experiment · PS Political Science & Politics · la publicación, 15 oct 2026 · gratis
Una encuesta hecha con votantes simulados por computadora dio a los demócratas 18.7 puntos de ventaja, más del doble del 8.7 que mostraba el promedio de encuestas reales de esa semana
Versión breve · la versión detallada sigue, unos 7 min
Pregunte al chat de weeklyAI
Pregúnteme por este estudio: a quiénes se estudió, qué encontró y qué no dice.
Las conversaciones se guardan mientras exista weeklyAI, para mejorar la publicación. Se responde en el idioma en que usted escribe.
- El estudio, de un vistazo
- Quiénes
- votantes falsos creados con un modelo de lenguaje (personas sintéticas)
- Cuántos
- 4,000
- Dónde
- Estados Unidos
- Cuándo
- del 31 de agosto al 6 de septiembre
- Tipo de estudio
- experiment
- Quién lo hizo
- Universidad de Ámsterdam y Nuffield College de Oxford
- El límite que importa
- No prueba que el método sea exacto ni predice el resultado real.
El margen demócrata que arroja la encuesta con votantes simulados por computadora, comparado con el margen del promedio de encuestas reales de esa misma semana; los propios autores advierten que su instrumento no permite responder 'indeciso', algo que sí incluyen las encuestas reales.
Lo que se comparó: la encuesta con votantes simulados frente al promedio de encuestas reales
El estimado con votantes simulados fue de 18.7 puntos, frente a 8.7 puntos en el promedio de encuestas
El método enriquecido desplaza las estimaciones hacia los demócratas, en la misma dirección que sugiere el promedio de encuestas de ese momento
Los propios autores dicen que sus números no predicen el resultado ni prueban que el método sea exacto, y que a los votantes simulados no se les permitió responder "indeciso", algo que sí incluyen las encuestas reales.
Un equipo de investigadores de la Universidad de Ámsterdam y del Nuffield College de Oxford creó 4,000 votantes falsos con un modelo de lenguaje y los hizo responder, en la semana del 31 de agosto al 6 de septiembre, sobre su intención de voto y su participación en las elecciones de 2026 para la Cámara de Representantes de Estados Unidos. El resultado fue 58.4% demócrata y 39.8% republicano. Los propios autores dicen que sus números no predicen el resultado ni prueban que el método sea exacto, y que a los votantes simulados no se les permitió responder "indeciso", algo que sí incluyen las encuestas reales.
El documento sí ofrece una forma de verificar el trabajo: los datos y la documentación están disponibles en el Harvard Dataverse, con un enlace público.
El documento no menciona ninguna autoridad electoral ni reglas sobre encuestas publicadas antes de una elección.
Qué significa para usted
Esa ventaja de 18.7 puntos que dio la encuesta hecha con votantes falsos no es un pronóstico de lo que pasará en las urnas. Los propios autores lo advierten: sus números no predicen el resultado ni prueban que el método sea exacto. Si usted quiere entender qué hay detrás, puede buscar los datos y la documentación que el equipo publicó en el Harvard Dataverse, con un enlace abierto.
Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084
Quién pagó: El artículo no indica quién financió el estudio ni si los financiadores tuvieron algún papel; no se mencionan prestadores de equipos o software.
Versión detalladaLos pasajes copiados del artículo, las ilustraciones y cada fuente con cuánto leímos de ella · 1334 palabras · unos 7 minLeerla →Cerrar
La regla y la evidencia: una encuesta hecha con votantes simulados por computadora dio a los demócratas 18.7 puntos de ventaja, más del doble del 8.7 que mostraba el promedio de encuestas reales de esa semana
### EL ACTO
Un grupo de investigadores de la Universidad de Amsterdam y del Nuffield College de Oxford presentó un marco para simular respuestas a encuestas electorales usando personas sintéticas creadas con un modelo de lenguaje de gran tamaño. Así lo describen: "We introduce a framework for simulating pre-election survey responses with large language model (LLM) synthetic personae"1. El texto combina biografías inventadas, recuerdos de acontecimientos recientes y exposición condicional a noticias con un proceso por etapas para responder preguntas sobre participación y elección de candidato1.
