OATH-Frames：利用 LLM 辅助 characterize 对美国 homelessness 的在线态度

警告：本文内容可能令人不安。公众对社会关键议题的在线态度表达对于政策和改革具有重要价值，但在规模上仍然难以理解。我们利用大型语言模型的卓越能力，辅助社会工作专家分析来自 Twitter 上数百万篇关于美国 homelessness 的帖子。我们引入一种框架类型学：Online Attitudes Towards Homelessness（OATH）Frames：捕捉批评、回应和感知的九级层次框架。我们发布的注释具有不同程度的语言模型帮助，规模化带来了巨大效益：在性能上仅受到 3 分钟的 F1 分数下降，却实现了 6.5 倍的注释速度。我们的实验表明，对 OATH-Frames 的建模优于现有的情感和有害分类器。我们对预测的 OATH-Frames 对 240 万篇关于 homelessness 的帖子进行大规模分析，揭示了跨州、时间段和不同人群中态度的关键趋势，为理解这一问题提供了新视角。我们的工作为理解规模化的细粒度公众态度提供了通用框架，适用于 homelessness 之外的其他议题。