في عالم تحليل البيانات النوعية (Qualitative Data Analysis) الذي يعتمد بشكل متزايد على نماذج اللغات الضخمة (Large Language Models)، تناقش دراسة جديدة أهمية إدخال مستوى من المصداقية الذي يتسم به التحليل البشري. تشير الدراسة إلى أن النماذج الحالية غالباً ما تفتقر إلى العمق والدقة اللتين يمكن أن توفرهما التحليلات البشرية، ويعود السبب في ذلك إلى غياب ممارسة التدقيق من نظراء (Peer Debriefing) في هذه العمليات.

لمعالجة هذه الفجوة، اقترح الباحثون إطاراً مبتكراً يسمى Agent-as-Peer-Debriefer، وهو إطار متعدد الوكلاء يدمج مفهوم التدقيق من نظراء في خطوات التحليل الكمي. يتكون هذا الإطار من وكيل يتبع العملية القياسية لتحليل البيانات النوعية، ليقوم بتوليد الشفرات (Codes) والمواضيع الفرعية (Sub-themes) والمواضيع الأساسية (Themes)، إلى جانب تقديم تفسيرات ذاتية وملاحظات تفكير.

بعد ذلك، يتم تبادل هذه النتائج مع ثلاثة وكلاء للتدقيق من نظراء، حيث يتبنى كل واحد منهم منظوراً تحليلياً مختلفاً؛ إما مدفوعاً بالنظرية (Theory-Driven)، أو مدفوعاً بالبيانات (Data-Driven)، أو طبقياً (Applied). هؤلاء الوكلاء يقومون بتعديل الشفرات عن طريق الاحتفاظ بها، أو إعادة تسميتها، أو إعادة تخصيصها، أو دمجها، أو تقسيمها. وتعتبر هذه المناظير مستمدة من ممارسات تحليل البيانات النوعية المعروفة التي تشمل مجالات وبيانات متعددة.

لتقييم فعالية هذا الإطار، تم اختباره على ثلاثة مجموعات بيانات عبر مجالين مختلفين باستخدام ثلاثة نماذج للغات الضخمة، حيث تم قياس التشابه الدلالي (Semantic Similarity) مع الشفرات المعنونة بواسطة البشر. أظهرت النتائج أن التعديلات المعتمدة على المنظور والتدقيق من نظراء تتماشى بشكل أوثق مع شفرات البشر مقارنةً بنموذج فردي، مما يدل على أن العملية ليست مجرد تحسين إضافي.

تجدر الإشارة إلى أن المناظير الثلاثة تنتج توازنات متميزة، مما يدل على أن اختيار المنظور يأتي كقرار تصميمي يمكن التحكم فيه. تعكس هذه النتائج بشكل عام إمكانية تعزيز مصداقية تحليل البيانات النوعية المدعوم من نماذج اللغات الضخمة من خلال محاكاة التدقيق من نظراء باستخدام وجهات نظر واضحة.