Construct Tables Excel with Prompts PDF, synthetic survey responses, robustness tests and prompts

日本語

本研究は、再生可能エネルギー受容性の調査において、LLMを用いて生成した合成データと実際の人間の回答を比較し、構造方程式モデリング（SEM）を用いて両者の構造的一貫性、文脈的不確実性、予測限界を分析した。合成データは人間の回答パターンをある程度再現するが、文脈依存性の高い項目で乖離が見られることを明らかにした。これにより、再生可能エネルギー受容性研究におけるLLM活用の可能性と限界を示している。

English

This study compares synthetic survey responses generated by LLMs with human responses in the context of renewable energy acceptance research. Using structural equation modeling, it examines structural coherence, contextual uncertainty, and predictive limits between the two data sources. Findings indicate that synthetic data can replicate certain patterns but show deviations in context-dependent items, highlighting the potential and limitations of LLMs in sustainability survey research.

日本のGX文脈において

本論文は、再生可能エネルギー受容性の研究にLLMを応用した点で、日本のエネルギー転換や地域社会での受容性調査に示唆を与える。特に、日本では再生可能エネルギー導入に際し地域住民の合意形成が重要な課題であり、合成データを活用した効率的な調査手法の可能性を開く。

In the global GX context

This paper demonstrates the use of LLM-generated synthetic data in renewable energy acceptance research, offering a novel methodological approach for global energy transition studies. It provides insights on the reliability of synthetic data for sustainability surveys, relevant to researchers and practitioners in energy policy and community engagement.