从叙事到数字：利用大语言模型评估调查问卷

随着智能接口领域的发展，对反馈机制的需求也在增长，这些机制既要能够充分表达参与者的体验，又要为进行研究的研究人员提供可靠且有用的信息用于调查数据收集。我们的研究涉及探索两种不同的调查方法：用于网络调查的标准化滑块量表和以大语言模型（LLM）为 backbone 的自由形式文本输入。实验包括 36 名参与者在两个不同难度级别（简单和困难）下完成 4×4 滑块拼图游戏，难度通过曼哈顿距离目标进行标准化。响应模式顺序在两个序列中进行了平衡。这项任务旨在通过不同的调查方法评估参与者响应的准确性和质量。我们的关键发现是，LLM 调查的结果与通过网络滑块量表问卷方法报告的结果相当。我们的贡献是一个智能框架，允许在自适应调查界面中进行基于文本的反思，帮助参与者自然地表达他们的体验，同时也帮助研究人员获得关于其系统的有价值信息。