arXiv cs.AI· Jonathan Ivey, Anjalie Field, Ziang Xiao·· 1 天前AI 评分31
什么样的回答才算好？定性访谈回答质量的实证分析
What Makes a Good Response? An Empirical Analysis of Quality in Qualitative Interviews
AI 导读
研究构建了包含 14 个真实研究项目、343 份访谈记录和 16,940 条受访者回答的 Qualitative Interview Corpus，并评估 10 种访谈回答质量指标。
正文 · AI 翻译
摘要：定性访谈在能够引出高质量回答时，可为人类经验提供重要洞见。尽管定性与 NLP 研究者已提出多种访谈质量度量，但这些度量缺乏验证，无法证明高分回答确实有助于研究目标。在本工作中，我们识别、实现并评估了 10 种已提出的访谈回答质量度量，以确定哪些度量实际能够预测回答对研究发现的贡献。为开展分析，我们引入了 Qualitative Interview Corpus，这是一个新构建的数据集，包含来自 14 个真实研究项目的 343 份访谈转录文本和 16,940 条参与者回答。我们发现，与关键研究问题的直接相关性是回答质量的最强预测因子。我们还发现，两种常用于评估 NLP 访谈系统的度量——清晰度和基于惊奇度的信息量——并不能预测回答质量。我们的工作提供了分析洞见和有依据、可扩展的指标，可为定性研究的设计和自动访谈系统的评估提供参考。
| 评论： | EMNLP 2026（口头报告），24 页，14 张图 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.05163 [cs.CL] |
| （或 arXiv:2604.05163v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2604.05163 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.18653/2026.emnlp-main.51
链接到相关资源的 DOI |
提交历史
来自：Jonathan Ivey [查看电子邮件]
[v1]
2026 年 4 月 6 日星期一 20:48:34 UTC（548 KB）
[v2]
2026 年 11 月 11 日星期三 18:27:24 UTC（505 KB）
来源：arXiv cs.AI · arxiv.org