在定性研究中推进人工智能驱动的主题分析:对9个生成模型的皮肤莱什曼病数据进行比较研究

科学领域:

• 定性研究方法论 定性研究方法论
• 在社会科学中的人工智能.
• 心理社会影响评估

背景情况:

• 定性研究中的专题分析传统上是耗时且技术要求高的.
• 生成型的人工智能 (A.I. ),特别是大型语言模型,为增强和自动化主题分析提供了潜力.
• 调查皮肤莱什曼病 (CL) 痕的心理社会影响需要强大的定性分析方法.

研究的目的:

• 与传统方法相比,评估人工智能辅助主题分析的有效性.
• 评估九种不同的生成人工智能的性能. 在定性数据分析中的模型.
• 使用先进的分析技术,探索CL痕的心理社会影响.

主要方法:

• 将传统的主题分析与人工智能辅助分析对448名参与者关于CL痕的反应进行了比较.
• 评估了九个生成性AI. 模型 (例如,拉玛3.1,克劳德3.5索内特,双子座2.0高级).
• 通过Python和Jamovi软件确保了使用Cohen的Kappa进行一致性和Jaccard索引进行相似性的方法论严谨性.

主要成果:

• 先进的人工智能. 模型与参考标准具有很高的一致性,其中一些实现了完美的一致性 (雅卡德指数 = 1.00).
• 性别特定的分析显示了一致的AI. 性能,使心理社会后果的细微理解.
• 一个有基础的理论框架确定了与CL相关的心理社会复杂性的新维度和洞察力.

结论:

• 在A.I.I.中. 可以有效地融入复杂的心理社会分析的定性研究.
• 深度学习的人工智能. 模型在主题分析中被证明是非常高效和准确的.
• 未来的定性研究应该利用人工智能. 和人类专业知识,通过标准化报告检查清单确保透明度.