协调方法论范式:将大型语言模型作为人才管理研究中的新手定性研究助手
本文利用GPT 3.5-Turbo作为大型语言模型,试图将其应用于主题分析的质性研究中。尽管大型语言模型的应用在人类主题分析中存在争议,但研究结果证明该模型在一定程度上可以协助主题提取。本研究不旨在取代人类分析师,而是探索大型语言模型对质性研究的一定辅助作用。
May, 2023
本研究对语言模型(LLMs)的理解能力进行了比较和对照,发现人类分析师和LLMs的分类和推理能力存在显著差异,但二者合作可能会产生协同效应,从而丰富了定性研究。
Jun, 2023
本研究提出了一种利用大型语言模型(LLM)应用架构实现生成式人工智能服务的方法,通过利用生成式人工智能技术的最新进展,研究解决了信息匮乏的挑战,并通过利用LLM功能提出了具体的解决方案。研究探讨了缓解数据不足问题的策略,提供了量身定制的解决方案。通过实施检索增强生成(RAG)模型来解决上述挑战是工作的一个重要贡献,该模型被精心设计用于增强信息存储和检索过程,以确保改进的内容生成。本研究阐明了以RAG模型为基础的信息存储和检索方法的关键阶段,对这些步骤进行了全面分析,强调了它们在解决数据匮乏方面的重要性。研究突出了所提出方法的有效性,通过示例展示了其在实践中的适用性。通过实施RAG模型进行信息存储和检索,本研究不仅对生成式人工智能技术有了更深入的理解,而且还促进了利用LLM的企业内部的实际应用。这项工作在推进生成式人工智能领域,提供改进基于数据的内容生成以及促进企业内部利用LLM服务方面具有重要价值。
Sep, 2023
使用大规模生成性语言模型(LLMs)可以模拟自由回答面试问题,这种方法可以代替传统的定性研究方法;研究中提出了算法忠实度的概念,通过框架化定性分析发现人工和模型生成的参与者得到的主题相似,但在访谈的结构和语气上存在显著差异;LLMs目前的算法忠实度不足以推广到人类群体,但未来可能会有改变;因此,有必要建立关于如何评估基于LLMs的定性研究的认知规范,特别是关于确保包含多样化生活经历的代表性。
Sep, 2023
利用大型语言模型 (LLMs) 的增强功能,扩展人文社会科学领域的数据分析,用于量化、自动化以前需要人工进行的定性分析任务。本文提出了一种系统的混合方法框架,结合了定性分析专业知识、机器可扩展性和严格的量化分析,同时注重透明度和可复制性。通过16个机器辅助案例研究作为概念验证,展示了该框架的应用,涉及的任务包括语言和话语分析、词汇语义变化检测、访谈分析、历史事件因果推断和文本挖掘、政治立场检测、文本和思想重用、文学和电影的流派构成、社交网络推断、自动词典编纂、丢失的元数据补充以及多模态视觉文化分析。与现有LLM应用文献的英语重点不同,这里的例子涉及较小语言和易于数字化失真的历史文本场景。除了需要专业知识的最困难的任务外,生成LLMs可以作为可行的研究工具。LLM (和人工) 标注可能包含错误和变化,但协议率可以在后续统计建模中考虑;文章还讨论了一个引导式方法。案例研究的复制实验证明,以前需要团队努力和复杂计算管道才能完成的任务,现在可以由辅助LLM的学者在更短的时间内完成。重要的是,这种方法旨在增强研究者的知识和技能,而不是取代它们。鉴于这些机会,定性专业知识和提出有深度问题的能力无疑变得更加关键。
Sep, 2023
使用大型语言模型(LLMs)进行定性数据分析的新方法及其在人机交互(HCI)研究中的潜在应用的性能评估,表明LLMs不仅与传统分析方法相当有效,而且还提供独特的见解。
Jan, 2024
本研究探讨了大型语言模型(LLMs)在生成人工数据中的不断扩大的作用。尽管人工数据能够与人类性能相匹配,但本文揭示了显著的潜在差异,尤其是在复杂任务中,LLMs常常错过对内在人类生成内容的微妙理解。该研究批判性地考察了多样化的LLM生成数据,并强调了在数据创建和使用LLMs时遵循道德实践的必要性。它凸显了解决LLM生成内容中产生的偏差和人为因素对于未来研究和开发的重要性。所有数据和代码都可在我们的项目页面上获得。
Jan, 2024
通过文献综述和第一手实验,本文研究了大型语言模型(LLMs)的潜力。尽管LLMs具有成本效益和高效性等优点,但也存在着诸如提示调优、偏见和主观性等挑战。该研究通过利用LLMs进行定性分析的实验提供了新的见解,强调了成功和限制。此外,本文还讨论了缓解挑战的策略,如优化提示技术和利用人类专业知识。我们的工作旨在将LLMs有机地融入人机交互数据工作,并积极促进其负责任的应用,以此回应关于LLMs在研究中负责任应用的持续对话。
Apr, 2024
本研究评估了大型语言模型(LLMs)在大学课程中作为人工智能讲师的表现,尤其是通过使用提示工程、检索增强生成(RAG)和微调等先进技术。研究发现,RAG结合提示工程显著提高了模型的回复质量,并产生了更好的事实性答案,为教育领域的技术集成提供了潜在的解决方案。
Aug, 2024
本研究探讨了大型语言模型(LLMs)在定性研究中替代人类参与的潜在问题。通过与19名定性研究者的访谈,发现虽然LLMs生成的数据引发了相似的叙述,但它们在参与者同意、代理性及深度上下文等方面存在根本性局限性。因此,使用LLMs作为参与者的代理引发了伦理和认识论的担忧。
Sep, 2024