面向综合计算与定性混合方法教育研究的LLM辅助情感分析：以学生书面反思作业为例
计算机与社会
2026-05-28 v1 人工智能
摘要
书面反思作业为学生提供了宝贵的批判性自我评估、意义建构和学习处理的机会。此外，此类反思为定性教育研究提供了丰富的数据。然而，定性数据分析可能非常耗时。对不同参与者群体之间的发现进行定性比较则更加耗时，通常将比较限制在最多一个变量（例如，二元性别）。大语言模型最近开始被批判性地评估是否可用作定性研究助手。利用一个来自海外留学项目的纵向学生书面反思案例，我们研究了LLM辅助的情感分析如何能够实现结合计算分析和主题分析的综合纵向混合方法研究。首先，使用统计检验根据七个不同的学生身份/生活经历变量定量比较情感差异。然后，这些结果指导定性数据分析，以调查这些差异背后的原因。对于出国留学的本科生案例，我们发现先前在国外生活的经历是影响学生对其语言和沟通行为情感的唯一个人变量。这种工作流程对于定性研究人员在比较不同人口群体参与者时如何更轻松地探究多个变量具有启示意义。
引用
@article{arxiv.2605.27403,
title = {LLM-assisted sentiment analysis for integrated computational and qualitative mixed methods education research: A case study of students' written reflection assignments},
author = {Xiomara Gonzalez and Gabriella Coloyan Fleming and Andrew Katz and Maya Denton and Jessica Deters},
journal= {arXiv preprint arXiv:2605.27403},
year = {2026}
}