谁的故事被讲述？大语言模型生活叙事摘要中的立场性与偏见
计算与语言
2026-04-23 v1
摘要
越来越多的研究正在探索使用大语言模型（LLM）对文本数据进行加速或规模化的定性分析。虽然我们可以将LLM的准确性直接与人类标签进行比较以进行演绎性编码或文本标注，但评判在归纳性主题分析等抽象方法中使用LLM的伦理和有效性则更具挑战性。我们与心理学家合作，研究LLM对人类生活故事所做的抽象性断言，并提出问题：使用LLM作为意义解释者会如何影响研究的结论和视角？我们提出了一种基于摘要的流程，用于揭示LLM在解释这些生活故事时可能采用的视角选择偏见。我们证明，该流程可以识别出具有代表性伤害潜力的种族和性别偏见。最后，我们鼓励在未来的涉及基于LLM解释研究参与者书面文本或转录语音的研究中，使用此分析来描绘该研究的立场性画像。
引用
@article{arxiv.2604.20131,
title = {Whose Story Gets Told? Positionality and Bias in LLM Summaries of Life Narratives},
author = {Melanie Subbiah and Haaris Mian and Nicholas Deas and Ananya Mayukha and Dan P. McAdams and Kathleen McKeown},
journal= {arXiv preprint arXiv:2604.20131},
year = {2026}
}