摘要
1) 一句话总结 OpenAI 经济研究团队发布了开源 Python 工具包 GABRIEL，利用 GPT 技术帮助社会科学家和数据科学家将大规模的非结构化定性数据高效转化为定量分析数据。
2) 关键要点
- 核心定位：GABRIEL 是专为经济学家、社会科学家和数据科学家设计的开源工具包。
- 主要功能：利用 GPT 技术将非结构化的定性数据（如文本、图像、访谈记录、教学大纲等）转化为定量的测量数据。
- 工作机制：允许研究人员使用自然语言定义测量指标，并自动对成千上万乃至数百万份文档进行一致性分析与评分。
- 解决痛点：免去了极其耗时的重复性人工数据标注工作，使研究者能专注于指标选择、结果验证和得出结论。
- 典型应用场景：包括学术趋势分析（分析科学论文）、教育内容评估（审查课程大纲）、历史数据提取（提取小镇结构化细节）以及商业洞察发现（分析客户评论）。
- 附加实用功能：提供合并列不匹配的数据集、智能数据去重、段落编码、构思新科学理论以及文本去标识化（保护隐私）等工具。
- 开源与可用性：现已作为开源 Python 库发布，附带入门教程，技术门槛低，未来将基于学术界反馈持续改进。
正文
OpenAI 的核心工作之一是帮助科学家加快研究步伐并解决更复杂的难题。为此，我们的经济研究团队正式发布了 GABRIEL。这是一个开源工具包，利用 GPT 技术将非结构化的文本和图像转化为定量测量数据。该工具专为经济学家、社会科学家和数据科学家设计，旨在帮助他们大规模地研究定性数据。
定性数据分析的痛点
定性数据蕴含着关于这个世界最丰富的故事——人们的言论、写作、教学、争论和经历。它涵盖了从教学大纲、访谈记录到社交媒体内容和照片的方方面面。尽管这类数据量极其庞大，但将其转化为严谨的证据却极其耗时，甚至往往根本无法实现。在很多情况下，社会科学家被迫放弃重要的研究方向，并非因为缺乏数据，而是因为数据无法被有效分析。
GABRIEL 如何改变研究方式
GABRIEL 的诞生正是为了让定性数据变得更易于使用。它允许研究人员用日常语言描述他们想要测量的指标（例如：“这份招聘启事对家庭有多友好？”），然后将同一个问题一致地应用于成千上万（甚至数百万）份文档中，并为每份文档生成一个评分。
这使得研究人员可以减少在重复性数据标注上花费的时间，将更多精力投入到真正需要专业知识的工作中：选择测量指标、验证结果以及得出严谨的结论。
实际应用场景与核心功能
在我们的论文中，我们对 GPT 在多种用例下标注定性数据的表现进行了基准测试，结果显示其具有极高的准确性。GABRIEL 可以广泛应用于以下场景：
- 学术趋势分析：分析大量科学论文，观察特定方法的使用情况及其随时间的演变。
- 教育内容评估：审查课程大纲，衡量不同学科或技能受到的关注程度。
- 历史数据提取：提取欧洲各个小镇的结构化历史细节。
- 商业洞察发现：检查海量客户评论，发现人们最看重的价值模式。
除了上述测量功能外，GABRIEL 还提供了研究人员常用的实用工具，包括：
- 合并列不匹配的数据集
- 智能数据去重
- 段落编码（Passage coding）
- 构思新的科学理论
- 对文本中的个人信息进行去标识化处理以保护隐私
开源与未来展望
GABRIEL 现已作为开源 Python 库提供，并附带入门教程。它的设计初衷是让使用者只需具备极少的技术背景即可轻松上手。
未来，我们将根据学术界的反馈持续改进 GABRIEL。我们希望这款工具能帮助更多研究人员将丰富的定性数据和人类故事融入到他们的研究工作中。