تحليل المحتوى النوعي لتصورات المتعلمين يستغرق وقتًا طويلًا بسبب حجم البيانات الكبيرة. درست هذه الدراسة إمكانية استخدام نموذج لغة كبير (LLM) لدعم وتسريع تحليل المحتوى النوعي دون المساس بالصحة. تم تحليل ردود مكتوبة من 180 طالب بكالوريوس في جامعتين ألمانيتين على أربعة أسئلة مفتوحة حول الميكروبات البلاستيكية. تم استخدام ChatGPT لتطوير الفئات بشكل استقرائي وتعيين الردود. قام اثنان من مشرفي التشفير البشري بنفس الإجراءات لأغراض المقارنة. تم حساب موثوقية المتداخل باستخدام كابا كوهين وتم إجراء تجربتين مستقلتين باستخدام ChatGPT لاختبار التناسق. النظام التصنيفي الذي أنشأه ChatGPT كان يتوافق بشكل كبير مع النظام الذي طوره البشر. أظهرت تجربتان من ChatGPT تصنيفات متسقة للغاية، مع موثوقيات متداخلة تصل إلى κ = 0.96. وهذا يتجاوز كلاً من الاتفاق الداخلي والخارجي لمشفرات البشريين (κ = 0.45–0.90). بشكل عام، تشير نتائجنا إلى أن نماذج اللغة الكبيرة يمكن أن تدعم تحليل المحتوى النوعي بشكل صحيح وموثوق مع تقليل وقت التحليل بشكل كبير. من هذه الناحية، قد يمثل استخدام نماذج اللغة الكبيرة تغييرًا منهجيًا في البحث النوعي، مما يجعل مثل هذه المناهج أكثر كفاءة وسهولة، حتى للمعلمين في الفصول الدراسية.
درس براوني وآخرون (الخميس) هذا السؤال.