AgentSociety 2：可執行社會科學的整合式研究環境
arXiv - Computers and SocietyJinghua Piao, Jun Zhang, Haoyu Huang, Keming Zhang, Jing Yi Wang, Songwei Li, Boyuan Sun, Jiayi Chang, Fengli Xu, Chunyan Wang, Fang Zhang, Ke Rong, Jun Su, Tianguang Meng, Yi Liu, Qingguo Meng, Yu Wang, Yong Li
開發了一種整合 AI 社會科學家與矽基參與者的雙重角色系統，實現從假設生成到模擬實驗的端到端研究工作流。
AI 幫你先抓重點
AI 重點 1
研究流程與模擬對象的「解耦」問題得到了系統性解決。
滑鼠懸停看 AI 判斷理由
過去的 AI 研究往往將「輔助研究的工具」與「作為實驗對象的代理人」分開，導致研究邏輯與模擬行為無法同步。此系統將兩者結合，使假設能直接轉化為可審計的代理人行為，提升了科學研究的可驗證性。
AI 重點 2
強調「人機協作（Human-in-the-loop）」而非完全取代人類研究者。
滑鼠懸停看 AI 判斷理由
系統設計保留了人類研究者的高層級決策權，僅將程序性的編排工作委派給 AI。這對於確保科學研究的倫理、嚴謹性以及處理複雜社會議題至關重要，定義了未來計算社會科學的新範式。
核心研究發現
- 1
AgentSociety 2 成功將 AI 社會科學家（負責研究流程管理）與矽基參與者（負責模擬社會行為）整合在同一運行環境中。
- 2
透過七項跨尺度研究（微觀實驗、中觀社群媒體、宏觀城市場景），證明該系統能重現既有研究的定性模式並識別偏差。
- 3
該系統支持從文獻檢索、假設生成、實驗設計到結果解釋與論文撰寫的全自動化或半自動化研究流程。
對教育工作者的啟發
對於教育科技開發者而言，此研究展示了如何利用 LLM 代理人構建複雜的社會模擬環境。在教育情境中，這可以應用於模擬大規模的學習社群互動、課堂動態或社會化學習過程。設計者可以利用這種「雙重角色」架構，一方面建立能自動執行教學實驗設計的 AI 教學研究員，另一方面建立能模擬學生行為反應的數位學習者，從而進行低成本、高規模的教學策略測試與學習科學研究。
原始文獻資訊
- 英文標題：
- AgentSociety 2: An Integrated Research Environment for Executable Social Science
- 作者：
- Jinghua Piao, Jun Zhang, Haoyu Huang, Keming Zhang, Jing Yi Wang, Songwei Li, Boyuan Sun, Jiayi Chang, Fengli Xu, Chunyan Wang, Fang Zhang, Ke Rong, Jun Su, Tianguang Meng, Yi Liu, Qingguo Meng, Yu Wang, Yong Li
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。