Chatbot oparty na LLM jako nadawca. Punkty widzenia w dyskursie chatbotów
Wybierz format
RIS BIB ENDNOTEData publikacji: 03.10.2025
Zeszyty Prasoznawcze, 2025, Tom 68, Numer 3 (263), s. 161-175
https://doi.org/10.4467/22996362PZ.25.027.22210Autorzy
Chatbot oparty na LLM jako nadawca. Punkty widzenia w dyskursie chatbotów
Chatboty stały się nowym medium, z którego chętnie korzystają współcześni użytkownicy internetu. Szczególnym przedmiotem zainteresowania stały się chatboty oparte na wielkich modelach językowych. W artykule przedmiotem analizy jest dialog z takimi chatbotami. Celem eksploracyjnego badania opartego na analizie dyskursu o nachyleniu mediolingwistycznym jest odkrycie zależności między punktami widzenia ludzi rozmawiających z chatbotami a punktem widzenia prezentowanym przez chatbot. Eksperymentalne dialogi przeprowadzono z chatbotami Gemini oraz ChatGPT w wersji 3.5 i 4. Wyniki badań pokazują, że chatboty, jeśli podejmowane są niektóre tematy, potrafią prezentować spójne poglądy i podobne wartościowanie istotnych dla danego zagadnienia elementów, bez względu na punkt widzenia przyjęty przez użytkownika.
Abid A., Farooqi M., Zou J. (2021). Large language models associate Muslims with violence. Nat Mach Intell, nr 3, s. 461–463 [https://doi.org/10.1038/s42256-021-00359-2, https://www.nature.com/articles/s42256-021-00359-2; 17.11.2025].
Bartmiński J. (1990). Punkt widzenia, perspektywa, językowy obraz świata. W: J. Bartmiński (red.). Językowy obraz świata (s. 109–127). Lublin.
Bakulin I., Kopanichuk I., Bespalov I., Radchenko N., Shaposhnikov V., Dylov D., Oseledets I. (2025). FLAME: Flexible LLM‑Assisted Moderation Engine, arXiv:2502.09175v1 [https://doi.org/10.48550/arXiv.2502.09175].
Czachur W. (2011). Dyskursywny obraz świata. Kilka refleksji. Tekst i Dyskurs – Text und Diskurs, t. 4, s. 79–97.
Dennett D. (2018). Świadomość, tłum. E. Stokłosa. Kraków.
Dennett D. (2021). Natura umysłu. Jak zrozumieć świadomość, tłum. W. Turopolski. Kraków.
Dijk T. van (2008). Discourse and Context: A Sociocognitive Approach. Cambridge.
Dijk T. van (2009). Society and Discourse: How Social Contexts Influence Text and Talk. Cambridge.
Dijk T. van (2018). Sociocognitive discourse studies. W: J. Richardson, J. Flowerdew (eds.). Handbook of Discourse Analysis (s. 26–43). London.
Głaz A. (2004). Wielość punktów widzenia – następstwo czy równoczesność? W: J. Bartmiński, S. Niebrzegowska‑Bartminska, R. Nycz (red.). Punkt widzenia w tekście i w dyskursie. Lublin.
Goyal S., Hira M., Mishra S., Goyal S., Goel A., Dadu N., Kirushikesh D.B., Mehta S., Madaan N. (2024). LLMGuard: Guarding Against Unsafe LLM Behavior, arXiv:2403.00826v1 [https://doi.org/10.48550/arXiv.2403.00826].
Kieraś W., Kobyliński Ł. (2021). Korpusomat – stan obecny i przyszłość projektu. Język Polski, R. CI(2), s. 49–58 [https://doi.org/10.31286/JP.101.2.4; 17.11.2025].
Kreft J. (2019). Władza algorytmów. U źródeł potęgi Google i Facebooka. Kraków.
Lakoff G. (2017). Moralna polityka. Jak myślą liberałowie i konserwatyści, tłum. M. Szczubiałka. Warszawa.
Langacker R. (2009). Gramatyka kognitywna. Wprowadzenie, tłum. E. Tabakowska. Kraków.
Marquardt D. (2024). Dialog z chatbotem. Ujęcie mediolingwistyczne. Katowice.
Waszakowa K. (2020). Wieloaspektowość pojęcia konceptualizacji w gramatyce Ronalda Langackera. Spojrzenie z perspektywy użytkownika terminologii kognitywnej. LingVaria, t. XV, nr 1(29), s. 9–30 [https://doi.org/10.12797/LV.15.2020.29.01; 17.11.2025].
Shen Y., Heacock L., Elias J., Hentel K.D., Reig B., Shih G., Moy L. (2023). ChatGPT and Other Large Language Models Are Double-edged Swords. Radiology, t. 307, nr 2 [https://doi.org/10.1148/radiol.230163;10.03.2025].
Uszkoreit J. (2017). Transformer: A Novel Neural Network Architecture for Language Understanding [https://ai.googleblog.com/2017/08/transformer-novel-neural-network.html; 17.11.2025].
Vaswani A., Shazeer N., Parmar N., Uszkoreit J., Jones L., Gomez A.N., Kaiser L., Polosukhin I. (2017). Attention Is All You Need. arXiv:1706.03762v5 [https://doi.org/10.48550/arXiv.1706.03762;10.03.2025].
Zhao W.X., Zhou K., Li J., Tang T., Wang X., Hou Y., Min Y., Zhang B., Zhang J., Dong Z., Du Y., Yang C., Chen Y., Chen Z., Jiang J., Ren R., Li Y., Tang X., Liu Z., Liu P., Nie J.-Y., Wen J.-R. (2025). A Survey of Large Language Models, arXiv:2303.18223v16 [https://doi.org/10.48550/arXiv.2303.18223].
Informacje: Zeszyty Prasoznawcze, 2025, Tom 68, Numer 3 (263), s. 161-175
Typ artykułu: Oryginalny artykuł naukowy
Tytuły:
Publikacja: 03.10.2025
Status artykułu: Otwarte
Licencja: CC BY 4.0
Udział procentowy autorów:
Korekty artykułu:
-Języki publikacji:
PolskiLiczba wyświetleń: 338
Liczba pobrań: 362
