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。

本研究评估了大型语言模型（LLMs）在气候变化调查中的算法忠实度和偏差。发现LLMs能够捕捉总统投票行为，但在表示全球变暖观点时遇到挑战。GPT-4在人口统计和协变量条件下表现更好，但在估计特定群体观点时存在差异，尤其是低估黑人对全球变暖的担忧。研究强调了在使用LLMs进行调查模拟时的重要性，需要进行细致的条件设置、模型选择、调查问卷格式和偏差评估。进一步研究和算法审计对于解决LLMs的固有限制至关重要。