ThemeViz:理解LLM增强的交互式可视化系统中主题开发的人机协作效果
荣誉提名本文探讨了人工智能(例如大型语言模型)在支持主题开发中的潜在作用。虽然此前人工智能在定性数据分析中的应用集中在支持编码,但我们研究了大型语言模型是否能有效地作为定性分析更抽象和概念化阶段的协作贡献者,即主题开发。尽管人们对人工智能作为主题开发协作者的兴趣日益增长,但在设计人工智能辅助工具的同时支持用户自主权,以及理解研究人员在人工智能辅助主题开发中的互动方面,仍然缺乏实证证据。为弥补这一差距,我们设计了 ThemeViz,这是一个交互式系统,使用 GPT-4 基于用户输入生成和可视化多个主题版本,同时允许研究人员通过手动编码和主题开发保持控制。我们的研究考察了这种人在回路中的人工智能协作方法在迭代主题开发中的有效性及其对未来设计的启示。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2025
emoji_events
奖项
荣誉提名
group
作者
5 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文