Comparing the Spatial Querying Capacity of Large Language Models: OpenAI’s ChatGPT and Google’s Gemini Pro
Notice bibliographique
Résumé
Since the launch of ChatGPT in 2022 and Gemini in 2023, there has been growing interest in the potential application of generative artificial intelligence (AI) in geography and GIScience. As the need for geospatially capable generative AI tools increases, an empirical investigation of generative AI tools’ performance in spatial querying is urgently needed. To fill this gap, we conducted experiments to assess ChatGPT and Gemini regarding their ability to generate accurate answers to spatial queries. The results reveal that ChatGPT and Gemini answered spatial queries to identify neighboring counties as defined by two methods for defining the neighboring relationship between geographical methods (queen contiguity and K-5 nearest neighbors) with accuracies ranging between 49 percent (K-5 with Gemini Pro) and 79 percent (queen with GPT-4). Specifically, GPT-4 outperforms GPT-3.5 and Gemini Pro, and queen contiguity queries yield more accurate answers than K-5 queries. Furthermore, our results show the potential sociodemographic and geographic biases in responses from both ChatGPT and Gemini. In general, the AI models retrieved more accurate answers for counties with larger proportions of urbanized areas and inland counties than their counterparts. Based on these findings, we discuss potential implications for geographers, GIScience researchers, and AI developers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».