AI 对话性访谈：以大语言模型为自适应访谈员 transforming 调查
人机交互
2025-03-13 v2 人工智能
计算与语言
摘要
传统方法在获取人们意见时面临深度与规模之间的权衡：结构化调查 enable 大规模数据收集 but 限制 respondent 能否以自己的话语表达意见，而对话式访谈提供更深入的洞察 but requires 资源密集。本研究探索了用大语言模型 (LLM) 替代 human interviewer 来 conduct scalable 对话式访谈的潜力。我们的目标是评估 AI 对话性访谈的 performance，并在受控环境中识别改进机会。我们进行了一项小规模、深入的研究，随机分配的大学学生被安排由 AI 或 human interviewer 进行对话式访谈，两者使用相同的政治主题问卷。various 量化和定性 measure 评估 interviewer 遵循指南情况、response quality、participant engagement 以及 overall interview efficacy。研究结果表明，AI 对话性访谈在 producing quality data 方面可行，相当于传统方法，同时具有 scalability 的额外优势。我们发布了数据和 materials for re-use，并 present specific recommendations for effective implementation。
引用
@article{arxiv.2410.01824,
title = {AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers},
author = {Alexander Wuttke and Matthias Aßenmacher and Christopher Klamm and Max M. Lang and Quirin Würschinger and Frauke Kreuter},
journal= {arXiv preprint arXiv:2410.01824},
year = {2025}
}