LLM-Driven Event Log Generation from Forensic Cases: A Comparative Study of ChatGPT, Claude, and Gemini
Notice bibliographique
Résumé
Event logs underpin both process mining and digital forensic analysis. Yet turning unstructured case narratives into wellformed logs remains a non-trivial task. Much of the work to date has relied on bespoke Natural Language Processing (NLP) pipelines or transformer-based stacks, which are solutions that can be effective but are also engineering-intensive. This study asks a straightforward question: can large language models (LLMs) (ChatGPT, Claude, and Gemini, produce structured, XES-compatible event logs directly from forensic narratives? We examine eight case files and assess the outputs along four dimensions that matter in practice: temporal consistency, redundancy, schema compliance, and classification performance. The results are instructive. ChatGPT generated timelines that were fully consistent and adhered to the schema in all cases. Claude performed well overall but showed slightly lower consistency and compliance. Gemini achieved near-perfect temporal alignment, though its outputs varied more across cases. Pairwise comparisons indicate small but meaningful gaps in consistency. Taken together, these findings suggest that LLMs are a potential alternative to custom pipelines for event log generation. Even so, the forensic context warrants caution: outputs should be validated carefully before use, with attention to case details and downstream impact.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».