一种新型的人类在回环的人工智能计算 grounded theory 框架用于大规模社交数据
人机交互
2025-06-09 v1 信息检索
机器学习
摘要
大数据的可用性显著影响了进行大规模行为和社会科学研究的可能性及方法选择。在定性数据分析的背景下，一个主要挑战是传统方法需要大量的手动工作且往往不实用于大数据集。有效解决此问题的一种方法是整合新兴的计算方法以克服规模限制。然而，研究人员的一个关键担忧是使用机器学习（ML）和自然语言处理（NLP）工具分析此类数据时，结果的可信度。在我们看来，对结果可信度和稳健性的信心取决于采用一种能够为研究人员提供对分析过程控制的'人类在回环'方法，同时保留使用 ML 和 NLP 的优势。鉴于此，我们提出了一种用于计算 grounded theory（CGT）的新方法论框架，支持对大规模定性数据集的分析，同时保持 established grounded theory（GT）方法论的严谨性。为说明该框架的价值，我们呈现了在 Reddit 上收集的数据集上进行测试的结果，该研究旨在理解网格经济中导师的经历。
引用
@article{arxiv.2506.06083,
title = {A Novel, Human-in-the-Loop Computational Grounded Theory Framework for Big Social Data},
author = {Lama Alqazlan and Zheng Fang and Michael Castelle and Rob Procter},
journal= {arXiv preprint arXiv:2506.06083},
year = {2025}
}
备注
24 pages, 2 figures, 15 tables