桥接人类解释与机器表征：大语言模型时代的定性数据分析图景
计算与语言
2026-01-21 v1
摘要
大语言模型（LLM）越来越多地被用于支持定性研究，然而现有系统产生的输出差异很大——从忠实于痕迹的摘要到理论介导的解释和系统模型。为了使这些差异显式化，我们引入了一个 4×4 的图景，将四个意义建构层次（描述性、范畴性、解释性、理论性）与四个建模层次（静态结构、阶段/时间线、因果路径、反馈动力学）交叉结合。将此图景应用于先前的基于 LLM 的自动化研究，突显了其严重偏向低层次意义和低承诺表征，而在解释性/理论性推断或动力学建模方面鲜有可靠的尝试。基于所揭示的差距，我们概述了一个应用和构建 LLM 系统的议程，使其解释和建模承诺变得显式、可选择和可治理。
引用
@article{arxiv.2601.11739,
title = {Bridging Human Interpretation and Machine Representation: A Landscape of Qualitative Data Analysis in the LLM Era},
author = {Xinyu Pi and Qisen Yang and Chuong Nguyen and Hua Shen},
journal= {arXiv preprint arXiv:2601.11739},
year = {2026}
}