論文の概要: Human-AI Collaboration in Thematic Analysis using ChatGPT: A User Study and Design Recommendations

• arxiv url: http://arxiv.org/abs/2311.03999v1
• Date: Tue, 7 Nov 2023 13:54:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 15:24:50.219902
• Title: Human-AI Collaboration in Thematic Analysis using ChatGPT: A User Study and Design Recommendations
• Title（参考訳）: ChatGPTを用いたテーマ分析における人間とAIのコラボレーション--ユーザスタディとデザインレコメンデーション
• Authors: Lixiang Yan, Vanessa Echeverria, Gloria Fernandez Nieto, Yueqiao Jin, Zachari Swiecki, Linxuan Zhao, Dragan Ga\v{s}evi\'c, Roberto Martinez-Maldonado
• Abstract要約: 生成人工知能(GenAI)は、定性的研究において、人間とAIのコラボレーションを前進させる有望な可能性を提供する。 この研究は、GenAI、特にChatGPTとのコラボレーションに対する研究者の認識を掘り下げている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative artificial intelligence (GenAI) offers promising potential for advancing human-AI collaboration in qualitative research. However, existing works focused on conventional machine-learning and pattern-based AI systems, and little is known about how researchers interact with GenAI in qualitative research. This work delves into researchers' perceptions of their collaboration with GenAI, specifically ChatGPT. Through a user study involving ten qualitative researchers, we found ChatGPT to be a valuable collaborator for thematic analysis, enhancing coding efficiency, aiding initial data exploration, offering granular quantitative insights, and assisting comprehension for non-native speakers and non-experts. Yet, concerns about its trustworthiness and accuracy, reliability and consistency, limited contextual understanding, and broader acceptance within the research community persist. We contribute five actionable design recommendations to foster effective human-AI collaboration. These include incorporating transparent explanatory mechanisms, enhancing interface and integration capabilities, prioritising contextual understanding and customisation, embedding human-AI feedback loops and iterative functionality, and strengthening trust through validation mechanisms.
• Abstract（参考訳）: ジェネレーティブ人工知能(GenAI)は、質的研究において人間とAIのコラボレーションを促進する有望な可能性を提供する。 しかし、既存の研究は従来の機械学習とパターンベースのAIシステムに焦点を当てており、研究者が定性的な研究でどのようにGenAIと相互作用するかはほとんど分かっていない。 この研究は、GenAI、特にChatGPTとのコラボレーションに対する研究者の認識を掘り下げている。 10人の質的研究者によるユーザ調査を通じて、chatgptはテーマ分析の貴重な協力者であり、コーディング効率の向上、初期データ探索の支援、詳細な定量的洞察の提供、非ネイティブ話者や非専門家の理解を支援するものだと考えました。 しかし、信頼性と正確性、信頼性と一貫性、文脈的理解の制限、研究コミュニティ内で広く受け入れられることへの懸念が続いている。 我々は,効果的な人間とAIのコラボレーションを促進するために,実行可能な5つの設計勧告に貢献する。 これには、透過的な説明機構の導入、インターフェースと統合機能の強化、コンテキスト理解とカスタマイズの優先順位付け、人間とAIのフィードバックループと反復機能の埋め込み、バリデーションメカニズムによる信頼強化などが含まれる。

関連論文リスト

• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Generative AI Tools in Academic Research: Applications and Implications for Qualitative and Quantitative Research Methodologies [0.0]
  本研究では,生成人工知能(GenAI)が学術研究に与える影響について検討し,質的・定量的データ分析への応用に焦点をあてる。 GenAIツールは急速に進化し、研究の生産性を高め、複雑な分析プロセスを民主化するための新たな可能性を提供する。 学術的実践への統合は、研究の完全性、セキュリティ、著作家精神、そして学術作品の変化する性質に関する重要な疑問を提起する。
  論文  参考訳（メタデータ） (2024-08-13T13:10:03Z)
• Augmenting the Author: Exploring the Potential of AI Collaboration in Academic Writing [25.572926673827165]
  このケーススタディは、学術的な仕事において、責任と効果的なAI統合を保証するためのAIの限界を認識し、設計、出力分析、そして認識することの重要性を強調します。 この論文は、効果的なプロンプト戦略を探求し、Gen AIモデルの比較分析を提供することにより、ヒューマン・コンピュータインタラクションの分野に貢献する。
  論文  参考訳（メタデータ） (2024-04-23T19:06:39Z)
• Negotiating the Shared Agency between Humans & AI in the Recommender System [1.4249472316161877]
  ユーザエージェンシーに関する懸念は、固有の不透明性(情報非対称性)とアルゴリズムにおける一方的な出力(パワー非対称性)の性質から生じている。 我々は,エージェントの種類がユーザの知覚や経験にどのように影響するかを理解し,人間とAIの対話システムのためのガイドラインや設計を洗練するための実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-03-23T19:23:08Z)
• How Human-Centered Explainable AI Interface Are Designed and Evaluated: A Systematic Survey [48.97104365617498]
  Em Explainable Interfaces (EIs) の登場する領域は,XAI のユーザインターフェースとユーザエクスペリエンス設計に重点を置いている。 本稿では,人間とXAIの相互作用の現在の動向と,EI設計・開発に向けた将来的な方向性を明らかにするために,53の出版物を体系的に調査する。
  論文  参考訳（メタデータ） (2024-03-21T15:44:56Z)
• A Survey on Human-AI Teaming with Large Pre-Trained Models [7.280953657497549]
  HAIチーム(Human-AI Teaming)は、問題解決と意思決定のプロセスを進めるための基盤として登場した。 大規模事前訓練モデル(LPtM)の出現は、この景観を大きく変えた。 複雑なパターンを理解し予測するために大量のデータを活用することで、前例のない機能を提供します。
  論文  参考訳（メタデータ） (2024-03-07T22:37:49Z)
• Confounding-Robust Policy Improvement with Human-AI Teams [9.823906892919746]
  限界感度モデル(MSM)を用いて,人間とAIの協調作業における非観測的コンバウンディングに対処する新しい手法を提案する。 このアプローチでは、ドメインの専門知識とAI駆動の統計モデルを組み合わせることで、他の方法では隠される可能性がある共同ファウンダーの可能性を考慮しています。
  論文  参考訳（メタデータ） (2023-10-13T02:39:52Z)
• BO-Muse: A human expert and AI teaming framework for accelerated experimental design [58.61002520273518]
  我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。 我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
  論文  参考訳（メタデータ） (2023-03-03T02:56:05Z)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
  人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。 本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
  論文  参考訳（メタデータ） (2021-10-14T15:14:33Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。