Britain's mood, entailed weekly: In silico longitudinal surveys with fine-tuned Large Language Models

DOI:	https://doi.org/10.1145/3630744.3659829
URL:	https://dl.acm.org/doi/10.1145/3630744.3659829
Dokumenttyp:	Konferenzveröffentlichung
Erscheinungsjahr:	2024
Buchtitel:	WebSci Compaion '24 : Companion proceedings of the 16th ACM Web Science Conference 2024; reflecting on the web, AI and society
Seitenbereich:	47-50
Veranstaltungstitel:	WebSci '24
Veranstaltungsort:	Stuttgart, Germany
Veranstaltungsdatum:	21.-24.05.2024
Ort der Veröffentlichung:	New York, NY
Verlag:	ACM
ISBN:	979-8-4007-0453-6
Verwandte URLs:	https://dl.acm.org/doi/pdf/10.1145/36307... https://dl.acm.org/doi/proceedings/10.11...
Sprache der Veröffentlichung:	Englisch
Einrichtung:	Fakultät für Betriebswirtschaftslehre > Data Science in the Economic and Social Sciences (Strohmaier, 2022-)
Fachgebiet:	004 Informatik

Dieser Datensatz wurde nicht während einer Tätigkeit an der Universität Mannheim veröffentlicht, dies ist eine Externe Publikation.

BASE: Ahnert, Georg ; Pellert, Max ; Garcia, David ; Strohmaier, Markus

Google Scholar: Ahnert, Georg ; Pellert, Max ; Garcia, David ; Strohmaier, Markus

ORCID: Ahnert, Georg

; Pellert, Max

; Garcia, David

; Strohmaier, Markus

Aufrufe im letzten Jahr

Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail

Eintrag anzeigen