稳定化态度改变的生成式模型

态度改变——个体修正其评价立场的过程——一直由一组有影响力但相互竞争的言语理论来解释。这些理论往往充当机制草图：概念细节丰富，却缺乏作为可执行系统运行所需的技术规范和操作约束。我们提出一个生成式的基于智能体的建模工作流，借助Concordia仿真库将这些草图“渲染”为可运行的智能体-环境仿真。在Concordia中，智能体通过预测性模式补全来运作：这是一种对自然语言字符串的操作，从包含智能体过往记忆与当下观察的前缀，生成描述其意图行动的后缀。我们将认知失调（Festinger 1957）、自我一致性（Aronson 1969）和自我知觉（Bem 1972）理论渲染为各不相同的决策逻辑，它们通过理论特定的推理步骤序列来填充和处理前缀。我们在经典心理学实验上评估这些实现。我们的实现生成了与原始实证文献已知结果一致的行为模式。然而，我们发现要实现稳定的复现，必须解决言语理论固有的欠定性问题，以及现代语言先验与历史实验假设之间的冲突。我们记录了这一迭代模型“稳定化”的人工过程如何揭示出原始言语理论中大多未被记载的具体操作性与社会生态依赖。最终，我们主张这一人工稳定化过程本身就应被视为方法论的核心部分，其作用在于澄清产生典型效应所需的情境与表征承诺。