封面来源：ChatGPT-4 DALL·E

摘要：生成式大语言模型（GLLMs），如OpenAI的ChatGPT和GPT-4模型，逐渐成为会计研究中分析文本任务的强大工具。GLLMs能够处理一切通过非生成式方法解决的文本分析任务，甚至包括那些仅能通过人工编码解决的问题。本文着重探究GLLMs在会计研究领域的运用，并与现有文本分析技术进行比较。同时，为研究人员提供了在工作中高效利用GLLMs的框架，解决了模型选择、提示设计和构建有效性等关键问题。通过案例研究，本研究揭示了GLLMs具有识别电话财报会议中non-answers现象的能力，然而传统方法难以精确、自动完成。此外，文章使用配套网站获取的non-answers数据集和代码，通过测量管理者的辩解、情绪倾向等多个non-answers维度来展示GLLMs在COVID-19大流行期间的灵活性。最后，讨论了在使用GLLMs时，解决偏见、可复制性和数据隐私问题的重要性。总的来说，本文为研究人员提供了使用GLLMs必要的方法和工具，也为编辑和审稿人提供了更好评估GLLM方法的论文的知识。

引用：de Kok, T. (2023). Generative LLMs and Textual Analysis in Accounting:(Chat) GPT as Research Assistant?. Available at SSRN. http://dx.doi.org/10.2139/ssrn.4429658.

文献：PDF