やすだけで、人の意見とのずれが消えるとは考えられません。先に見たSanturkar（2023）の結果を踏まえると、回答数だけを根拠に実際の集団を表せたと扱うのは避けるべきです。

質問文を直しても、回答が集まらないときはどうしますか

集まった相手と尋ねた内容に合わせて、レポートで述べる範囲を狭めます。回答の無かった層について推測で欄を埋めず、実際に回答が得られた範囲を結果の説明に添えます。

AIに質問文を見せれば、調査の設計は完成しますか

質問文の案を検討する補助として扱い、完成した設計と決めつけない使い方が適切です。誰に何を尋ねるかを先に書き、AIの修正案がその目的を保っているか、元の質問文と並べて見直します。

この記事の限界

対象は米国の社会調査や心理学の実験が中心で、日本語の調査や日本の中高生の課題で代用の精度を測った研究は、今回集めた範囲にはありませんでした。中高生がAIに回答を作らせた場合の学習への影響も、引いた研究の対象外です。

GPT-3やGPT-3.5などで得た結果が、現在のモデルにも同じ程度に生じるかは未検証です。日本の中高生の意見をAIの回答で代わりにできるかという問いには、引いた研究からは答えられません。

参考文献

1. Argyle LP ほか. Out of One, Many: Using Language Models to Simulate Human Samples. Polit Anal. 2023;31(3):337-351.
2. Aher GV ほか. Using Large Language Models to Simulate Multiple Humans and Replicate Human Subject Studies. Proc ICML 2023, PMLR 202:337-371.
3. Park PS ほか. Diminished diversity-of-thought in a standard large language model. Behav Res Methods. 2024;56(6):5754-5770.
4. Bisbee J ほか. Synthetic Replacements for Human Survey Data? The Perils of Large Language Models. Polit Anal. 2024;32(4):401-416.
5. Santurkar S ほか. Whose Opinions Do Language Models Reflect? Proc ICML 2023, PMLR 202:29971-30004.
6. Wang A ほか. Large language models that replace human participants can harmfully misportray and flatten identity groups. Nat Mach Intell. 2025;7(3):400-411.

よくある質問