当前,面对教育质性研究中日益增多的非结构化数据,传统的手动编码和解释方法已难以有效应对,而大模型(Large Language Model,LLM)的快速发展为社会科学的质性研究带来了新的机遇与挑战。为此,文章聚焦LLM在教育质性研究中的应用,首先从...当前,面对教育质性研究中日益增多的非结构化数据,传统的手动编码和解释方法已难以有效应对,而大模型(Large Language Model,LLM)的快速发展为社会科学的质性研究带来了新的机遇与挑战。为此,文章聚焦LLM在教育质性研究中的应用,首先从理论层面阐释了LLM的潜力,包括其在心理理论应用、非结构化数据分析、背景知识利用以及数据增强技术介入等方面的优势;然后,文章提出了LLM在教育质性研究不同阶段的应用框架,涵盖研究设计与预备分析,数据收集与信息交互,数据分析与模式识别,成果展示、验证与传播等环节;最后,文章通过一个基于GPT-4的智能访谈案例,展示了LLM优化教育质性研究设计、改进数据收集与分析方法的过程。文章通过研究,旨在为LLM在教育质性研究中的应用提供理论框架,并为未来教育质性研究方法的实践创新提供思路。展开更多
文摘当前,面对教育质性研究中日益增多的非结构化数据,传统的手动编码和解释方法已难以有效应对,而大模型(Large Language Model,LLM)的快速发展为社会科学的质性研究带来了新的机遇与挑战。为此,文章聚焦LLM在教育质性研究中的应用,首先从理论层面阐释了LLM的潜力,包括其在心理理论应用、非结构化数据分析、背景知识利用以及数据增强技术介入等方面的优势;然后,文章提出了LLM在教育质性研究不同阶段的应用框架,涵盖研究设计与预备分析,数据收集与信息交互,数据分析与模式识别,成果展示、验证与传播等环节;最后,文章通过一个基于GPT-4的智能访谈案例,展示了LLM优化教育质性研究设计、改进数据收集与分析方法的过程。文章通过研究,旨在为LLM在教育质性研究中的应用提供理论框架,并为未来教育质性研究方法的实践创新提供思路。