El escrito fue aceptado como "preproof" para la revista PS: Political Science & Politics, es decir, una versión previa a la producción final que todavía puede cambiar. Es un ejercicio académico sobre una sola semana, del 31 de agosto al 6 de septiembre, aplicado a las elecciones de 2026 para la Cámara de Representantes de Estados Unidos.
La razón que dan sus autores para hacer esto es el costo: las respuestas generadas por máquina cuestan "a fraction of a € cent", lo que permitiría estimaciones baratas y frecuentes con el nivel de detalle que se quiera2. El atractivo, dicen, es que las muestras pueden ajustarse a la distribución demográfica deseada y extraerse de una población al azar de verdad.
El procedimiento tiene dos partes. Primero se arma cada persona sintética con un perfil sociodemográfico, una biografía individual y una memoria de acontecimientos salientes posteriores al corte de entrenamiento del modelo, que es de junio de 2024. Después se la guía por tres pasos: interpretar la pregunta, formar un juicio —recuperando una opinión ya formada o construyéndola con noticias del momento— y traducir ese juicio en una respuesta1. Cada persona se asigna al azar a recuperar o a construir su juicio.
Se generaron 4,000 personas sintéticas y sus respuestas pasaron por un modelo estadístico que las proyecta sobre más de 1,5 millones de celdas de población. De la muestra conjunta, 56 personas no produjeron respuestas válidas y quedaron fuera del análisis.
### EL CASO QUE RESPONDE
Esta semana no se encontró ningún caso real que este acto responda.
### LO QUE SE MIDIÓ
La medición principal es una comparación de márgenes entre demócratas y republicanos. Frente a una línea base de personas sintéticas definidas solo por datos demográficos, el método enriquecido desplaza las estimaciones hacia los demócratas, en la misma dirección que sugiere el promedio de encuestas de ese momento3.
El margen demócrata estimado es de 18,7 puntos porcentuales, comparado con 8,7 puntos en el promedio de encuestas3. La proyección de escaños va de 266 a 307 para los demócratas y de 128 a 169 para los republicanos4.
El estimado central da a los demócratas el 58.4% y a los republicanos el 39.8%. En el promedio de encuestas reales, en cambio, los demócratas tienen el 50.7% y los republicanos el 42.0%.
Frente a una línea base de personas sintéticas definidas solo por datos demográficos, el método enriquecido desplaza las estimaciones hacia los demócratas, en la misma dirección que sugiere el promedio de encuestas de ese momento3. La muestra son 4,000 personas sintéticas, no personas reales, y el país medido son Estados Unidos. Es una sola ola semanal observada, no un resultado validado.
Los propios autores advierten que su instrumento es distinto del promedio de encuestas: preguntan por candidatos nombrados en cada distrito, mientras el promedio mide preferencia genérica de boleta, y sus personas no pueden elegir "indeciso"5. Una vez que una persona sintética dice que votará, no puede seguir indecisa, mientras que esa categoría sí está dentro de "Otros" en los datos del promedio6.
También informan que los no votantes de 2024 —a quienes suponen más propensos a decir "indeciso" en 2026 si tuvieran la opción— se inclinan desproporcionadamente por los demócratas, y que los votantes de 2024 que no votarían en 2026 se reparten casi por igual entre ambos partidos7.
### LA RESPUESTA DE LA OTRA REGIÓN A LO MISMO
Esta semana no se encontró ninguna corte, ley o autoridad de otra región que se pronuncie sobre este mismo método.
