KWALLM：面向社科研究的大语言模型质性文本分析工具

KWALLM是一款基于R和Shiny开发的质性文本分析应用，让非技术用户也能利用大语言模型进行文本分类、主题提取、情感评分等分析任务。

• 原作者/维护者: Kennispunt Twente
• 来源平台: GitHub
• 原项目名: KWALLM
• 原始链接: https://github.com/KennispuntTwente/KWALLM
• 发布时间: 2026年6月

---

KWALLM是一款专为质性研究设计的文本分析应用，由荷兰特温特知识中心(Kennispunt Twente)开发。它基于R语言和Shiny框架构建，将大语言模型(LLM)的强大能力封装在友好的Web界面中，让社会科学研究者无需编程背景也能进行高效的文本分析。

---

用户可以预定义类别列表，模型将自动对文本进行分类。例如将产品评论归类为"正面"、"负面"或"中性"。这种监督式分类方法适用于已有明确分析框架的研究场景。

用户定义特定特征(如"积极情感程度")，模型根据文本与该特征的匹配程度进行评分。这种方法比简单分类提供更细粒度的量化指标，适合需要程度测量的研究问题。

无需预定义类别，模型自动识别文本中的主题并分配标签。该方法基于Wanrooij、Manhar & Yang (2024)和Pham等人(2023)的研究成果，在小数据集上表现优于BERTopic等传统方法。

针对质性编码需求，模型可在文本中标记与特定代码相关的片段。例如给定代码"颜色"，模型会高亮所有提及颜色的文本片段(如"太阳是黄色的"中的"黄色")。用户可自定义代码，也可让LLM基于文本自动生成代码。此模式特别适合访谈记录或焦点小组讨论等长文本分析。

---

考虑到研究伦理和数据保护法规(如GDPR)，KWALLM内置多层个人信息识别与脱敏机制：

• 基础检测: 使用正则表达式识别邮箱地址、电话号码、荷兰邮政编码等常见PII
• 高级检测: 集成GLiNER模型进行本地化的深度PII识别，无需将敏感数据发送到外部API

这种设计确保研究参与者的隐私得到保护，同时不影响分析质量。