QuaLLM: An LLM-based Framework to Extract Quantitative Insights from Online Forums

在线讨论论坛为了理解各种真实社区的关注点提供了至关重要的数据。然而，用于分析这些数据的典型定性和定量方法，如主题分析和主题建模，很难扩展或需要大量人力来将输出转换为人类可读的形式。本研究介绍了QuaLLM，这是一个基于LLM的新型框架，用于分析和从在线论坛的文本数据中提取定量洞察力。该框架包括一种新型的提示方法和评估策略。我们将此框架应用于分析来自两个Reddit拼车工人社区的超过一百万条评论，标志着此类研究的最大规模。我们揭示了工人对AI和算法平台决策的重大关注，以回应有关工人见解的监管呼吁。简而言之，我们的工作为AI辅助的定量数据分析设立了新的先例，以从在线论坛中提出关注点。

解决问题的问题是如何分析在线论坛的数据并提取定量见解，以了解真实世界社区的关注点？

QuaLLM是一个基于LLM的框架，用于分析在线论坛上的文本数据并提取定量见解。该框架包括一种新颖的提示方法和评估策略。

该研究应用QuaLLM框架分析了两个Reddit顺风车工人社区的超过一百万条评论，揭示了工人对AI和算法平台决策的重大关注点，回应了关于工人见解的监管呼吁。该研究开创了AI辅助定量数据分析从在线论坛中揭示关注点的新先例。

在这个领域中，最近的相关研究包括：1）《使用机器学习方法分析在线社交媒体数据的综述》；2）《基于机器学习的在线社交媒体数据分析方法》；3）《使用机器学习方法分析在线论坛数据的综述》。