AI增强的群体模型构建：评估生成式AI作为复杂社会技术挑战参与式建模协同引导者的研究

本博士项目开发并评估一个基于GPT的AI协同引导者，用于群体模型构建（GMB）研讨会，支持利益相关者构建复杂社会技术问题的因果循环图（CLD）。该项目比较传统研讨会与AI集成研讨会，以评估其对建模准确性、包容性、参与者体验以及非专家受众系统思维可及性的影响。

项目详情： 群体模型构建（GMB）是一种参与式系统动力学方法，利益相关者通过协作构建因果循环图（CLD）来理解复杂的社会问题。虽然功能强大，但GMB严重依赖熟练的引导者，且研讨会结束后便会失去动力。本博士项目通过开发一个用于实时GMB研讨会的基于GPT的AI协同引导者来解决这些局限性。该AI通过语音转文字处理实时讨论，建议因果链接，提出反馈回路，并可视化CLD草稿——同时将解释权保留给参与者。研讨会后的对话界面将支持持续的模型优化，将参与延伸至会议之外。该项目还评估从CLD生成的AI通俗语言叙述，使复杂的系统洞察对政策制定者和公众受众变得易于理解。采用混合方法的社技术设计，将与医疗保健和城市规划等领域的参与者进行4-6次比较研讨会（传统 vs AI集成）。研究发现将综合为一个开源、可复制的框架，用于参与式建模中的伦理人机协同引导。

资助详情： 本国学费/国际学费 津贴——英国学生按UKRI津贴标准发放。 为期3年的全额资助奖学金涵盖所有大学学费（按英国标准）和年度免税津贴。国际学生也有资格申请，但他们需要寻找其他资金来源来弥补本国学费与国际学费之间的差额。优秀的国际候选人可能会获得此差额的资助。