論文の概要: TALLMesh: a simple application for performing Thematic Analysis with Large Language Models

• arxiv url: http://arxiv.org/abs/2504.13892v1
• Date: Sat, 05 Apr 2025 15:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.645569
• Title: TALLMesh: a simple application for performing Thematic Analysis with Large Language Models
• Title（参考訳）: TALLMesh: 大規模言語モデルを用いたテーマ分析のためのシンプルなアプリケーション
• Authors: Stefano De Paoli, Alex Fawzi,
• Abstract要約: Thematic Analysis (TA) は、テキストデータ中のパターンを特定し、解釈するための定性的研究手法である。 近年の研究では、Large Language Models (LLMs) を用いて TA を満足して実行することが可能であることが示されている。 本稿では,研究者のTA実施を支援するためにLLMを用いた新しい応用法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Thematic analysis (TA) is a widely used qualitative research method for identifying and interpreting patterns within textual data, such as qualitative interviews. Recent research has shown that it is possible to satisfactorily perform TA using Large Language Models (LLMs). This paper presents a novel application using LLMs to assist researchers in conducting TA. The application enables users to upload textual data, generate initial codes and themes. All of this is possible through a simple Graphical User Interface, (GUI) based on the streamlit framework, working with python scripts for the analysis, and using Application Program Interfaces of LLMs. Having a GUI is particularly important for researchers in fields where coding skills may not be prevalent, such as social sciences or humanities. With the app, users can iteratively refine codes and themes adopting a human-in-the-loop process, without the need to work with programming and scripting. The paper describes the application key features, highlighting its potential for qualitative research while preserving methodological rigor. The paper discusses the design and interface of the app and outlines future directions for this work.
• Abstract（参考訳）: Thematic Analysis (TA) は、定性的なインタビューなどのテキストデータ中のパターンを識別し、解釈するために広く使われている定性的な研究手法である。 近年の研究では,Large Language Models (LLMs) を用いて TA を満足して実行することが可能であることが示されている。 本稿では,研究者のTA実施を支援するためにLLMを用いた新しい応用法を提案する。 ユーザはテキストデータをアップロードし、初期コードとテーマを生成することができる。 これらはすべて、シンプルなグラフィカルユーザインタフェース(GUI)、合理化フレームワークに基づく、分析のためのpythonスクリプトの動作、LLMのアプリケーションプログラムインタフェースの使用によって実現されている。 GUIを持つことは、社会科学や人文科学といったコーディングスキルが普及しない分野の研究者にとって特に重要である。 このアプリを使えば、ユーザーはプログラミングやスクリプティングを必要とせずに、反復的にコードやテーマを洗練できる。 本報告では, 方法論的厳密性を維持しつつ, 定性的研究の可能性を強調し, 応用の鍵となる特徴について述べる。 本稿では,アプリの設計とインターフェースについて論じ,今後の方向性について概説する。

関連論文リスト

• Towards Leveraging Large Language Model Summaries for Topic Modeling in Source Code [0.0]
  大規模言語モデル (LLM) は、プログラムの理解能力を示す。 トランスフォーマーベースのトピックモデリング技術は、テキストから意味情報を抽出する効果的な方法を提供する。 本稿では,Pythonプログラムのコーパス内で意味のあるトピックを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2025-04-24T10:30:40Z)
• Can LLMs Generate Tabular Summaries of Science Papers? Rethinking the Evaluation Protocol [83.90769864167301]
  文献レビュー表は、科学論文の集合を要約し比較するために欠かせないものである。 学術論文の収集にあたり,ユーザの情報ニーズを最大限に満たす表を作成するタスクについて検討する。 我々の貢献は、現実世界で遭遇する3つの重要な課題に焦点を当てている: (i)ユーザープロンプトは、しばしば未特定である; (ii)検索された候補論文は、しばしば無関係な内容を含む; (iii)タスク評価は、浅いテキスト類似性技術を超えて進むべきである。
  論文  参考訳（メタデータ） (2025-04-14T14:52:28Z)
• Personalized Multimodal Large Language Models: A Survey [127.9521218125761]
  マルチモーダル大言語モデル(MLLM)は、最先端の性能と複数のデータモダリティを統合する能力により、ますます重要になっている。 本稿では,パーソナライズされたマルチモーダルな大規模言語モデルに関する包括的調査を行い,そのアーキテクチャ,トレーニング方法,アプリケーションに焦点をあてる。
  論文  参考訳（メタデータ） (2024-12-03T03:59:03Z)
• Large Language Model-Brained GUI Agents: A Survey [42.82362907348966]
  マルチモーダルモデルはGUI自動化の新しい時代を支えてきた。 彼らは自然言語理解、コード生成、視覚処理において例外的な能力を示した。 これらのエージェントはパラダイムシフトを表しており、ユーザーは単純な会話コマンドで複雑なマルチステップタスクを実行できる。
  論文  参考訳（メタデータ） (2024-11-27T12:13:39Z)
• GUI Agents with Foundation Models: A Comprehensive Survey [91.97447457550703]
  この調査は(M)LLMベースのGUIエージェントに関する最近の研究を集約する。 重要な課題を特定し,今後の研究方向性を提案する。 この調査が(M)LLMベースのGUIエージェントの分野におけるさらなる進歩を促すことを願っている。
  論文  参考訳（メタデータ） (2024-11-07T17:28:10Z)
• Thematic Analysis with Open-Source Generative AI and Machine Learning: A New Method for Inductive Qualitative Codebook Development [0.0]
  本稿では,GATOS(Generative AI- enabled Theme Organization and Structuring)ワークフローを紹介する。 オープンソースの機械学習技術、自然言語処理ツール、および生成テキストモデルを使用して、テーマ分析を容易にする。 GATOSのワークフローは、元の合成データセットを生成するのに使われたテキストのテーマを識別できることを示す。
  論文  参考訳（メタデータ） (2024-09-28T18:52:16Z)
• Automating the Information Extraction from Semi-Structured Interview Transcripts [0.0]
  本稿では,半構造化面接書から情報を取り出す自動システムの開発と応用について検討する。 本稿では,研究者がインタビューデータのテーマ構造を効率的に処理し,視覚化できる,ユーザフレンドリーなソフトウェアプロトタイプを提案する。
  論文  参考訳（メタデータ） (2024-03-07T13:53:03Z)
• Combatting Human Trafficking in the Cyberspace: A Natural Language Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
  このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。 我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。 重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
  論文  参考訳（メタデータ） (2023-11-22T02:45:01Z)
• The Shifted and The Overlooked: A Task-oriented Investigation of User-GPT Interactions [114.67699010359637]
  実際のユーザクエリの大規模なコレクションをGPTに解析する。 ユーザインタラクションでは'設計'や'計画'といったタスクが一般的だが,従来のNLPベンチマークとは大きく異なる。
  論文  参考訳（メタデータ） (2023-10-19T02:12:17Z)
• Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
  本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。 この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
  論文  参考訳（メタデータ） (2023-07-10T11:29:41Z)
• Text Mining for Processing Interview Data in Computational Social Science [0.6820436130599382]
  我々は、市販のテキスト分析技術を用いて、計算社会科学研究からのインタビューテキストデータを処理する。 局所的クラスタリングと用語的エンリッチメントが,応答の探索と定量化に有用であることがわかった。 我々は社会科学の研究にテキスト分析を使うことを奨励し、特に探索的オープンエンドな研究に力を入れている。
  論文  参考訳（メタデータ） (2020-11-28T00:44:35Z)

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。