[论文解读] Algorithmic Ghost in the Research Shell: Large Language Models and Academic Knowledge Creation in Management Research

Nigel Williams, Stanislav Ivanov+1 more|arXiv (Cornell University)|Mar 10, 2023

Artificial Intelligence in Healthcare and Education被引用 8

一句话总结

论文评估了大型语言模型在超越数据分析的学术知识创造中的应用，基于范围性综述（2018–2023年1月），并提出未来的采用路径：共同作者、研究助理和应答人。

ABSTRACT

The paper looks at the role of large language models in academic knowledge creation based on a scoping review (2018 to January 2023) of how researchers have previously used the language model GPT to assist in the performance of academic knowledge creation tasks beyond data analysis. These tasks include writing, editing, reviewing, dataset creation and curation, which have been difficult to perform using earlier ML tools. Based on a synthesis of these papers, this study identifies pathways for a future academic research landscape that incorporates wider usage of large language models based on the current modes of adoption in published articles as a Co-Writer, Research Assistant and Respondent.

研究动机与目标

• 评估研究人员如何使用大型语言模型来协助超越数据分析的学术知识创造任务。
• 综合来自范围性综述（2018–2023年1月）的证据，关于GPT辅助的研究活动。
• 识别并阐述将LLM整合到管理研究工作流的未来路径。

提出的方法

• 对2018–2023年1月关于GPT辅助学术任务的文献进行范围性综述。
• 综合论文中的证据，以绘制LLM在知识创造任务中的使用模式。
• 识别采用方式（共同作者、研究助理、应答人），并讨论对未来研究的影响。

实验结果

研究问题

• RQ1 研究人员如何使用大型语言模型来支持超越数据分析的学术知识创造任务？
• RQ2 在已发表的文章中出现了哪些LLM的采用方式（共同作者、研究助理、应答人）？
• RQ3 为将LLMs整合到管理研究中，未来的研究格局和路径有哪些建议？

主要发现

• LLMs已被用于超越数据分析的任务，如写作、编辑、评审，以及数据集创建与整理。
• 已发表的采用模式包括三种：共同作者、研究助理和应答人。
• 研究确立了未来学术研究格局的路径，促成在管理研究中更广泛使用大型语言模型。