### NUESTRA LECTURA
Así lo leemos nosotros. Cuando una comunidad no puede comprobar por sí misma de dónde salen las palabras de quienes pretenden representarla, la confianza se agrieta, y esa grieta no se cierra con más discursos. Si usted no puede verificar el origen de una predicción electoral que le llega durante la campaña, lo probable es que desconfíe por igual de las encuestas de siempre y de las hechas con máquinas, y que esa desconfianza salpique incluso a la autoridad electoral, que no tiene nada que ver con esas predicciones. Sabríamos que nos equivocamos si los votantes distinguieran con nitidez entre una encuesta simulada por computadora y un conteo oficial auditado, y si esa distinción les bastara para seguir confiando en el organismo electoral. Mientras tanto, antes de votar, fíjese en quién firma la encuesta o la predicción que le llega, si dice de dónde salen sus datos y si esa fuente es verificable. Pregunte en voz alta, en su casa o en su trabajo, si ese número viene de votantes reales o de un programa que los imita.
Y hay algo más que conviene tener presente. Solemos elegir el camino que menos esfuerzo mental nos pide, y por eso aceptamos con facilidad los resúmenes y las cifras que ya vienen masticadas por otros. Por eso es probable que una predicción electoral hecha con inteligencia artificial circule más rápido y se recuerde mejor que un informe técnico de la autoridad electoral: el número redondo y la historia de triunfo se repiten con más facilidad que una auditoría. Lo veríamos al revés si la gente buscara y citara los informes de auditoría con la misma frecuencia con que comparte titulares de encuestas, o si pidiera explicaciones técnicas antes de repetir una predicción. Cuando alguien le muestre una proyección electoral, pregúntele de dónde salió el número y pídale el documento original. Si no lo tiene a mano, trátelo como un comentario, no como un resultado. Y pregunte también si el método fue publicado, si alguien externo lo revisó y si sus resultados se pueden repetir. Si la respuesta es no, úselo como una opinión más, no como una medición.
### LO QUE NO SE SABE
Los autores señalan que estas comparaciones muestran que su método cambia las respuestas sintéticas en la dirección correcta, pero no aíslan los efectos de todos los componentes ni establecen una precisión predictiva concluyente8.
Los autores señalan que estas comparaciones muestran que su método cambia las respuestas sintéticas en la dirección correcta, pero no aíslan los efectos de todos los componentes ni establecen una precisión predictiva concluyente8.
Los autores señalan que no es plausible que terceros partidos o independientes lleguen al 7.3% del voto y que sí es posible que esos indecisos se inclinen fuertemente por los demócratas9.
No se sabe cómo atribuir el patrón de distritos donde hay un fuerte giro hacia demócratas y republicanos en las zonas donde cada partido es más fuerte y una desviación más débil del giro uniforme en los distritos más competitivos: los autores no descartan ni un sesgo propio de las personas sintéticas ni un sobreajuste de su modelo estadístico.
Los autores señalan que la elección de 2026 para la Cámara de Representantes será una prueba en vivo importante para su método, aunque también es un caso comparativamente favorable, porque se trata de una elección estadounidense en inglés con mucha información disponible10.
No se sabe si los intervalos de credibilidad reflejan bien la incertidumbre, porque son demasiado estrechos y reproducen un problema ya documentado en muestras sintéticas, para el cual los autores no ven arreglo fácil en el corto plazo11.
Cuando vea una encuesta hecha con votantes que no existen, no está viendo un conteo ni un pronóstico verificado, sino un ejercicio académico sobre un solo modelo y una sola semana.
