在线讨论论坛提供了重要的数据,以了解广泛的现实世界社区的关注。但是,用于分析这些数据的典型定性和定量方法,例如主题分析和主题建模,是不可行的,或者需要大量的人类努力以将产出转化为人类可读形式。这项研究介绍了Quallm,这是一个新型的基于LLM的框架,可从在线论坛上的文本数据中分析和提取量化的见解。该框架由一种新颖的提示和人类评估方法组成。我们介绍了这个框架,以分析Reddit的两个乘车工人社区的一个MIL会议,标志着其类型的最大研究。我们发现了有关AI和算法平台决策的重要工人,以回应有关工人见解的监管电话。简而言之,我们的工作为AI辅助定量数据分析设定了一个新的先例,以使在线论坛的表面关注。
![arxiv:2405.05345v2 [CS.CL] 2025年2月16日PDF文件第1页](/bimg/2/28336d85d08bd555f9d0ade2476e15775cfbdb7d.webp)
![arxiv:2405.05345v2 [CS.CL] 2025年2月16日PDF文件第2页](/bimg/e/ec655b74469527f0bad0dc2120360461eb689eed.webp)
![arxiv:2405.05345v2 [CS.CL] 2025年2月16日PDF文件第3页](/bimg/5/5294e7fba3c547a3be8639c59e179fd080d4180c.webp)
![arxiv:2405.05345v2 [CS.CL] 2025年2月16日PDF文件第4页](/bimg/2/276d208b5b18d0777ca4404c5e6823350e7f74d1.webp)
![arxiv:2405.05345v2 [CS.CL] 2025年2月16日PDF文件第5页](/bimg/4/4934714faf2d01f8fedb76f361ce69964cb5efcc.webp)
