論文の概要: Integrating Computational Methods and AI into Qualitative Studies of Aging and Later Life

• arxiv url: http://arxiv.org/abs/2512.17850v1
• Date: Fri, 19 Dec 2025 17:50:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-22 19:25:54.518961
• Title: Integrating Computational Methods and AI into Qualitative Studies of Aging and Later Life
• Title（参考訳）: 計算手法とAIの老化とその後の生活の質的研究への統合
• Authors: Corey M. Abramson,
• Abstract要約: 計算社会科学(CSS)ツールは、老化の研究を拡張し、拡大している。 この章は、定性的な老化の研究とより意味のある対話にCSSツールを組み込む方法と課題の両方を強調している。 この章は、現在の発展は危険を伴わないものではなく、質的研究の方法論の基礎である代替ではなく、老化とライフコースへの新たな洞察をもたらす可能性があると結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This chapter demonstrates how computational social science (CSS) tools are extending and expanding research on aging. The depth and context from traditionally qualitative methods such as participant observation, in-depth interviews, and historical documents are increasingly employed alongside scalable data management, computational text analysis, and open-science practices. Machine learning (ML) and natural language processing (NLP), provide resources to aggregate and systematically index large volumes of qualitative data, identify patterns, and maintain clear links to in-depth accounts. Drawing on case studies of projects that examine later life--including examples with original data from the DISCERN study (a team-based ethnography of life with dementia) and secondary analyses of the American Voices Project (nationally representative interview)--the chapter highlights both uses and challenges of bringing CSS tools into more meaningful dialogue with qualitative aging research. The chapter argues such work has potential for (1) streamlining and augmenting existing workflows, (2) scaling up samples and projects, and (3) generating multi-method approaches to address important questions in new ways, before turning to practices useful for individuals and teams seeking to understand current possibilities or refine their workflow processes. The chapter concludes that current developments are not without peril, but offer potential for new insights into aging and the life course by broadening--rather than replacing--the methodological foundations of qualitative research.
• Abstract（参考訳）: この章は、計算社会科学(CSS)ツールがどのように老化の研究を拡張し、拡張しているかを示す。 参加者の観察、詳細なインタビュー、歴史文書といった伝統的な定性的な方法からの深さと文脈は、スケーラブルなデータ管理、計算テキスト分析、オープンサイエンスの実践とともにますます採用されている。 機械学習(ML)と自然言語処理(NLP)は、大量の定性的データを集約し、体系的にインデックス付けし、パターンを特定し、詳細なアカウントへの明確なリンクを維持するためのリソースを提供する。 DISCERN研究(認知症とチームベースの生活のエスノグラフィー)のオリジナルデータと、アメリカン・ボイス・プロジェクト(全国的に代表的なインタビュー)の二次分析(英語版)を含む、後の人生を調べるプロジェクトのケーススタディに基づいて、この章は、CSSツールを質的老化研究とより有意義な対話に持ち込むための用途と課題の両方を強調している。 この章では、(1)既存のワークフローの合理化と強化、(2)サンプルとプロジェクトのスケールアップ、(3)新しい方法で重要な問題に対処するためのマルチメソッドアプローチの生成、そして、現在の可能性を理解したりワークフロープロセスを洗練しようとする個人やチームにとって有用なプラクティスに転換する可能性について論じている。 この章は、現在の発展は危険を伴わないものではなく、質的研究の方法論の基礎である代替ではなく、老化とライフコースへの新たな洞察をもたらす可能性があると結論付けている。

関連論文リスト

• Qualitative Research in an Era of AI: A Pragmatic Approach to Data Analysis, Workflow, and Computation [0.0]
  我々は、知識、目的、倫理的コミットメントによって展開された場合、新しい技術は長年にわたる方法論上の課題に対処する可能性があると論じる。 我々は、慎重に、透過的に使用すると、現代の計算ツールは、置き換わるよりも、有意義に拡張できると結論付けている。
  論文  参考訳（メタデータ） (2025-09-15T23:12:13Z)
• Large Language Model for Qualitative Research -- A Systematic Mapping Study [3.302912592091359]
  先進的な生成AIを駆使した大規模言語モデル(LLM)がトランスフォーメーションツールとして登場した。 本研究は, LLMを用いた定性的研究に関する文献を体系的にマッピングする。 LLMは様々な分野にまたがって利用されており、プロセスの自動化の可能性を示している。
  論文  参考訳（メタデータ） (2024-11-18T21:28:00Z)
• Systematic Task Exploration with LLMs: A Study in Citation Text Generation [63.50597360948099]
  大規模言語モデル(LLM)は、複雑な創造的自然言語生成(NLG)タスクの定義と実行において、前例のない柔軟性をもたらす。 本稿では,系統的な入力操作,参照データ,出力測定からなる3成分研究フレームワークを提案する。 我々はこのフレームワークを用いて引用テキスト生成を探索する。これは一般的なNLPタスクであり、タスク定義と評価基準に関するコンセンサスを欠いている。
  論文  参考訳（メタデータ） (2024-07-04T16:41:08Z)
• Tool Learning with Large Language Models: A Survey [60.733557487886635]
  大規模言語モデル(LLM)を用いたツール学習は,高度に複雑な問題に対処するLLMの能力を強化するための,有望なパラダイムとして登場した。 この分野での注目と急速な進歩にもかかわらず、現存する文献は断片化され、体系的な組織が欠如している。
  論文  参考訳（メタデータ） (2024-05-28T08:01:26Z)
• Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
  大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。 各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。 我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
  論文  参考訳（メタデータ） (2023-12-29T14:25:22Z)
• Faithfulness in Natural Language Generation: A Systematic Survey of Analysis, Evaluation and Optimization Methods [48.47413103662829]
  自然言語生成(NLG)は,事前学習型言語モデルなどの深層学習技術の発展により,近年大きく進歩している。 しかし、生成したテキストが通常不信または非実情報を含むという忠実性問題は、最大の課題となっている。
  論文  参考訳（メタデータ） (2022-03-10T08:28:32Z)

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。