運用大型語言模型重構框架編碼書：AI作為分析合作者的演繹式內容分析
arXiv - Human-Computer InteractionDiego Gomez-Zara, Hern\'an Valdivieso, Jorge P\'erez, Denis Parra, Sebasti\'an Valenzuela
本文提出將大型語言模型作為分析合作者，透過對話式迭代，協助研究者外化決策規則、發掘潛在維度，並在不同文化背景下調整框架編碼書。
AI 幫你先抓重點
AI 重點 1
LLM作為分析合作者，能在不取代研究者判斷的前提下，協助外化決策規則與發掘隱含維度。
滑鼠懸停看 AI 判斷理由
此洞察顯示AI不僅是工具，更是知識共創夥伴，能提升研究方法的透明度與創造力，並保留研究者的解釋權威。
AI 重點 2
對話式迭代流程使編碼書能隨時間與文化變化即時調整，避免傳統靜態編碼書的局限。
滑鼠懸停看 AI 判斷理由
此點強調AI在動態環境中的適應性，讓研究者能在多元文化背景下持續維持分析效度，對跨文化研究尤為重要。
核心研究發現
- 1
LLM能在大型新聞語料中自動揭示潛在模式，並生成新的框架區分。
- 2
透過研究者與LLM的對話，決策規則得以外化，提升編碼書的透明度與可重複性。
- 3
在拉丁美洲新聞資料集上實驗證明，LLM協作能有效調整原有理論框架，適應新語境。
對教育工作者的啟發
教育工作者可借此方法將LLM納入課程設計與評量資料分析，透過對話式迭代外化評分標準，發掘學生表達中的隱含概念，並在不同文化或學科背景下調整評量框架，保持教師主導的解釋權。
原始文獻資訊
- 英文標題：
- Revisiting Framing Codebooks with AI: Employing Large Language Models as Analytical Collaborators in Deductive Content Analysis
- 作者：
- Diego Gomez-Zara, Hern\'an Valdivieso, Jorge P\'erez, Denis Parra, Sebasti\'an Valenzuela
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。