論文の概要: Codebook Reduction and Saturation: Novel observations on Inductive Thematic Saturation for Large Language Models and initial coding in Thematic Analysis

• arxiv url: http://arxiv.org/abs/2503.04859v1
• Date: Thu, 06 Mar 2025 08:52:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-10 12:25:30.970835
• Title: Codebook Reduction and Saturation: Novel observations on Inductive Thematic Saturation for Large Language Models and initial coding in Thematic Analysis
• Title（参考訳）: コードブックの削減と飽和:大言語モデルにおける帰納的主題飽和と主題解析における初期符号化の新しい観察
• Authors: Stefano De Paoli, Walter Stan Mathis,
• Abstract要約: 本稿では,Large Language Models (LLMs) を用いたテーマ解析のプロセスについて考察する。 Inductive Thematic Saturation (ITS) 測定のための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper reflects on the process of performing Thematic Analysis with Large Language Models (LLMs). Specifically, the paper deals with the problem of analytical saturation of initial codes, as produced by LLMs. Thematic Analysis is a well-established qualitative analysis method composed of interlinked phases. A key phase is the initial coding, where the analysts assign labels to discrete components of a dataset. Saturation is a way to measure the validity of a qualitative analysis and relates to the recurrence and repetition of initial codes. In the paper we reflect on how well LLMs achieve analytical saturation and propose also a novel technique to measure Inductive Thematic Saturation (ITS). This novel technique leverages a programming framework called DSPy. The proposed novel approach allows a precise measurement of ITS.
• Abstract（参考訳）: 本稿では,Large Language Models (LLMs) を用いたテーマ分析のプロセスについて考察する。 具体的には,LLMが生成する初期符号の解析飽和問題を扱う。 セマティック・アナリティクス(Thematic Analysis)は、相互結合相からなる定性的解析法である。 重要なフェーズは初期コーディングであり、アナリストはデータセットの個別のコンポーネントにラベルを割り当てる。 飽和は定性的分析の妥当性を測る手段であり、初期符号の繰り返しと反復に関係している。 本稿では,LLMがいかに解析的飽和を達成するかを考察し,帰納的テーマ飽和(ITS)を測定する新しい手法を提案する。 この斬新なテクニックは、DSPyと呼ばれるプログラミングフレームワークを活用する。 提案手法はITSの正確な測定を可能にする。

関連論文リスト

• Mathematical Derivation Graphs: A Task for Summarizing Equation Dependencies in STEM Manuscripts [1.1961645395911131]
  本稿では,STEM論文における数学的表現間の依存関係関係の理解に向けた最初のステップについて述べる。 我々のデータセットは、arXivコーパスのランダムサンプリングから得られたものであり、107個のSTEM原稿の解析を含んでいる。 分析モデルとNLPモデルを総合的に評価し,各項目の導出関係を同定・抽出する能力を評価する。
  論文  参考訳（メタデータ） (2024-10-26T16:52:22Z)
• Interactive Topic Models with Optimal Transport [75.26555710661908]
  ラベル名監視型トピックモデリングのためのアプローチとして,EdTMを提案する。 EdTMは、LM/LLMベースのドキュメントトピック親和性を活用しながら、代入問題としてのトピックモデリングをモデル化する。
  論文  参考訳（メタデータ） (2024-06-28T13:57:27Z)
• A Thorough Examination of Decoding Methods in the Era of LLMs [72.65956436513241]
  復号法は、次世代の予測器から実用的なタスク解決器に言語モデルを変換する上で、必須の役割を果たす。 本稿では,大規模言語モデルの文脈における様々な復号法を包括的かつ多面的に分析する。 その結果,復号法の性能は特にタスク依存的であり,アライメント,モデルサイズ,量子化などの要因に影響されていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-10T11:14:53Z)
• Expanding Horizons in HCI Research Through LLM-Driven Qualitative Analysis [3.5253513747455303]
  大規模言語モデル(LLM)を用いたHCIにおける定性解析の新しいアプローチを提案する。 以上の結果から,LSMは従来の解析手法と一致しただけでなく,ユニークな知見も得られることが示唆された。
  論文  参考訳（メタデータ） (2024-01-07T12:39:31Z)
• Reflections on Inductive Thematic Saturation as a potential metric for measuring the validity of an inductive Thematic Analysis with LLMs [0.0]
  本論文は,大言語モデル (LLM) を用いた主題分析 (TA) のトランザクション妥当性を評価する指標として,初期主題飽和 (ITS) が用いられることを示唆している。 本稿では,異なるサイズの2つのデータセットを初期符号化し,LLMが符号化中に何らかの解析飽和点に達する方法について考察する。
  論文  参考訳（メタデータ） (2024-01-06T15:34:38Z)
• Large-scale gradient-based training of Mixtures of Factor Analyzers [67.21722742907981]
  本稿では,勾配降下による高次元学習を効果的に行うための理論解析と新しい手法の両立に寄与する。 MFAトレーニングと推論/サンプリングは,学習終了後の行列逆変換を必要としない精度行列に基づいて行うことができることを示す。 理論解析と行列の他に,SVHNやMNISTなどの画像データセットにMFAを適用し,サンプル生成と外乱検出を行う能力を示す。
  論文  参考訳（メタデータ） (2023-08-26T06:12:33Z)
• Can Large Language Models emulate an inductive Thematic Analysis of semi-structured interviews? An exploration and provocation on the limits of the approach and the model [0.0]
  本稿では, GPT 3.5-Turboモデルを用いて, 帰納的テーマ解析のいくつかの側面をエミュレートした実験結果と考察を行った。 本論文の目的は, 定性解析における人間アナリストの代替ではなく, LLMデータ操作のいくつかの要素がある程度の定性研究を支援することができるかを知ることである。
  論文  参考訳（メタデータ） (2023-05-22T13:16:07Z)
• Understanding Incremental Learning of Gradient Descent: A Fine-grained Analysis of Matrix Sensing [74.2952487120137]
  GD(Gradient Descent)は、機械学習モデルにおいて、良い一般化に対する暗黙のバイアスをもたらすと考えられている。 本稿では,行列センシング問題に対するGDのダイナミクスを詳細に解析する。
  論文  参考訳（メタデータ） (2023-01-27T02:30:51Z)
• Linear Temporal Logic Modulo Theories over Finite Traces (Extended Version) [72.38188258853155]
  有限トレース(LTLf)上の線形時間論理について検討する。 命題の文字は任意の理論で解釈された一階述語式に置き換えられる。 Satisfiability Modulo Theories (LTLfMT) と呼ばれる結果の論理は半決定可能である。
  論文  参考訳（メタデータ） (2022-04-28T17:57:33Z)
• Quantum Algorithms for Data Representation and Analysis [68.754953879193]
  機械学習におけるデータ表現のための固有problemsの解を高速化する量子手続きを提供する。 これらのサブルーチンのパワーと実用性は、主成分分析、対応解析、潜在意味解析のための入力行列の大きさのサブ線形量子アルゴリズムによって示される。 その結果、入力のサイズに依存しない実行時のパラメータは妥当であり、計算モデル上の誤差が小さいことが示され、競合的な分類性能が得られる。
  論文  参考訳（メタデータ） (2021-04-19T00:41:43Z)
• Mean-field methods and algorithmic perspectives for high-dimensional machine learning [5.406386303264086]
  障害のあるシステムの統計物理学のツールに基づくアプローチを再検討する。 我々は、様々な理論モデルの位相図に光を放つために、複製法とメッセージパッシングアルゴリズムの深い接続に乗じる。
  論文  参考訳（メタデータ） (2021-03-10T09:02:36Z)

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。