Систематическое API-аудирование четырех больших языковых моделей, выступающих в роли репетиторов по истории, показывает, что механизмы безопасности могут институционализировать системное неравенство для маргинализированных учащихся. В исследовании было оценено 1800 ответов на тему Румынской революции 1989 года с использованием пяти студенческих персонажей, различающихся по этнической принадлежности и социально-экономическому статусу.
- Дифференцированный отказ: Модели с выравниванием безопасности заблокировали 76,7% образовательных запросов от студентов низкого статуса.
- Эпистемический гейткипинг: Маргинализированные учащиеся столкнулись со снижением доступа к геополитической сложности в 3 раза, например, к оспариваемой теории переворота.
- Кража агентности: Модели, такие как LLaMA, демонстрировали в 5 раз более высокий соотношение виктимизации и политики в лексиконе студентов рома по сравнению с элитными сверстниками.
- Элитная герменевтика: ИИ-репетиторы непропорционально снижали уверенность в эпистемике и баллы обоснования для демографических профилей с низкими ресурсами.
Авторы утверждают, что эти паттерны представляют собой герменевтическую несправедливость, превращая разговорный ИИ в агентов нарративной сегрегации, требующих срочного педагогического аудита.