社会学研究数字化转型背景下合成焦点小组的方法

DOI:

EDN:

评审日期

出版日期

注解: 该研究的主题是使用使用大型语言模型（LLM）创建的合成焦点小组（SFG）作为社会学分析数字化转型的一部分。 研究的对象是收集和解释定性数据的创新方法，重点是在没有真实受访者参与的情况下对小组讨论进行建模。 本文考察了SFG的启发式潜力，在有限的受访者访问条件下使用该方法的可能性，以及它与研究高等教育中人工智能态度的相关性。 特别注意通过prompta系统组织与语言模型的互动的方式，参与者角色的形成以及对获得的话语位置的分析。 本文还涉及使用合成参与者进行研究时出现的伦理和方法挑战。 该方法将科学出版物的理论分析与SFG的实际建模相结合，使用语言模型的连续提示和生成数据的随后解释来实现。 这项工作的科学新颖性在于测试合成焦点小组（SFG）方法，作为使用生成语言模型（LLM）收集高质量信息的创新工具，如Gemini，Qwen，Llama，Deepseek和Mistral。 在研究中，特别关注基于用户实验的SFG建模，旨在研究高等教育系统中学生和教师对人工智能的态度。
所有使用的模型都强调了SFG的方法论局限性：数据失真的可能性，需要明确识别参与者的合成性质并用传统方法补充此类研究。 这种方法在需要快速生成假设、初步测试研究方案以及教育和专家实践的情况下是有用的。 与此同时，强调需要对SPGs的使用采取关键方法，特别是在所获得数据的有效性和代表性方面。

出版日期: