基于少样本提示的AI编码用于主题分析
AI Coding with Few-Shot Prompting for Thematic Analysis
AI总结：
本文研究如何利用GPT 3.5-Turbo结合少样本提示和语义相似段落的高质量编码，以低成本、可扩展的方式提升主题分析编码质量。
摘要：
本文探讨了使用大型语言模型（LLMs）——此处以GPT 3.5-Turbo为代表——来执行主题分析的编码工作。编码工作高度劳动密集，使得大多数研究人员难以对大型语料库进行穷尽式的主题分析。我们利用少样本提示（few-shot prompting），借助在语义相似段落上生成的更高质量编码来提升编码质量，同时使用一个成本低廉、更易扩展的模型。
英文摘要：
This paper explores the use of large language models (LLMs), here represented by GPT 3.5-Turbo to perform coding for a thematic analysis. Coding is highly labor intensive, making it infeasible for most researchers to conduct exhaustive thematic analyses of large corpora. We utilize few-shot prompting with higher quality codes generated on semantically similar passages to enhance the quality of the codes while utilizing a cheap, more easily scalable model.
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。
