Κέρδη:
- Δυνατότητα επαλήθευσης της μεταγραφής ακούγοντας την ηχογράφηση και χρήση τεχνητής νοημοσύνης για την πρόταση κωδικών και θεμάτων
- Παραμένοντας πιστός στη φωνή του συμμετέχοντα συνδέοντας κάθε κωδικό και απόσπασμα με την πραγματική δήλωση στο κείμενο, κατά προτίμηση με αριθμό γραμμής
- Δυνατότητα διάκρισης κώδικα από θέμα και αποφυγής επιφανειακών σχολίων και υποστήριξης του βάθους των δεδομένων με εισαγωγικά.
Η ποιοτική έρευνα δεν αφορά αριθμούς. Είναι μια προσέγγιση που ασχολείται με το νόημα, την εμπειρία και το πλαίσιο. Προσπαθεί να κατανοήσει σε βάθος πώς οι άνθρωποι ερμηνεύουν ένα γεγονός, με ποιες λέξεις το περιγράφουν και γιατί τους ενδιαφέρει. Το πιο συνηθισμένο εργαλείο είναι η συνέντευξη σε βάθος — μια μακρά συζήτηση με ένα άτομο που βασίζεται σε προκαθορισμένες αλλά ευέλικτες ερωτήσεις. Μετά τη συνέντευξη ακολουθούν τρεις εργασίες: μεταγραφή (μεταγραφή της ηχογράφησης κατά λέξη), κωδικοποίηση (επισήμανση σημαντικών αποσπασμάτων στο κείμενο) και ανάλυση θεμάτων (εξαγωγή μεγαλύτερων, επαναλαμβανόμενων μοτίβων - θεμάτων - από τους κώδικες). Σε αυτήν την ενότητα, θα μάθετε πώς να χρησιμοποιείτε την τεχνητή νοημοσύνη σε αυτές τις τρεις εργασίες. αλλά θα μάθετε πώς να διατηρείτε τη φωνή και την υπευθυνότητα του συμμετέχοντος για τη διερμηνεία.
Η τεχνητή νοημοσύνη είναι ένα πραγματικά ισχυρό βοήθημα στην ποιοτική ανάλυση, επειδή το μεγαλύτερο μέρος της εργασίας αφορά το κείμενο και η τεχνητή νοημοσύνη είναι γρήγορη στο κείμενο. Αλλά αυτός είναι ακριβώς ο λόγος που ο μεγαλύτερος κίνδυνος βρίσκεται εδώ: να αποδώσει κάτι στον συμμετέχοντα που δεν έχει πει. Η τεχνητή νοημοσύνη μπορεί να «διορθώσει» ένα απόσπασμα, να «ερμηνεύσει» ένα συναίσθημα ή να «δημιουργήσει» ένα θέμα που δεν υπάρχει στο κείμενο. Η καρδιά της ποιοτικής έρευνας είναι η πιστότητα στα λόγια του ίδιου του συμμετέχοντα. Ο χρυσός κανόνας λοιπόν: Η τεχνητή νοημοσύνη προτείνει κώδικα και θέματα, αλλά κάθε πρόταση πρέπει να συνδέεται με την πραγματική δήλωση του κειμένου — κατά προτίμηση με αριθμό γραμμής — και πρέπει να την επιβεβαιώσετε.
Βήμα προς βήμα: από την εγγραφή στο θέμα
1. Επαληθεύστε τη μεταγραφή. Τα εργαλεία αυτοματοποιημένης μεταγραφής είναι γρήγορα, αλλά κάνουν λάθη: μπορεί να γράφουν λάθος ονόματα, τεχνικούς όρους, εκφράσεις διαλέκτων. Είναι απαραίτητο να ακούσετε την ηχογράφηση και να διορθώσετε τη μεταγραφή. Το AI μπορεί να επεξεργαστεί τη μορφή, αλλά δεν μπορεί να ακούσει τον ήχο.
2. Κάντε ανοιχτή κωδικοποίηση. Διαβάστε το κείμενο γραμμή προς γραμμή και δώστε μια ετικέτα (κωδικό) σε κάθε κομμάτι με νόημα. Το AI μπορεί να δημιουργήσει προτάσεις κώδικα από τις πρώτες μεταγραφές. Αυτό δίνει μια αρχική λίστα.
3. Ευθυγραμμίστε τη λίστα κωδικών με τη θεωρία. Συνδυάστε, διαχωρίστε, μετονομάστε τους κωδικούς που προτείνει η AI σύμφωνα με το δικό σας ερευνητικό ερώτημα και πλαίσιο. Αυτή είναι η κρίση του ανθρώπου.
4. Κωδικοποιήστε με συνέπεια. Το ίδιο νόημα θα πρέπει να επισημαίνεται με τον ίδιο κωδικό παντού. Η τεχνητή νοημοσύνη βοηθά στην επισήμανση των υπόλοιπων μεταγραφών σύμφωνα με το εγκεκριμένο σύνολο κωδικών σας.
5. Εξαγωγή θεμάτων. Ομαδοποιήστε τους κωδικούς και ονομάστε μεγαλύτερα μοτίβα (θέματα). Το AI προτείνει προσχέδιο θέματος. Εναπόκειται σε εσάς να αποφασίσετε ποιο αντικατοπτρίζει πραγματικά τα δεδομένα σας. Υποστηρίξτε κάθε θέμα με απευθείας εισαγωγικά.
Συμβουλή: Αποσαφηνίστε τη διαφορά μεταξύ «κώδικα» και «θέματος» στην ποιοτική ανάλυση: ένας κώδικας είναι ένα μικρό νόημα στο κείμενο («άγχος για την εργασιακή ανασφάλεια»). Το θέμα είναι το μεγάλο μοτίβο που συγκεντρώνει πολλούς κώδικες («αβεβαιότητα για το μέλλον»). Το AI μπορεί να μπερδέψει τα δύο. Διατηρείτε τη διάκριση.
τρεις μίνι θήκες
Περίπτωση 1 — Κατασκευάστηκε απόσπασμα. Ένας ερευνητής ζήτησε από το AI αποσπάσματα που υποστηρίζουν ένα θέμα. Η AI παρουσίασε μια πρόταση που ήταν άπταιστη αλλά δεν εμφανιζόταν στη μεταγραφή όπως "είπε ο συμμετέχων". Όταν ο ερευνητής ζήτησε έναν αριθμό γραμμής, ο YZ δεν μπορούσε να αναφέρει την πηγή. Το απόσπασμα κατασκευάστηκε. Έχει γίνει κανόνας: καμία πρόταση χωρίς εισαγωγικά ή αριθμούς γραμμών δεν γίνεται δεκτή.
Περίπτωση 2 — Αυξήθηκε η συνοχή κωδικοποίησης. Σε μια μελέτη 30 μεταγραφών, δύο ερευνητές χρησιμοποίησαν διαφορετικούς κωδικούς. Έβαλαν την τεχνητή νοημοσύνη να συντάξει ένα κοινό βιβλίο κωδικών — το όνομα, την περιγραφή και το παράδειγμα κάθε κώδικα. Η συνέπεια μεταξύ των κωδικοποιητών αυξήθηκε σημαντικά και το τι σήμαινε κάθε κωδικός τεκμηριώθηκε.
Περίπτωση 3 — Το επιφανειακό θέμα εμβαθύνθηκε. Στον πρώτο γύρο, η τεχνητή νοημοσύνη πρότεινε ένα επιφανειακό θέμα όπως «οι συμμετέχοντες χαρούμενοι/δυστυχισμένοι». Όταν ο ερευνητής είπε "αυτό είναι πολύ ρηχό, δείξε την ένταση στα δεδομένα", η τεχνητή νοημοσύνη επέστρεψε στα αποσπάσματα και σκιαγράφησε ένα πιο πλούσιο μοτίβο, όπως "την ένταση μεταξύ της αναζήτησης για ασφάλεια και της επιθυμίας για ελευθερία", με βάση το κείμενο. Ο ερευνητής το επιβεβαίωσε με αποσπάσματα.
