本文探讨了大型语言模型（LLMs）在定性研究中的辅助应用，强调其支持人类分析师而非替代。研究提出了利用检索增强生成（RAG）模型解决数据匮乏的问题，并展示了LLMs在定性分析中的潜力与挑战，包括算法忠实度和伦理实践。通过案例研究，验证了LLMs在多种任务中的有效性，推动了人机交互领域的研究。

本文介绍了如何辅助AI决策时的判断，通过随机在线实验发现，新手参与者可以通过练习AI辅助决策来表现出与经验工作者相似的模式。参与者对其AI辅助决策的解释的定性研究表明，他们参考了AI模型无法获取的定性案例叙述，以学习何时（不）依赖AI预测。

本文介绍了关键使用的概念，以帮助人们辅助 AI 决策时的判断。通过随机在线实验来探索如何支持关键使用的训练，发现新手参与者表现出与经验工作者相似的与 AI 不一致的模式。参与者对其 AI 辅助决策的解释的定性研究表明，他们参考了 AI 模型无法获取的定性案例叙述，以学习何时（不）依赖 AI 预测。

本文介绍了一个包含1.52亿推文和5.6万份数据点的自动整理数据集，用于预测MBTI人格类型。通过定性和定量研究，分析了数据的模式，并得出了结论。