Large Language Model for Qualitative Research -- A Systematic Mapping Study
Created by
- Haebom
Category
Empty
저자
Caua Ferreira Barros, Bruna Borges Azevedo, Valdemar Vicente Graciano Neto, Mohamad Kassab, Marcos Kalinowski, Hugo Alexandre D. do Nascimento, Michelle C. G. S. P. Bandeira
개요
본 논문은 의료, 교육, 사회과학 등의 분야에서 기하급수적으로 증가하는 텍스트 데이터의 양에 비해 기존의 정성적 분석 방법의 한계를 지적하며, 생성형 AI 기반의 대규모 언어 모델(LLM)을 활용한 정성적 분석의 가능성을 탐구한다. 다양한 분야에서 LLM의 활용 사례를 분석하고, 적용 분야, 구성, 방법론, 평가 지표 등을 체계적으로 조사한다. LLM이 기존의 많은 인력 투입을 필요로 하는 과정을 자동화할 수 있는 잠재력을 보여주는 동시에, 프롬프트 엔지니어링에 대한 의존성, 오류 가능성, 맥락적 제한 등의 과제도 제기한다. 결론적으로 LLM과 인간 전문가의 통합, 모델의 견고성 향상, 평가 방법론 개선의 필요성을 강조하며, 향후 LLM을 활용한 정성적 분석 연구의 방향을 제시한다.
시사점, 한계점
•
시사점:
◦
대규모 언어 모델(LLM)이 정성적 연구의 자동화 및 효율성 향상에 기여할 수 있음을 보여줌.
◦
다양한 분야에서 LLM의 적용 가능성을 확인하고, 실제 활용 사례를 제시함.
◦
향후 LLM 기반 정성적 분석 연구의 발전 방향을 제시함.
•
한계점:
◦
LLM의 성능이 프롬프트 엔지니어링에 크게 의존적임.
◦
LLM의 오류 가능성 및 맥락적 제한이 존재함.
◦
LLM 기반 정성적 분석을 위한 평가 방법론의 개선이 필요함.
