用少量示例提示让AI高效完成主题分析编码。
AI Coding with Few-Shot Prompting for Thematic Analysis
- 通过语义相似文本生成高质量编码，再用于少样本提示。
- 在保持低成本的同时显著提升编码质量。
- 适合研究者快速处理大规模文本数据。
本文探讨使用大型语言模型（如GPT 3.5-Turbo）进行主题分析中的编码工作。编码过程高度依赖人力，使大多数研究者难以对大规模语料库进行全面的主题分析。本文采用少样本提示策略，利用语义相近片段生成的高质量编码来提升编码质量，同时使用成本低、易于扩展的模型实现高效处理。
原文摘要 · Abstract (English)
This paper explores the use of large language models (LLMs), here represented by GPT 3.5-Turbo to perform coding for a thematic analysis. Coding is highly labor intensive, making it infeasible for most researchers to conduct exhaustive thematic analyses of large corpora. We utilize few-shot prompting with higher quality codes generated on semantically similar passages to enhance the quality of the codes while utilizing a cheap, more easily scalable model.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。