代码本缩减与饱和：大型语言模型归纳主题饱和及主题分析初始编码的新观察
计算与语言
2025-03-10 v1 人工智能
计算机与社会
摘要
本文探讨了使用大型语言模型（LLMs）执行主题分析的过程。具体而言，该论文关注由LLMs产生的初始编码的分析饱和问题。主题分析是一种成熟的定性分析方法，由相互关联的阶段组成。一个关键阶段是初始编码，分析人员为数据集的离散成分分配标签。饱和是衡量定性分析有效性的方式，与初始编码的重复出现有关。本文反思了LLMs在分析饱和方面的表现，并提出了一种测量归纳主题饱和（ITS）的新技术。该新技术利用了一个名为DSPy的编程框架。所提出的新方法允许对ITS进行精确测量。
引用
@article{arxiv.2503.04859,
title = {Codebook Reduction and Saturation: Novel observations on Inductive Thematic Saturation for Large Language Models and initial coding in Thematic Analysis},
author = {Stefano De Paoli and Walter Stan Mathis},
journal= {arXiv preprint arXiv:2503.04859},
year = {2025}
}