Large Language Models and Thematic Analysis: Human-AI Synergy in Researching Hate Speech on Social Media

本文介绍了在人工智能（AI）这个不断发展的领域中，利用大型语言模型（LLMs）进行文本分析的发展和应用，这是一个备受学术关注的领域。尽管各种LLMs在进行定性分析方面具有很大的潜力，但它们在人文社会科学领域的使用尚未得到深入研究。本文通过记录一项涉及GPT-4的实验研究，为正在兴起的LLMs定性分析文献做出了贡献。该研究集中在使用源自欧盟资助项目的YouTube数据集进行主题分析（TA），该数据集先前已被其他研究人员分析过。该数据集涉及2016年瑞典罗姆移民的表现，这是一段标志着2015年难民危机后果的时期，也是2017年瑞典全国选举之前的时期。我们的研究旨在了解将人类智能与AI的可扩展性和效率相结合的潜力，同时考察在人文社会科学领域中采用LLMs进行定性研究的优缺点。此外，我们还讨论了在这些领域应用LLMs的未来方向。

本论文旨在探讨在人文社科领域中使用大型语言模型（LLMs）进行文本分析的潜力和限制。具体而言，通过使用GPT-4进行主题分析，对一个关于2016年瑞典罗姆移民的YouTube数据集进行实验研究，旨在结合人类智能和人工智能的可扩展性和效率，探讨在人文社科领域中使用LLMs进行定性研究的优点和局限性。

本论文的关键思路是通过实验研究，探讨在人文社科领域中使用LLMs进行文本分析的潜力和限制，并结合人类智能和人工智能的可扩展性和效率，探讨在人文社科领域中使用LLMs进行定性研究的优点和局限性。

本论文的亮点在于使用GPT-4进行主题分析，对一个关于2016年瑞典罗姆移民的YouTube数据集进行实验研究，探讨了在人文社科领域中使用LLMs进行定性研究的优点和局限性。此外，还讨论了未来在这些领域应用LLMs的方向。

最近在这个领域中的相关研究包括：1.《使用大型语言模型进行社会科学研究：现状、挑战和未来方向》；2.《使用BERT进行文本分析：优点、局限性和未来方向》；3.《深度学习在人文社科领域中的应用：现状和未来方向》等。