De dónde sale cada dato de contexto, y cuánto leímos de cada documento
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "We introduce a framework for simulating pre-election survey responses with large language model (LLM) synthetic personae. Drawing on the Cognitive Aspects of Survey Methodology (CASM) literature, our approach combines synthetic biographies, salient-event memories and conditional news exposure with a staged cognitive process for answering turnout and candidate-choice questions."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "LLM-generated synthetic data is attractive for pre-election polling (Clinton et al. 2026; Cerina and Duch 2026, 2025; Cerina 2025) for two reasons: i. responses typically cost a fraction of a € cent, enabling inexpensive, high-frequency estimates at arbitrary granularity"
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Relative to a demographicsonly synthetic personae baseline, CASM-inspired enrichment shifts estimates towards Democrats, consistent with the direction suggested by contemporary polling. However, the estimated Democratic margin is 18.7 percentage points, compared with 8.7 points in the polling average."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The associated seat projections range from 266 to 307 Democratic seats and from 128 to 169 Republican seats, implying it is a certainty that Democrats will gain control of the House of Representatives, the question being just how large such a majority will be."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "We must note here that our instrument is somewhat different from the reference polling average: we ask our personae about preferences relative to named candidates in each district, whereas the benchmark measures generic congressional-ballot preferences; our personae are not allowed to choose ‘undecided’ as an option"
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "Once CASM personae indicate that they will vote, they cannot remain undecided – whilst this category is included in the ‘Other’ label in the polling-average data."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "2024 non-voters, who we could assume to be disproportionately likely to report ‘undecided’ in 2026 if given the option, break disproportionately for democrats. 2024 voters who choose not to vote in 2026 are roughly evenly distributed across Republicans and Democrats"
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "These comparisons show that our enrichment strategy changes synthetic responses in the correct direction, but do not isolate the effects of all components or establish predictive accuracy conclusively. The framework offers a structured approach to studying synthetic survey responses whilst highlighting persistent challenges of leftward bias, uncertainty calibration and benchmarking novel methodologies during an election campaign."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "It is certainly not plausible for third parties or independents to amount to 7.3% of the vote in this election; similarly it is not implausible that those undecideds may behave as our synthetic personae do, and break strongly in favour of Democrats."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The 2026 election for the House of Representatives will offer an important live test case for the CASM-inspired persona approach, although it is also a comparatively favourable one. The application concerns a high-resource, English-language US election for which extensive political information, media coverage, historical results, and detailed post-stratification data are available."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - el artículo del que trata esta nota — el artículo completo — el pasaje: "The overly narrow credible intervals must also be addressed, as they reproduce the underdispersion previously documented in synthetic samples (Bisbee et al. 2024; Barrie and Cerina 2026). For this defect, we see no easy fix in the short-run."
Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084
Quién pagó: El artículo no indica quién financió el estudio ni si los financiadores tuvieron algún papel; no se mencionan prestadores de equipos o software.
Los hallazgos de otros estudios que aquí se mencionan los conocemos por este documento, que fue el que leímos; no abrimos cada uno de esos estudios.
experiment · PS Political Science & Politics · the paper, 15 Oct 2026 · free
AI Made 4,000 Fake Voters and Predicted a Democratic Landslide. Its Numbers Are Not a Forecast.
Short version · the longer version follows, about 5 min
Ask the weeklyAI chat
Ask me about this study: who was studied, what it found, and what it does not say.
Conversations are saved for as long as weeklyAI exists, to improve the publication. Answers come in the language you write in.
- The study at a glance
- Who
- synthetic AI personae, not real people
- How many
- 4,000
- Where
- United States
- When
- week of August 31st to September 6th
- Kind of study
- experiment
- Who did it
- University of Amsterdam and University of Oxford
- The limit that matters
- The fake voters were not allowed to say they were undecided
The gap between the two parties as the AI sample put it and as the polling average put it for the same week; the AI sample was not allowed to say undecided, so the two are not the same kind of measure.
What the study itself compared
the AI sample put the two parties 18.7 points apart, the polling average 8.7 points apart
the full process moved the answers towards the Democrats
the news group leaned more towards the Democrats, but the authors say this cannot be shown to be a real difference
The article says the 18.7-point lead over the polling average is probably not the real picture.
Researchers at the University of Amsterdam and Oxford built 4,000 fake voters using an AI chatbot and asked them how they would vote in the 2026 US House elections. The fake voters were not real people; they were built from demographic profiles. For the week of August 31 to September 6, the AI said Democrats would win by 18.7 percentage points. The real polling average for that week was 8.7 points.
