通过混合方法研究 ChatGPT 的早期用户发表的 10,732 条推文，主题建模确认了软件开发、娱乐和创造力等主题的积极情绪，仅少数人表达了对 ChatGPT 潜在误用和教育影响等问题的关注。

Dec, 2022

本文通过对 10902 篇有关 ChatGPT 人工智能聊天机器人与技术的主流新闻标题的文本挖掘及自然语言处理的定量数据分析，发现 ChatGPT 和人工智能在主流媒体中的情感分析结果更积极，但新闻标题中超过 65% 的高频率的词汇都是关于大型科技公司和行业问题，例如安全、监管和监督，而就业、人种多样性、伦理、版权、性别和女性等主题则极少被提及，本文为大科技公司和大媒体之间权力结构和勾结的严格分析。

May, 2023

本文通过分析超过 30 万条推文和 150 多篇学术论文，探究了 OpenAI 开发的聊天机器人 ChatGPT 在社交网络和学术领域中的感知和讨论，发现 ChatGPT 在社交网络中普遍被认为是高质量的，但随着时间的推移，快乐情绪略有下降。在学术论文中，ChatGPT 被认为是道德伦理和教育领域中伦理威胁和机会的同时存在，同时被认为在医疗领域具有重大机遇，聚焦当前的 ChatGPT 感知对未来的发展具有启示作用。

Feb, 2023

通过自监督神经主题模型（SSTM）挖掘公众对 ChatGPT 的关注，实验证明该方法能提取质量更高、可解释性更好、多样性更强的公众关切，超越了现有方法的性能。

Sep, 2023

本研究探讨了 ChatGPT 作为数据标记工具用于不同情感分析任务中的应用，结果表明相较于基于词汇表的算法，ChatGPT 在准确性方面有了显著提高，可用于不同的事件和任务情感分析的标注工作。

Jun, 2023

本文通过标准测试、极性转移测试、开放域测试和情感推理测试等方法，对 ChatGPT 在理解文本中的意见、情感和情绪方面进行了初步评估，并与 Fine-tuned BERT 和现有的端到端情感分析模型进行了比较，并进行了人工评估和定性分析。

Apr, 2023

ChatGPT 是一种基于 Transformer 架构的大型语言模型，能够在对话环境中生成类似人类的回答。它具有广泛的应用领域，但也引发了伦理和社会等方面的担忧。本文概述了 ChatGPT 的架构和训练过程，并提出了一些技术、监管、教育和伦理等方面的建议，以最大化其益处并尽量减少负面影响。

Feb, 2024

基于 ChatGPT 模型的广泛研究评估了 GPT-4 和 GPT-3.5 在 13 个影响计算问题上的性能，发现它们在涉及情感、情绪和毒性等问题上表现出色，但在涉及隐性信号的问题上表现较差，如参与度测量和主观性检测。

Aug, 2023

该研究分析了与 ChatGPT 在教育领域使用相关的 247 个 Reddit 热帖，利用描述性统计、情感分析和 LDA 主题建模等方法对用户感知进行分析，结果显示大部分用户持中立态度，然而对于 ChatGPT 在教育中的有用性，正面感知多于负面。

Sep, 2023

本研究分析了 ChatGPT 在不同对话问答语料库中生成的回答，并使用 BERT 相似度得分进行比较，以获取自然语言推理（NLI）标签。该研究还确定了 ChatGPT 提供错误答案的情况，提供了有关该模型可能存在错误的领域的见解。通过评估分数，比较 GPT-3 和 GPT-4 的整体性能。

Apr, 2023