LATA: 一项关于LLM辅助在线社交网络数据生成体验主题分析的试点研究

大语言模型（LLM）在研究和行业中获得了广泛关注，旨在简化流程并提升文本分析性能。主题分析（TA）是一种常用的定性分析方法，通常需要至少两名人类专家来审查和分析数据。本研究展示了使用GPT-4和Gemini进行LLM辅助主题分析（LATA）的可行性。具体而言，我们对14名研究人员进行了半结构化访谈，以获取他们在生成和分析在线社交网络（OSN）通信数据集方面的经验。我们遵循Braun和Clarke的六阶段TA框架，采用归纳方法，首先由人类专家分析访谈记录。随后，我们迭代设计提示词来引导LLM完成类似过程。我们手动分析的结果与LLM生成的回答进行了比较和讨论，余弦相似度得分高达0.76，表明LATA具有良好的前景。此外，本研究还深入探讨了研究人员在收集和分析OSN数据过程中应对复杂性的经验，为未来的研究和应用设计者提供了建议。