通过LLM驱动的定性分析拓展HCI研究视野
Expanding Horizons in HCI Research Through LLM-Driven Qualitative Analysis
AI总结：
本文提出利用LLMs进行HCI定性分析的新方法，并构建基于SBART余弦相似度的定量评估框架，证明LLMs能有效匹配传统方法并提供独特见解。
摘要：
如果我们仍需用打字机“寄送”论文，研究将会怎样？我们的生活与研究环境不断演变，常伴随对新方法的争议。本文拥抱这一变化，引入了一种使用大型语言模型（LLMs）进行人机交互（HCI）定性分析的新方法。我们详述了利用LLMs进行定性数据分析的方法，并提出使用SBART余弦相似度进行性能评估的定量框架。研究结果表明，LLMs不仅媲美传统分析方法的有效性，还提供独特见解。通过新数据集和基准，我们探索了LLMs在HCI研究中的特性，为该领域的进一步探索与应用指明方向。
英文摘要：
How would research be like if we still needed to "send" papers typed with a typewriter? Our life and research environment have continually evolved, often accompanied by controversial opinions about new methodologies. In this paper, we embrace this change by introducing a new approach to qualitative analysis in HCI using Large Language Models (LLMs). We detail a method that uses LLMs for qualitative data analysis and present a quantitative framework using SBART cosine similarity for performance evaluation. Our findings indicate that LLMs not only match the efficacy of traditional analysis methods but also offer unique insights. Through a novel dataset and benchmark, we explore LLMs' characteristics in HCI research, suggesting potential avenues for further exploration and application in the field.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
