19 Novembre 2026

Psicologia Punto One | Psicologia e Psicologi nel Web

Menu

Menu

SCHEDA SCIENTIFICA2026Altra ricerca

I grandi modelli linguistici possono codificare la costruzione di significato? Una validazione multi-modello della valutazione automatizzata del ragionamento autobiografico in narrazioni adolescenziali cinesi

Titolo originaleCan large language models code meaning-making? A multi-model validation of automated autobiographical reasoning scoring in Chinese adolescent narratives.

Wang B, Zhang C, Cai Y, Li Z

Behavior research methods · 2026

PER COMPRENDERE LO STUDIO

Sintesi in italiano

Il ragionamento autobiografico (AR) consiste nell'estrarre significati rilevanti per il sé dalle esperienze personali ed è fondamentale per lo studio dell'identità narrativa. Tuttavia, la codifica manuale dell'AR richiede tempo significativo e personale formato. Questo studio ha valutato la capacità di tre grandi modelli linguistici (LLM) - GPT-4o, DeepSeek-V3 e Qwen-Max - di automatizzare la codifica dell'AR in narrazioni autobiografiche raccolte da quattrocentotrentasette studenti delle scuole superiori cinesi. Sono state testate quattro strategie di prompting (zero-shot, chain-of-thought, 3-shot, 5-shot) e tre granularità di punteggio (binario, ordinale, continuo). Il modello migliore (DeepSeek-V3 con strategia zero-shot) ha raggiunto una concordanza di Cohen's κ pari a 0.416. La precisione è risultata fortemente dipendente dalla condizione: l'accuratezza per testi privi di AR era del 54,9%, mentre saliva al 94,4% per testi con AR moderato-alto. L'analisi degli errori ha evidenziato due bias principali: falsi negativi concentrati in testi con basso AR (odds ratio 3.99, p < 0.001) e falsi positivi causati da sovrainterpretazioni di espressioni emotive. I risultati indicano che, con i modelli, prompt, corpus e regole di punteggio testati, gli LLM generalisti non possono sostituire la codifica manuale formale del ragionamento autobiografico.

Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.

Abstract e pubblicazione originale

L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.

Leggi nella fonte originale ↗

Parole chiave

ragionamento autobiograficomodelli linguisticiautomazionenarrazioni autobiograficheadolescenticodifica automatizzataidentità narrativavalidazione modellibias di valutazione

Come citare questo studio

Wang B, Zhang C, Cai Y, Li Z. (2026). Can large language models code meaning-making? A multi-model validation of automated autobiographical reasoning scoring in Chinese adolescent narratives.. Behavior research methods. DOI: 10.3758/s13428-026-03212-9

Consulta la pubblicazione originale ↗