論文の概要: LLM-assisted sentiment analysis for integrated computational and qualitative mixed methods education research: A case study of students' written reflection assignments
- arxiv url: http://arxiv.org/abs/2605.27403v1
- Date: Fri, 24 Apr 2026 02:02:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 02:55:43.013993
- Title: LLM-assisted sentiment analysis for integrated computational and qualitative mixed methods education research: A case study of students' written reflection assignments
- Title（参考訳）: LLMを用いた総合計算・定性混合手法教育研究のための感情分析:学生のリフレクション課題を事例として
- Authors: Xiomara Gonzalez, Gabriella Coloyan Fleming, Andrew Katz, Maya Denton, Jessica Deters,
- Abstract要約: 大規模言語モデル (LLM) は, 最近, 定性的研究アシスタントとしての利用のために批判的に評価され始めている。
本研究は,海外の学習プログラムにおける学生の書面反射の経時的事例を用いた。
統計的テストは、学生のアイデンティティ/寿命の異なる7つの経験変数に応じて感情差を定量的に比較するために使用される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Written reflection assignments give students valuable opportunities for critical self-assessment, meaning making, and learning processing. Additionally, such reflections provide rich data for qualitative education research. However, qualitative data can be time-consuming to analyze. It is even more time-intensive to qualitatively compare findings between different groups of participants, usually limiting comparison to, at most, one variable (e.g., binary gender). Large language models (LLMs) have recently begun to be critically evaluated for use as qualitative research assistants. Using a longitudinal case of written student reflections (n=151) from a study abroad program, we investigate how LLM-assisted sentiment analysis can enable longitudinal mixed-methods research combining computational and thematic analyses. First, statistical testing is used to quantitatively compare sentiment differences according to seven different student identity/lived experience variables. Then, these results inform qualitative data analysis to investigate the reasons underlying these differences. For the case of undergraduate students studying abroad, we found that prior experience living abroad was the only personal variable impacting students' sentiments of their verbal language and communication behaviors. This workflow has implications for how qualitative researchers can more easily probe multiple variables when comparing participants from different demographic groups.
- Abstract（参考訳）: リフレクションの課題は、学生に重要な自己評価、すなわち創造と学習の機会を与える。
さらに、このようなリフレクションは質的な教育研究のための豊富なデータを提供する。
しかし、定性的データは分析するのに時間がかかる可能性がある。
参加者の異なるグループ間での発見を質的に比較するのは、より時間集約的であり、通常は1つの変数(例えば、二分性)と比較して制限される。
大規模言語モデル (LLM) は, 最近, 定性的研究アシスタントとしての利用のために批判的に評価され始めている。
海外の学習プログラムにおける学生の縦方向の反射(n=151)を用いて, LLMによる感情分析が, 計算とテーマ分析を組み合わせた縦方向の混合手法の研究をいかに可能かを検討した。
第一に、統計的テストは7つの異なる学生のアイデンティティ/生存経験変数に応じて感情差を定量的に比較するために使用される。
そして、これらの結果から定性的なデータ分析を行い、これらの違いの根底にある理由を解明する。
海外留学の場合, 留学生の言語・コミュニケーション行動に対する感情に影響を及ぼすのは, 留学生の事前経験のみであった。
このワークフローは、定性的研究者が、異なる人口集団の参加者を比較する際に、より容易に複数の変数を探索する方法に影響を及ぼす。
関連論文リスト
- Sociodemographic Biases in Educational Counselling by Large Language Models [61.30199414932204]
本研究では,Large Language Models(LLMs)における社会デマトグラフィーバイアスについて検討する。
多様な状況下で生徒を記述した900のヴィグネットに関する質問に答える6つのLDMからの回答を評価した。
論文 参考訳（メタデータ） (2026-04-03T14:08:22Z) - Methodological Variation in Studying Staff and Student Perceptions of AI [1.701796716399534]
我々は、一般的に単一の量的または質的な尺度によって評価されるAI知覚のケースに焦点を当てる。
異なるアプローチを比較するために、スタンドアローンのコメントと構造化されたフォーカスグループという2種類の定性的データを収集する。
異なる分析によって、単一のデータソースに対して異なる結果が得られることを示す。
論文 参考訳（メタデータ） (2025-12-22T11:04:46Z) - Using AI to replicate human experimental results: a motion study [0.11838866556981258]
本稿では,言語研究における信頼性の高い解析ツールとして,大規模言語モデル(LLM)の可能性について検討する。
動作動詞の行儀を含む時間表現における感情的意味の出現に焦点を当てる。
論文 参考訳（メタデータ） (2025-07-14T14:47:01Z) - Evaluating Large Language Models with Psychometrics [59.821829073478376]
本稿では,Large Language Models (LLMs) の心理的構造を定量化するための総合的ベンチマークを提案する。
私たちの研究は、13のデータセットで評価された5つの重要な心理的構成要素、人格、価値観、感情的知性、心の理論、自己効力性を特定します。
LLMの自己報告特性と実際のシナリオにおける応答パターンとの間に大きな相違が発見され,その挙動の複雑さが明らかになった。
論文 参考訳（メタデータ） (2024-06-25T16:09:08Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - 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) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
世論の研究は我々に貴重な情報を提供することができる。
感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。
本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
論文 参考訳（メタデータ） (2020-06-05T16:28:10Z)
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。