English(EN) Designing an Auditable LLM-Supported Workflow for Qualitative Thematic Analysis

新工作流支持可审计的LLM辅助定性分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了一种新的、可审计且注重隐私的工作流，用于使用大型语言模型（LLM）进行定性主题分析。该工作流通过结合LLM推理和确定性程序控制来生成编码、论证和主题，同时保持与源材料的明确联系，从而实现归纳式和潜在式主题分析。一个结合结构比较、人工主导分析和专家评估的评估框架表明，该工作流产生的编码级别输出与人工标注相当，并且分析论证获得高度评价。研究结果表明，可审计的LLM支持的主题分析是可行的，并且可以扩展到更大的数据集，并适应不同的LLM和研究领域。 AI

影响这项研究展示了一种提高LLM在定性分析中的透明度和可扩展性的方法，可能影响研究人员进行研究的方式。

排序理由该项目是一篇研究论文，详细介绍了在定性分析中使用LLM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 →

本文如何被排名

Signal score: 23 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该项目是一篇研究论文，详细介绍了在定性分析中使用LLM的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Nadia Jul Jeldtoft, Tariq Yousef · 2026-09-01 04:00

为定性主题分析设计一个可审计的LLM支持的工作流程

arXiv:2608.30543v1 Announce Type: new Abstract: Large Language Models (LLMs) offer new possibilities for scaling qualitative analysis, but existing applications often provide limited methodological transparency regarding how qualitative methods are translated into computational p…

本文如何被排名

报道来源 [1]

为定性主题分析设计一个可审计的LLM支持的工作流程

相关实体

相关话题