論文の概要: Neo-Grounded Theory: A Methodological Innovation Integrating High-Dimensional Vector Clustering and Multi-Agent Collaboration for Qualitative Research
- arxiv url: http://arxiv.org/abs/2509.25244v1
- Date: Fri, 26 Sep 2025 16:26:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 14:44:59.914845
- Title: Neo-Grounded Theory: A Methodological Innovation Integrating High-Dimensional Vector Clustering and Multi-Agent Collaboration for Qualitative Research
- Title（参考訳）: Neo-Grounded Theory: 定性的研究のための高次元ベクトルクラスタリングとマルチエージェント協調を統合した方法論的革新
- Authors: Shuide Wen, Beier Ku, Teng Wang, Mingyang Zou, Yang Yang,
- Abstract要約: Neo Grounded Theory (NGT)は、定性的研究のスケール深さパラドックスを解決するために、ベクトルクラスタリングとマルチエージェントシステムを統合する。
NGTは168倍の速度向上(3時間対3週間)、優れた品質(0.904対0.883)、96%のコスト削減を達成した。
- 参考スコア（独自算出の注目度）: 5.848041907318412
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: Neo Grounded Theory (NGT) integrates vector clustering with multi agent systems to resolve qualitative research's scale depth paradox, enabling analysis of massive datasets in hours while preserving interpretive rigor. Methods: We compared NGT against manual coding and ChatGPT-assisted analysis using 40,000 character Chinese interview transcripts. NGT employs 1536-dimensional embeddings, hierarchical clustering, and parallel agent-based coding. Two experiments tested pure automation versus human guided refinement. Findings: NGT achieved 168-fold speed improvement (3 hours vs 3 weeks), superior quality (0.904 vs 0.883), and 96% cost reduction. Human AI collaboration proved essential: automation alone produced abstract frameworks while human guidance yielded actionable dual pathway theories. The system discovered patterns invisible to manual coding, including identity bifurcation phenomena. Contributions: NGT demonstrates computational objectivity and human interpretation are complementary. Vector representations provide reproducible semantic measurement while preserving meaning's interpretive dimensions. Researchers shift from mechanical coding to theoretical guidance, with AI handling pattern recognition while humans provide creative insight. Implications: Cost reduction from \$50,000 to \$500 democratizes qualitative research, enabling communities to study themselves. Real-time analysis makes qualitative insights contemporaneous with events. The framework shows computational methods can strengthen rather than compromise qualitative research's humanistic commitments. Keywords: Grounded theory; Vector embeddings; Multi agent systems; Human AI collaboration; Computational qualitative analysis
- Abstract（参考訳）: 目的: ネオグラウンドド理論(NGT)は、ベクトルクラスタリングとマルチエージェントシステムを統合して、定性的研究のスケール深さパラドックスを解決し、解釈的厳密性を維持しながら数時間で大規模なデータセットの分析を可能にする。
方法: NGTを手動コーディングとChatGPTを用いた解析と比較した。
NGTは1536次元の埋め込み、階層クラスタリング、並列エージェントベースの符号化を採用している。
2つの実験では、純粋な自動化と人間の指導による洗練を比較検討した。
結果:NGTは168倍の速度向上(3時間対3週間)、優れた品質(0.904対0.883)、96%のコスト削減を達成した。
自動化だけで抽象的なフレームワークが作り出され、人間の指導によって実行可能な二重経路理論が生み出された。
このシステムは、識別分岐現象を含む手動のコーディングに見えないパターンを発見した。
貢献:NGTは計算客観性を示し、人間の解釈は相補的である。
ベクトル表現は、意味の解釈次元を保ちながら再現可能な意味測定を提供する。
研究者は機械的コーディングから理論的ガイダンスへとシフトし、AIがパターン認識を処理する一方で、人間が創造的な洞察を提供する。
