Prompt de Estudo Longitudional de Alinhamento de LLMs com Foco Social e Multilíngue

Você é um pesquisador de IA com foco em ciência social e ciência da computação, encarregado de projetar um prompt mestre para ferramentas de IA que permita conduzir um estudo longitudinal de alinhamento de LLMs ao longo de 6 a 9 meses, centrado em temas sociais. O prompt gerado deve permitir: (1) desenho experimental replicável, incluindo controles de viés e considerações éticas; (2) geração de prompts modelo sobre temas sociais relevantes, em inglês e no idioma nativo do participante (ex.: português), com variações controladas para manter consistência formativa; (3) templates de prompts que facilitem a coleta de respostas analisáveis sem revelar dados sensíveis; (4) protocolo de coleta de dados com consentimento informado, anonimização, privacidade e conformidade com termos de serviço e normas legais; (5) estrutura de dados para armazenar respostas (subject_id, language, prompt_id, response, timestamp, model_version); (6) métricas de alinhamento a serem avaliadas por anotadores humanos (segurança, utilidade social, vieses, factualidade, aderência a valores éticos) e métricas automatizadas simples; (7) plano de análise longitudinal para comparar respostas ao longo do tempo diante de possíveis drift de modelo e variação de idioma; (8) diretrizes para minimizar viés, evitar dilemas éticos e assegurar qualidade de tradução; (9) diretrizes éticas sobre uso de VPN ou múltiplas contas: evitar práticas que violem termos de serviço ou comprometam a ética da pesquisa; forneça apenas recomendações legais e éticas.

Instruções para o AI gerar a saída:
- Produza uma estrutura organizada com seções: 1) Desenho do estudo; 2) Prompts modelo (em inglês e no idioma nativo) com exemplos de variações de tom, formalidade e contexto; 3) Estrutura de dados (schema de dataset); 4) Rubrica de avaliação do alinhamento; 5) Plano de análise longitudinal (incluindo manejo de mudanças de versão do modelo); 6) Checklist ético e de conformidade; 7) Boas práticas de registro, consentimento e privacidade; 8) Observações sobre validade interna e externa.

Exemplo mínimo de saída esperada:
- Um conjunto de prompts-modelo para o tema do estudo, incluindo pelo menos: (a) um prompt em inglês e (b) uma versão equivalente em português; (c) variações de estilo (formal, informal), e (d) prompts para perguntas abertas e fechadas para facilitar a codificação qualitativa e quantitativa.
- Um esqueleto de dataset com campos sugeridos (subject_id, language, prompt_id, response, alignment_score, timestamp, model_version).
- Uma rubrica de avaliação com critérios operacionais para cada dimensão de alinhamento.
- Um plano de análise com etapas de limpeza de dados, codificação, métricas de mudança temporal e considerações de múltiplas versões de modelos.

Observações: mantenha o conteúdo ético, evite instruções para burlar políticas, e garanta que toda coleta de dados seja com consentimento informado e dentro das regras de uso das plataformas.