تقدم الاستطلاعات المفتوحة رؤى قيمة، لكنها تتميز بتحديات كبيرة عند تحليلها على نطاق واسع. في دراسة جديدة، تم تناول هذا الموضوع من خلال دراسة مقارنة بين النماذج اللغوية الضخمة (Large Language Models - LLMs) وأساليب التعلم الآلي التقليدية في تحليل ردود الاستطلاعات المفتوحة المتعلقة بتجربة الطلبة.

أجرى الباحثون مقارنة بين عدة نماذج متطورة مثل سلسلة GPT من OpenAI، ونموذج روبرتات تويترو (Twitter-roBERTa-base)، ونموذج LLaMA من ميتا. تمت مقارنة أداء هذه النماذج مع أساليب التعلم الآلي التقليدية في مهام مثل تحليل المشاعر والتصنيف الموضوعي.

أظهرت النتائج أن النماذج اللغوية الضخمة تتفوق في دقة التصنيف، وبالأخص في فهم الأنماط المعقدة لمزاج الطلبة ومواضيع آرائهم. ومع ذلك، وعلى الرغم من قدرتها العالية على الدقة، إلا أن هذه النماذج تختلف بشكل كبير في كيفية تبرير تنبؤاتها وتطبيق حدود الفئات، مما يشير إلى وجود تحولات حاسمة تعتمد على نوع النموذج المستخدم.

تسلط هذه الدراسة الضوء على الفوائد والعيوب لاستخدام مختلف النماذج اللغوية الضخمة في الأبحاث النوعية على نطاق واسع. تقدم أيضاً نصائح عملية للباحثين الذين يسعون لتحقيق توازن بين الأتمتة والصرامة التفسيرية المطلوبة في دراساتهم.