含意:5万ドルから500ドルへのコスト削減は質的研究を民主化し、コミュニティが自分で研究できるようにしている。
リアルタイム分析は、質的な洞察を出来事と一致させる。
この枠組みは、定性的研究の人道主義的コミットメントを妥協するのではなく、計算手法が強化できることを示している。
キーワード:接地理論、ベクトル埋め込み、マルチエージェントシステム、ヒューマンAIコラボレーション、計算定性解析
関連論文リスト
- The AI Research Assistant: Promise, Peril, and a Proof of Concept [0.0]
詳細な事例研究を通じて実証的な証拠を提供する。
コラボレーションによって、注目すべき機能と限界の両方が明らかになった。
我々の経験から、適切な懐疑論や検証プロトコルを使用すると、AIツールは数学的発見を有意義に加速させることができることが示唆されている。
論文 参考訳（メタデータ） (2026-02-26T10:29:05Z) - Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - Sci-Reasoning: A Dataset Decoding AI Innovation Patterns [14.720475159371361]
Sci-Reasoningは、高品質なAI研究の背後にある知的合成をキャプチャする最初のデータセットである。
分析では15の異なる思考パターンを同定し,3つの戦略が52.7%を占めた。
このデータセットは、科学的進歩の定量的研究を可能にし、次世代AI研究エージェントを訓練するための構造化推論軌道を提供する。
論文 参考訳（メタデータ） (2026-01-08T04:12:47Z) - Development and Benchmarking of a Blended Human-AI Qualitative Research Assistant [1.170789976854236]
MuseはAIを使ったインタラクティブな質的研究システムだ。
十分に特定されたコードに対して、MuseとCohenの$0.71の人間の間には、ラッター間の信頼性がある。
また、障害モードを特定し、将来の改善をガイドし、人間のバイアスを修正する能力を示すために、堅牢なエラー解析も行います。
論文 参考訳（メタデータ） (2025-10-14T21:17:34Z) - Understanding the Process of Human-AI Value Alignment [1.6799377888527687]
計算機科学研究における価値アライメントは、人工知能を人間と整合させる過程を指すことが多いが、そのフレーズの使い方は正確性に欠けることが多い。
我々は、人工知能における価値アライメントの理解を促進するために、体系的な文献レビューを行う。
論文 参考訳（メタデータ） (2025-09-17T09:39:38Z) - What Makes a Good Natural Language Prompt? [72.3282960118995]
我々は,2022年から2025年にかけて,NLPおよびAIカンファレンスを主導する150以上のプロンプト関連論文を対象としたメタ分析調査を実施している。
本研究では,6次元に分類した21の特性を含む,迅速な品質評価のための特性・人間中心のフレームワークを提案する。
次に、複数プロパティのプロンプト強化を実証的に検討し、単一プロパティのプロンプトが最大の影響を与える場合が多いことを観察する。
論文 参考訳（メタデータ） (2025-06-07T23:19:27Z) - A Computational Method for Measuring "Open Codes" in Qualitative Analysis [44.39424825305388]
本稿では,人間と生成AI(GAI)による帰納的符号化結果を測定するための理論インフォームド計算手法を提案する。
これは、各コーダのコントリビューションを、Coverage、Overlap、Noverety、Divergenceの4つの新しいメトリクスを使用して、マージした結果に対して測定する。
本研究は,人間とAIの質的分析における方法論的厳密性を確保するための信頼性の高い経路を提供する。
論文 参考訳（メタデータ） (2024-11-19T00:44:56Z) - A Multimodal Automated Interpretability Agent [63.8551718480664]
MAIAは、ニューラルモデルを使用して、ニューラルモデル理解タスクを自動化するシステムである。
まず、画像の学習表現における(ニューロンレベルの)特徴を記述できるMAIAの能力を特徴付ける。
次に、MAIAは、刺激的な特徴に対する感度の低下と、誤分類される可能性のある入力を自動的に識別する2つの追加の解釈可能性タスクに役立てることができることを示す。
論文 参考訳（メタデータ） (2024-04-22T17:55:11Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - Human-Algorithm Collaboration: Achieving Complementarity and Avoiding
Unfairness [92.26039686430204]
慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。
まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。
次に、このモデルを用いて相補性が不可能な条件を証明する。
論文 参考訳（メタデータ） (2022-02-17T18:44:41Z) - KANDINSKYPatterns -- An experimental exploration environment for Pattern
Analysis and Machine Intelligence [0.0]
我々は、ロシア人画家ワシリー・カンジンクシーに因んで命名されたカンディNSKYパタンスについて紹介する。
すべての知覚が 幾何学的に原始的な個々の要素から成り立っています
KandiNSKYPatternsは計算的に制御可能な特性を持つため、人間の観察者、すなわち制御されたパターンは人間とアルゴリズムの両方で容易に区別できる。
論文 参考訳（メタデータ） (2021-02-28T14:09:59Z) - Explainability in Deep Reinforcement Learning [68.8204255655161]
説明可能な強化学習(XRL)の実現に向けての最近の成果を概観する。
エージェントの振る舞いを正当化し、説明することが不可欠である重要な状況において、RLモデルのより良い説明可能性と解釈性は、まだブラックボックスと見なされているものの内部動作に関する科学的洞察を得るのに役立つ。
論文 参考訳（メタデータ） (2020-08-15T10:11:42Z)
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。