MidLLMan - Missione 4 - Componente 2- Investimento 1.3, finanziato dall'Unione europea - NextGenerationEU - CUP: J33C22002830006

L'analisi dei dati nella ricerca qualitativa è complessa e richiede considerevole tempo e sforzo. I Grandi Modelli Linguistici (LLM) possono supportare i ricercatori nel codificare i dati qualitativi emulando le annotazioni umane. Tuttavia, nonostante gli output apparentemente simili che possono produrre, i loro modi di "ragionare" differiscono completamente da quelli dei ricercatori umani. Integrare efficacemente il loro utilizzo nella ricerca qualitativa richiede quindi una profonda comprensione di come "incitare" efficientemente l'obiettivo desiderato, come mitigare e correggere i loro errori e quando il loro supporto può essere considerato affidabile. Tuttavia, ciò potrebbe richiedere una comprensione tecnica che i ricercatori qualitativi potrebbero non essere inclini ad acquisire. In questo progetto, miriamo a progettare una nuova "interfaccia" che possa agire come strato intermedio tra il ricercatore qualitativo e il LLM per supportarlo nell'analisi qualitativa dei dati provenienti, ad esempio, da interviste semistrutturate o codifica manuale delle informazioni testuali. L'interfaccia potrebbe acquisire le esigenze della ricerca del ricercatore e trasformarle in "incitamenti" efficaci da consegnare al LLM. Inoltre, fornirebbe assistenza in termini di ridefinizione dei codici generati, confrontandoli con quelli degli annotatori umani e supportando la riflessione per estrarre temi più astratti. L'obiettivo finale del progetto è capire come l'analisi della ricerca qualitativa potrebbe essere ridefinita attraverso l'uso degli strumenti di Intelligenza Artificiale Generativa.