arXiv cs.AI· Wenshuo Zhang, Leixian Shen, Qiqi Zhou, Shuchang Xu, Feiyang Hao, Huamin Qu, Haobo Li, Zhao Chen, Lin-Ping Yuan·· 11 小时前AI 评分20
QuAD：内容感知多智能体系统实现定性数据质量的分布对齐定量评估
QuAD: Quantitative Assessment via Distribution-Alignment for Qualitative Data Quality Enabled by a Content-Aware Multi-Agent System
AI 导读
QuAD 是一个对定性回答数据集做定量预分析的框架，通过比较从回答重建的内在聚类分布与研究者基于元数据定义的外在分析视角，以四象限评估指标联合判断数据集是否适配特定分析目标。
正文 · AI 翻译
摘要：评估从半结构化问题中收集的定性回答是否已准备好用于特定的分析目标，一直是一项持续的挑战。人工定性分析具有解释性且劳动密集，而现有的自动化方法往往缺乏数据集层面的视角，无法判断一组回答是否支持研究者选定的分析视角。我们提出 QuAD，一个用于对定性回答数据集进行定量预分析评估的框架。QuAD 将从回答中重建的内在聚类分布与从元数据中导出的外在、由研究者定义的分析视角进行比较。QuAD 被组织为四象限评估，其各项指标被联合解读，从视角层面的关系到簇内变异，为揭示一般模式和独特见解提供适用性信号。由于该评估依赖于以视角为条件的回答间差异度，我们提出一个内容感知的多智能体系统，采用两阶段指令生成和自适应锚点来提高评分一致性。我们通过合成数据上的受控实验（包括稳健性和基线比较）以及一个真实世界的社会调查案例研究来验证 QuAD。该案例研究展示了 QuAD 如何定量评估所选分析轴是否有前景，并同时呈现具有代表性或不寻常的回答以供人工解读。
| 主题： | 人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2610.23153 [cs.AI] |
| （或本版本的 arXiv:2610.23153v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.23153 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wenshuo Zhang [查看邮箱]
[v1]
2026年10月16日星期五 08:46:00 UTC（8,280 KB）
来源：arXiv cs.AI · arxiv.org