Internformat: Éditorial :: SCD d'Orléans

Éditorial

This article examines the potential and limitations of LLMs (Large Language Models) for analyzing narratives, focusing on corporate profits as a case study. Building on the “narrative turn” in social and human science (SHS) research, it highlights how AI (artificial intelligence) – based methods...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Martin-Vallas, François, Liviano Wahba, Liliana
Format:	Article ou chapitre numérique
Sprache:	Français
Veröffentlicht:	2013
Online Zugang:	Accès Université d'Orléans et IFPM Accès Université d'Orléans et IFPM

id	cairn-RPA_001_0005
record_format	cairn
spelling	cairn-RPA_001_0005RPARevue de Psychologie Analytique https://shs.cairn.info/revue-de-psychologie-analytique1-2013-1-page-5?lang=fr https://doi.org/10.3917/rpa.001.0005 Éditorial Martin-Vallas, FrançoisLiviano Wahba, Liliana2013 fre Revue de Psychologie Analytique \| 1 \| 1 \| 2013-08-12 \| p. 5-10 \| 2268-8870 RPA_00159 This article examines the potential and limitations of LLMs (Large Language Models) for analyzing narratives, focusing on corporate profits as a case study. Building on the “narrative turn” in social and human science (SHS) research, it highlights how AI (artificial intelligence) – based methods can scale up the identification, classification, and visualization of qualitative discourse across large corpora. The paper introduces the MILL-EHNAS project, which aims to develop annotated datasets, multimodal LLM evaluation frameworks, and new tools for short-form narrative detection to study how profit narratives influence accounting practices and fiscal policies. While emphasizing the promise of LLMs for integrating information-technology and SHS research, the article also discusses methodological risks, including overreliance on structured databases, potential loss of archival expertise, and new divisions of labor within academia. Overall, it argues that LLMs can transform narrative analysis but must be used critically, with attention to context, interpretability, and disciplinary balance.Cet article examine le potentiel et les limites des grands modèles de langage (LLMs) pour l’analyse des discours relatifs aux bénéfices des entreprises. S’appuyant sur le « tournant narratif » observé dans la recherche en sciences humaines et sociales (SHS), il met en évidence la manière dont les méthodes fondées sur l’IA (Intelligence Artificielle) peuvent impulser et faciliter l’identification, la classification et la visualisation des discours narratifs issus de vastes corpus. Cet article présente le projet MILL-EHNAS. Ce projet vise à développer des ensembles de données annotés, des cadres d’évaluation multimodaux des LLMs et de nouveaux outils de détection des récits narratifs afin d’étudier comment les discours sur les bénéfices influencent les pratiques comptables et les politiques fiscales. Tout en soulignant le potentiel des LLMs pour intégrer les technologies de l’information et la recherche en SHS, l’article en aborde les risques méthodologiques, notamment la dépendance excessive vis-à-vis des bases de données structurées, la perte potentielle d’expertise archivistique et les nouvelles divisions du travail au sein du monde académique. Il montre que les LLMs peuvent transformer l’analyse narrative, mais doivent être utilisés de manière critique, en prêtant attention au contexte, à l’interprétabilité et à l’équilibre disciplinaire.Cairn free access
language	Français
format	Article ou chapitre numérique
building	0/Bibliothèque numérique/ 1/Bibliothèque numérique/Cairn/
description	This article examines the potential and limitations of LLMs (Large Language Models) for analyzing narratives, focusing on corporate profits as a case study. Building on the “narrative turn” in social and human science (SHS) research, it highlights how AI (artificial intelligence) – based methods can scale up the identification, classification, and visualization of qualitative discourse across large corpora. The paper introduces the MILL-EHNAS project, which aims to develop annotated datasets, multimodal LLM evaluation frameworks, and new tools for short-form narrative detection to study how profit narratives influence accounting practices and fiscal policies. While emphasizing the promise of LLMs for integrating information-technology and SHS research, the article also discusses methodological risks, including overreliance on structured databases, potential loss of archival expertise, and new divisions of labor within academia. Overall, it argues that LLMs can transform narrative analysis but must be used critically, with attention to context, interpretability, and disciplinary balance.
author	Martin-Vallas, François Liviano Wahba, Liliana
spellingShingle	Martin-Vallas, François Liviano Wahba, Liliana Éditorial
author_facet	Martin-Vallas, François Liviano Wahba, Liliana
author_sort	Martin-Vallas, François
title	Éditorial
title_short	Éditorial
title_full	Éditorial
title_fullStr	Éditorial
title_full_unstemmed	Éditorial
title_sort	éditorial
publishDate	2013
container_title
container_issue
url	https://ezproxy.univ-orleans.fr/login?url=https://shs.cairn.info/revue-de-psychologie-analytique1-2013-1-page-5?lang=fr https://ezproxy.univ-orleans.fr/login?url=https://doi.org/10.3917/rpa.001.0005
_version_	1877246754596847616

Éditorial

Ähnliche Einträge