論文の概要: Affording Process Auditability with QualAnalyzer: An Atomistic LLM Analysis Tool for Qualitative Research

• arxiv url: http://arxiv.org/abs/2604.03820v1
• Date: Sat, 04 Apr 2026 18:07:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.784149
• Title: Affording Process Auditability with QualAnalyzer: An Atomistic LLM Analysis Tool for Qualitative Research
• Title（参考訳）: QualAnalyzerによるプロセスの聴取性向上:質的研究のための原子論的LCM解析ツール
• Authors: Max Hao Lu, Ryan Ellegood, Rony Rodriguez-Ramirez, Sophia Blumert,
• Abstract要約: Google Workspace用のオープンソースのChromeエクステンションであるQualAnalyzerを紹介します。 QualAnalyzerは、各データセグメントを独立に処理することで、原子論的LLM解析をサポートする。 このアプローチが妥当な監査証跡を生み出すことを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models are increasingly used for qualitative data analysis, but many workflows obscure how analytic conclusions are produced. We present QualAnalyzer, an open-source Chrome extension for Google Workspace that supports atomistic LLM analysis by processing each data segment independently and preserving the prompt, input, and output for every unit. Through two case studies -- holistic essay scoring and deductive thematic coding of interview transcripts -- we show that this approach creates a legible audit trail and helps researchers investigate systematic differences between LLM and human judgments. We argue that process auditability is essential for making LLM-assisted qualitative research more transparent and methodologically robust.
• Abstract（参考訳）: 大規模言語モデルは定性的なデータ分析にますます使われているが、多くのワークフローが分析的な結論をどう生成するかを曖昧にしている。 我々は、Google Workspace用のオープンソースのChromeエクステンションQualAnalyzerを紹介し、各データセグメントを独立に処理し、各ユニットのプロンプト、入力、出力を保存することによって、原子論的LCM解析をサポートする。 2つのケーススタディ(包括的エッセイ評価と面接書の演題的コーディング)を通じて、本手法が妥当な監査証跡を作成し、研究者がLLMと人的判断の体系的差異を調査するのに役立つことを示す。 LLMを用いた質的研究をより透明で方法論的に堅牢にするためには,プロセス監査性が不可欠である,と我々は主張する。

関連論文リスト

• IDA-Bench: Evaluating LLMs on Interactive Guided Data Analysis [60.32962597618861]
  IDA-Benchは、多ラウンドの対話シナリオで大規模言語モデルを評価する新しいベンチマークである。 エージェント性能は、最終的な数値出力と人間由来のベースラインを比較して判断する。 最先端のコーディングエージェント(Claude-3.7-thinkingなど)でさえ50%のタスクを成功させ、シングルターンテストでは明らかでない制限を強調している。
  論文  参考訳（メタデータ） (2025-05-23T09:37:52Z)
• How do Large Language Models Understand Relevance? A Mechanistic Interpretability Perspective [64.00022624183781]
  大規模言語モデル(LLM)は、関連性を評価し、情報検索(IR)タスクをサポートする。 メカニスティック・インタプリタビリティのレンズを用いて,異なるLLMモジュールが関係判断にどのように寄与するかを検討する。
  論文  参考訳（メタデータ） (2025-04-10T16:14:55Z)
• Applications and Implications of Large Language Models in Qualitative Analysis: A New Frontier for Empirical Software Engineering [0.46426852157920906]
  この研究は、ソフトウェア工学における質的研究におけるLCMの使用を最適化するための構造化戦略とガイドラインの必要性を強調している。 LLMは質的な分析をサポートすることを約束していますが、データの解釈には人間の専門知識が不可欠です。
  論文  参考訳（メタデータ） (2024-12-09T15:17:36Z)
• LLM Inference Unveiled: Survey and Roofline Model Insights [62.92811060490876]
  大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。 本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。 このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
  論文  参考訳（メタデータ） (2024-02-26T07:33:05Z)
• Can Large Language Models Serve as Data Analysts? A Multi-Agent Assisted Approach for Qualitative Data Analysis [4.539569292151314]
  大規模言語モデル(LLM)は、ソフトウェア工学(SE)における人間とロボットの協調を可能にする 本研究では,人間の意思決定支援をAIと相乗化して,さまざまな定性的データ分析手法を自動化するLLMベースのマルチエージェントシステムの設計と開発を行う。
  論文  参考訳（メタデータ） (2024-02-02T13:10:46Z)

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。