The article names no way for a voter to check the results, but it says the research data are openly available at the Harvard Dataverse. It is a preproof academic article.
The article says the AI was not allowed to pick "undecided." The polling average's "Other" category is 7.3 percent, and it includes undecided voters. The study says the 2026 election will be a live test case. It says the margin is probably too high, and that the method finds one side more often than real polls do.
What this means for you
The fake voters leaned Democratic by about ten points more than the real polling average, and the researchers say the margin is probably too high. So when you see an AI poll in your feed before November, look for the real polling average beside it, and ask who was asked. These were 4,000 made-up profiles, not people, and the study says it cannot show how anyone will actually vote.
Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084
Who paid: The article does not state who funded the study or whether funders had any role; no equipment or software lenders are mentioned.
The longer versionThe passages copied from the paper, the pictures, and every source with how much of it we read · 934 words · about 5 minRead it →Close
The rule and the evidence: AI Made 4,000 Fake Voters and Predicted a Democratic Landslide
### THE ACT
The document in force this week is not a law and not a ruling. It is a research article accepted for publication in *PS: Political Science & Politics*, marked as a "preproof" that may change during production, and its own text says what it is: "We introduce a framework for simulating pre-election survey responses with large language model (LLM) synthetic personae"1.
What the framework does, in the article's own words, is combine "synthetic biographies, salient-event memories and conditional news exposure with a staged cognitive process for answering turnout and candidate-choice questions"1. That is the whole of what is in force here. Nobody is bound by it. No authority enforces it. No date by which a person must do anything appears in it.
The only date that matters to a reader is in the article itself: the sample answers for the week of August 31st to September 6th, ahead of the 2026 elections for the United States House of Representatives1. The authors say the 2026 election "will offer an important live test case for the CASM-inspired persona approach, although it is also a comparatively favourable one"2.
### THE CASE IT ANSWERS
No real instance was found this week.
### WHAT WAS MEASURED
Four thousand synthetic people were created and asked how they would vote, and the answers were run through a model that projected them onto the whole country. The result: "the estimated Democratic margin is 18.7 percentage points, compared with 8.7 points in the polling average"3.
Open that number into something a person can picture. In the polling average, the two parties sit about nine points apart. In the synthetic sample, they sit about nineteen points apart. The authors themselves say the estimated margin runs between fifteen and twenty-two points4.
The sample was not people. It was four thousand personae generated by a computer model, and the country was the United States1.
Whether this has ever been measured in an election rather than a laboratory: the article says the comparisons "do not isolate the effects of all components or establish predictive accuracy conclusively"5. This was a single weekly wave, and no 2026 outcome exists yet to check it against.
### THE OTHER REGION'S ANSWER TO THE SAME THING
No passage in the record gives another country's court, law or authority on this same method.
### THE LIBRARY'S READING
Here is how we read it. A false story about a candidate has always worked by leaving a residue — the denial comes, the doubt stays. What is new is not the lie. What is new is that the lie can now be produced in unlimited quantity, instantly, and shaped to fit the person receiving it.
A public learns, over time, to check certain things: whether a photograph has been altered, whether a quote was said, whether a number adds up. What a public cannot easily learn to check is whether the person in front of them is a person at all. That is the line this study crosses, and it is worth sitting with.
We would expect that in the coming months, in homes like yours, someone will show you a poll or a chart or a voice, and it will look like evidence. We would expect the confidence in it to be higher than the confidence deserves. You would know we are wrong if the numbers people show you came with honest margins and honest limits attached.
What you can do with it: when you see a poll, ask who was asked and what they were allowed to say. That question costs you nothing and it will tell you more than the headline.
### WHAT IS NOT KNOWN
The article says the 18.7-point lead over the polling average is probably not the real picture. The authors write that "it remains on the whole unlikely that the exact percentages we assign the highest likelihood to will actually attain"5.
