# 用于文本注释的 ChatGPT ## expand\_more Chat GPT 已经引起了不可否认的轰动。 除了生产内容，它还可以分析内容。 ![ChatGPT better than mechanical Turk](/sites/g/files/omnuum4886/files/annotationforeducation/files/chat_gpt_better_than_mechanical_turk.png) 该研究小组有一组推文，由训练有素的人工注释者、亚马逊Mechanical Turk 群众外包（“众包”）的注释者或 ChatGPT 进行分析。 分析根据以下内容对推文进行分类：相关性、预定义主题检测、姿态检测、通用框架检测和多策略框架检测（14 类）。 Chat GPT 在文本分类的准确性方面优于 Mechanical Turk 的众包工作者，ChatGPT 的编码器协议也超过了众包工作者和训练有素的注释者。 在上述论文中，对源文本（推文）进行的分类称为“注释”。 然而，与学生注释者（例如 Perusall 或 hypothes.is）合作的教育工作者将让学生分析源文本，然后生成的注释正文将成为另一个源文本以供可能的分析。 那怎么分析呢？ 如果班级规模很小，也许一名教师手动分析学生注释输出仍然是可以管理的。 如果班级规模很大，也许可以对注释输出进行一些自动评估。 由于 ChatGPT 可以分析给定的任何文本，它还可以分析学生制作的大量注释。 学生注释者的知识构建 (KC) 活动，以前由[研究人员手动分析](https://f1000research.com/articles/11-235/v2)，很可能在不久的将来通过 ChatGPT 或其他 LLM 实现自动化。 自动分析已经内置到 Perusall 平台中。 ![Perusall machine learning algorithm](/sites/g/files/omnuum4886/files/annotationforeducation/files/perusall_machine_learning_algorithm.png) 自动文本分析平台，如 ChatGPT 或其他机器学习算法，未来将在准确性和复杂性方面相互竞争。 还应该记住，在将文本分类为一个类别或为给定的文本段落分配质量分数时，两个人类编码员并不总是认同对方的做法！ 学生不应该假设人类的判断是绝对可靠的。 ChatGPT 已被用于在课程聊天论坛中生成学生对话的摘要，学生可以在论坛中生成解释和讨论证据。 这可能是类似于协作在线注释或课程讨论论坛的文本输出。 ![exploring the use of ChatGPT for evaluating text based discourse](/sites/g/files/omnuum4886/files/annotationforeducation/files/chatgpt_for_evaluation_of_text_based_collaborative_discourse.png) [https://tanner49.github.io/files/LAK22\_Phillips\_et\_al\_camera\_reading.pdf](https://tanner49.github.io/files/LAK22_Phillips_et_al_camera_reading.pdf)ChatGPT 准确地总结了协作在线学习环境中的学生聊天，但它可能会被学生的夸张或其他异类的输出弄糊涂。 作者建议，查看自动讨论输出摘要可能会让教师更多地关注沮丧或困惑的学生——这是一种有用的帮助。