拥抱辩证主体间性：利用LLM角色模拟协调内容分析中的不同视角
计算与语言
2025-12-25 v2 人工智能
计算机与社会
社会与信息网络
摘要
本研究试图将内容分析方法论从共识导向推进到协调导向实践，从而包容多样化的编码输出并探索不同视角间的动态关系。作为对该方法的一项探索性研究，我们评估了六种GPT-4o配置，以分析2020年美国总统竞选期间福克斯新闻和MSNBC关于拜登和特朗普的文稿中的情感，并考察这些模型间的模式。通过评估每个模型与意识形态视角的一致性，我们探讨了如何在LLM辅助内容分析（LACA）中识别党派选择性处理。研究结果显示，党派人格的LLM在处理政治上一致的内容时表现出更强的意识形态偏见。此外，与跨党派配对相比，同党派人格之间的编码者间信度更高。这种方法增强了对LLM输出的细致理解，提升了人工智能驱动的社会科学研究的完整性，并使得模拟现实世界影响成为可能。
引用
@article{arxiv.2502.00903,
title = {Embracing Dialectic Intersubjectivity: Coordination of Different Perspectives in Content Analysis with LLM Persona Simulation},
author = {Taewoo Kang and Kjerstin Thorson and Tai-Quan Peng and Dan Hiaeshutter-Rice and Sanguk Lee and Stuart Soroka},
journal= {arXiv preprint arXiv:2502.00903},
year = {2025}
}