LLM per la Codifica del Dialogo nella Simulazione Sanitaria

Un nuovo preprint su arXiv (2604.23255) esplora l'uso di modelli linguistici di grandi dimensioni per automatizzare la codifica del dialogo nella simulazione sanitaria, con l'obiettivo di bilanciare prestazioni di codifica, tempi di elaborazione e impatto ambientale. Lo studio si basa su ricerche che mostrano come il dialogo sia centrale per l'apprendimento di squadra e che gli LLM possano approssimare la codifica umana tramite prompting a pochi esempi. Tuttavia, lavori precedenti si concentravano sull'accuratezza per la ricerca; questo studio affronta la necessità educativa di un'etichettatura rapida e accurata del dialogo di squadra. L'articolo propone progetti di prompt per consentire un feedback in tempo reale nella formazione basata su simulazione, riducendo la dipendenza dalla codifica qualitativa ad alta intensità di lavoro.