A large-scale pipeline for automatic corpus annotation using LLMs: variation and change in the English consider construction
Dit artikel presenteert een schaalbare workflow die gebruikmaakt van Large Language Models (LLM's) voor de automatische grammaticale annotatie van grote corpora, wat wordt aangetoond door middel van een succesvolle diachrone analyse van de Engelse 'consider'-constructie.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De "Super-Libraris": Hoe AI de enorme berg taalboeken temt
Stel je voor dat je een ontzettend nieuwsgierige detective bent. Je wilt weten hoe de manier waarop mensen over dingen praten (bijvoorbeeld: "Ik vind hem slim" versus "Ik vind hem als slim") door de eeuwen heen is veranderd.
Het probleem? Je hebt geen stapeltje krantjes, maar een gigantische, eindeloze bibliotheek met miljarden woorden uit de afgelopen 200 jaar. Als je dit onderzoek zelf wilt doen, moet je elke zin die het woord "overwegen" of "vinden" bevat, handmatig lezen en labelen. Dat is alsof je probeert een heel oceaan te legen met een klein theelepeltje. Je bent de rest van je leven bezig met lezen, en je komt nooit toe aan het echte puzzelen.
Dit onderzoek presenteert een oplossing: een slimme, automatische "super-libraris" (een AI-systeem) die dit werk voor je doet.
1. De Methode: De "Chef-kok" aanpak
De onderzoekers hebben niet zomaar een computer gevraagd om wat tekst te lezen. Ze hebben een proces ontworpen dat lijkt op het werken in een sterrenrestaurant:
- Het Recept (Prompt Engineering): In plaats van de AI simpelweg te zeggen "lees dit", schreven ze een extreem gedetailleerd recept. Ze legden precies uit wat de nuances zijn, gaven voorbeelden van wat wel en niet klopt, en leerden de AI hoe hij moet "nadenken" voordat hij een antwoord geeft.
- De Proeverij (Pre-hoc evaluatie): Voordat ze de hele bibliotheek lieten lezen, lieten ze de AI een klein hapje proeven (een paar honderd zinnen). De onderzoekers controleerden of de AI de smaak goed raadde. Pas toen de AI bijna 100% accuraat was, mocht hij aan het hoofdgerecht beginnen.
- De Lopende Band (Batch processing): Nu de AI het recept perfect beheerste, lieten ze hem op topsnelheid door de enorme berg tekst gaan via een digitale snelweg (de API). Wat een mens jaren zou kosten, deed de AI in minder dan 60 uur.
- De Kwaliteitscontrole (Post-hoc validatie): Nadat de AI klaar was, kwam de menselijke expert weer in beeld om steekproefsgewijs te controleren of er geen foutjes in de "levering" waren geslopen.
2. De Ontdekking: De dans van de taal
Dankzij deze supersnelle assistent konden de onderzoekers iets ontdekken wat voorheen onmogelijk was. Ze keken naar de constructie met het werkwoord consider (overwegen/vinden).
Ze ontdekten een soort taal-dans tussen twee stijlen:
- De "Korte Dans" (Reductie): In informele taal (zoals in films en verhalen) houden mensen van snelheid. Ze laten onnodige woorden weg. In plaats van "Ik vind hem als slim", zeggen ze gewoon "Ik vind hem slim". Het is kort, krachtig en efficiënt.
- De "Chique Dans" (Verrijking): In formele taal (zoals in wetenschappelijke boeken) willen mensen juist heel precies zijn. Ze voegen extra woorden toe om de zin duidelijker te maken, zoals "Ik beschouw hem als zijnde intelligent".
De AI liet zien dat deze twee stijlen zich heel anders door de tijd bewegen. Terwijl de "korte" manier de standaard is geworden in het dagelijks leven, blijft de "chique" manier groeien in de wetenschap.
3. Waarom is dit belangrijk?
Dit onderzoek is een soort "turbo-knop" voor de taalkunde.
Vroeger waren taalkundigen beperkt tot kleine steekproeven omdat ze simpelweg niet genoeg tijd hadden. Nu kunnen ze de hele geschiedenis van een taal in één oogopslag bekijken. Het is alsof je van een vergrootglas overstapt naar een satelliet: je ziet niet alleen de details van één boom, maar je ziet het hele bos en hoe het bos door de eeuwen heen groeit en verandert.
Kortom: De onderzoekers hebben bewezen dat AI niet alleen een speeltje is om mee te chatten, maar een krachtige, goedkope en razendsnelle assistent die wetenschappers helpt om de diepste geheimen van onze taal te ontrafelen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.