One reason is a choice the researchers made. They did not let their synthetic voters say they were undecided. The authors say plainly that "our personae are not allowed to choose 'undecided' as an option"6, and that "once CASM personae indicate that they will vote, they cannot remain undecided"7.
The consequence, as the article describes it: "2024 non-voters, who we could assume to be disproportionately likely to report 'undecided' in 2026 if given the option, break disproportionately for democrats"8. The voters who might have said "I don't know yet" were pushed into a party.
The article also says its confidence intervals are too narrow. The authors write that "the overly narrow credible intervals must also be addressed, as they reproduce the underdispersion previously documented in synthetic samples"9, and that they "see no easy fix in the short-run"9.
The article itself calls these results a plausibility check, not a test. It says the framework "does not establish predictive accuracy conclusively"5, and that the comparisons "do not isolate the effects of all components"5. The news effect in particular could not be pinned down: the difference between the two groups was about four and a half points, but the authors say "statistical significance cannot be established from the figure"5.
What the record is silent on: whether any of this would hold for real voters, in any country, in any election that has happened. The study used synthetic personae, not people1.
You are standing in a booth with a ballot in front of you. Ask what you were shown before you got there — and who decided what you were allowed to say.
Where each piece of context comes from, and how much of it we read
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "We introduce a framework for simulating pre-election survey responses with large language model (LLM) synthetic personae. Drawing on the Cognitive Aspects of Survey Methodology (CASM) literature, our approach combines synthetic biographies, salient-event memories and conditional news exposure with a staged cognitive process for answering turnout and candidate-choice questions."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "The 2026 election for the House of Representatives will offer an important live test case for the CASM-inspired persona approach, although it is also a comparatively favourable one. The application concerns a high-resource, English-language US election for which extensive political information, media coverage, historical results, and detailed post-stratification data are available."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "Relative to a demographicsonly synthetic personae baseline, CASM-inspired enrichment shifts estimates towards Democrats, consistent with the direction suggested by contemporary polling. However, the estimated Democratic margin is 18.7 percentage points, compared with 8.7 points in the polling average."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "The CASM-inspired personae produce a clear Democratic advantage. The 95% posterior interval for the Democratic vote share ranges from 56.4% to 60.1%, compared with 38.2% to 41.6% for Republicans, yielding a margin between D+15 and D+21.8."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "These comparisons show that our enrichment strategy changes synthetic responses in the correct direction, but do not isolate the effects of all components or establish predictive accuracy conclusively. The framework offers a structured approach to studying synthetic survey responses whilst highlighting persistent challenges of leftward bias, uncertainty calibration and benchmarking novel methodologies during an election campaign."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "We must note here that our instrument is somewhat different from the reference polling average: we ask our personae about preferences relative to named candidates in each district, whereas the benchmark measures generic congressional-ballot preferences; our personae are not allowed to choose ‘undecided’ as an option"
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "Once CASM personae indicate that they will vote, they cannot remain undecided – whilst this category is included in the ‘Other’ label in the polling-average data."
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "2024 non-voters, who we could assume to be disproportionately likely to report ‘undecided’ in 2026 if given the option, break disproportionately for democrats. 2024 voters who choose not to vote in 2026 are roughly evenly distributed across Republicans and Democrats"
- Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084 - the article this story is about — the whole article — the passage: "The overly narrow credible intervals must also be addressed, as they reproduce the underdispersion previously documented in synthetic samples (Bisbee et al. 2024; Barrie and Cerina 2026). For this defect, we see no easy fix in the short-run."
Jonaitis, D., Corcoran, B., Poudyal, B. et al. (2026). Polling Without People: Can Silicon Samples of CASM-Inspired LLM Personae Mimic Human Respondents in Pre-Election Polling?. PS: Political Science & Politics. https://doi.org/10.1017/s1049096526103084
Who paid: The article does not state who funded the study or whether funders had any role; no equipment or software lenders are mentioned.
The findings of other studies mentioned here are known to us through this document, which is the one we read; we did not open each of those studies.