PulseAugur
实时 07:49:09
English(EN) Human-LLM Collaborative Inductive Coding for Conceptualizing K-12 Educator AI Use

为教育工作者-AI交互开发的LLM辅助定性编码流程

研究人员开发了一种新颖的多阶段定性分析流程,该流程将大型语言模型(LLM)与人类专业知识相结合。该方法用于从中小学教育工作者与AI平台交互的大型数据集中创建分层代码簿。该过程包括LLM生成初始标签和注释,而人类研究人员则保持概念控制,完善定义和解释框架。最终的代码簿包含19个类别和6个域下的72个条目,通过系统的人类编码进行了验证,并达到了多标签注释措施的可靠性。 AI

影响 该方法为定性研究人员分析大型交互语料库提供了一种可扩展的方法,有可能加速对教育环境中AI使用的见解。

排序理由 该集群包含一篇学术论文,详细介绍了使用LLM进行定性研究的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

为教育工作者-AI交互开发的LLM辅助定性编码流程

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Alex Liu, Min Sun, Lief Esbenshade, Michael Xiao, Victor Tian, Zachary Zhang, Kevin He ·

    人类-大型语言模型协作归纳编码用于概念化K-12教育者AI使用

    arXiv:2607.28889v1 Announce Type: cross Abstract: Qualitative researchers increasingly encounter interaction corpora whose scale exceeds what manual coding alone can address, and large language models (LLMs) are frequently proposed as analytic assistants. The open questions are n…