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Ανοιχτή σύσταση κωδικοποίησης:
Κωδικοποιήστε το παρακάτω πρακτικό της συνέντευξης γραμμή προς γραμμή. Προτείνετε μια σύντομη κωδική ετικέτα για κάθε ουσιαστικό απόσπασμα και βάλτε τον αριθμό γραμμής και την άμεση προσφορά δίπλα του. Μην προσθέτετε τίποτα που δεν υπάρχει στο κείμενο. Μην σχολιάζετε. απλά επισημάνετε τη φράση στο κείμενο. Μεταγραφή: [εδώ]
2) Βιβλίο ορισμού κώδικα (βιβλίο κωδικών):
Δημιουργήστε ένα βιβλίο ορισμού κώδικα από την ακόλουθη λίστα κωδικών: για κάθε κωδικό (1) όνομα, (2) περιγραφή μιας πρότασης, (3) απόσπασμα από το κείμενο (με αριθμό γραμμής), (4) σημειώστε "εκτός του πεδίου εφαρμογής αυτού του κώδικα". Επισήμανση διφορούμενων κωδικών. Κωδικοί: [εδώ]
3) Συμπεράσματα θέματος (βάσει εισαγωγικών):
Επισυνάπτεται η λίστα κωδικών που ενέκρινα. Προτείνετε 3-5 σκίτσα θεμάτων ομαδοποιώντας αυτούς τους κωδικούς. Για κάθε θέμα: Δείξτε ποιους κωδικούς περιέχει και τουλάχιστον 2 άμεσες εισαγωγικά (με αριθμό γραμμής) που το υποστηρίζουν. Μην προτείνετε ένα θέμα χωρίς προσφορά. Θέματα: [εδώ] Κωδικοί: [εδώ]
4) Έλεγχος αφοσίωσης:
Παρακάτω είναι μια περίληψη του θέματος και των αποσπασμάτων στα οποία βασίζεται. Ελέγξτε κάθε πρόταση: είναι αυτό το σχόλιο πραγματικά αυτό που λέει το απόσπασμα ή είναι ένα επιπλέον συμπέρασμα; Σημειώστε κάθε πρόταση που δεν υποστηρίζεται από το κείμενο. Υπερβολή ή παραμόρφωση της φωνής του συμμετέχοντος. Περίληψη: [εδώ]
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Διαβάστε αυτές τις συνεντεύξεις και βγάλτε τα κύρια θέματα και τα καλά αποσπάσματα για μένα.
Η τεχνητή νοημοσύνη μπορεί να παράγει άπταιστα αλλά κατασκευασμένα αποσπάσματα και επιφανειακά θέματα που δεν φέρουν τα δεδομένα. Η φωνή του συμμετέχοντα χάνεται, η απόδοση γίνεται αναξιόπιστη.
Ισχυρή προτροπή:
Αναλύστε τις παρακάτω μεταγραφές, τηρώντας ΜΟΝΟ το κείμενο. Για κάθε πρόταση θέματος: (1) οι κωδικοί που σχηματίζουν το θέμα, (2) η άμεση προσφορά + αριθμός γραμμής που υποστηρίζει κάθε κωδικό. Μην αποδίδετε στον συμμετέχοντα εκφράσεις που δεν αναφέρονται στο κείμενο. Όπου δεν είστε σίγουροι, γράψτε "δεν είναι ξεκάθαρο στο κείμενο". Μεταγραφές: [εδώ]
Η διαφορά: η δεύτερη προσέγγιση αποδίδει κάθε σχόλιο στην πραγματική λέξη του συμμετέχοντος, καθιστώντας αδύνατη την κατασκευή.
Στάδια ποιοτικής ανάλυσης
Σκηνή
Συνεισφορά του AI
απόφαση του ανθρώπου
μεταγραφή
Επεξεργασία μορφής
Ακούστε και επαληθεύστε τον ήχο
ανοιχτή κωδικοποίηση
Πρόταση κωδικού (με εισαγωγικό)
Θεωρητική επιλογή
βιβλίο κωδικών
Προσχέδιο ορισμού
Ορίστε όρια κωδικών
Συνεπής κωδικοποίηση
Ορισμός εφαρμογής
Έλεγχος συνέπειας
Ανάλυση θεμάτων
σκίτσο μοτίβο
Σχόλιο και ονομασία
Αναφορά
Επεξεργασία αποσπάσματος
Πίστη και νόημα
Συνήθη λάθη
- Αποδοχή της προσφοράς χωρίς τον αριθμό γραμμής. Η πόρτα στο φτιαγμένο απόσπασμα ανοίγει από εδώ.
- Εμπιστεύεστε χωρίς να ακούτε τη μεταγραφή. Οι αυτοματοποιημένες μεταγραφές είναι εσφαλμένες ως προς τα ονόματα και τους όρους.
- Ανάμειξη κώδικα με θέμα. Η μικρή ετικέτα και το μεγάλο σχέδιο είναι δύο διαφορετικά πράγματα.
- Να είστε ικανοποιημένοι με το επιφανειακό θέμα. Η δύναμη της ποιότητας είναι το βάθος. Ψάξτε για τάση στα δεδομένα.
- «Ομορφαίνοντας» τη φωνή του συμμετέχοντος. Η αλλαγή του νοήματος κατά τον εξορθολογισμό του κειμένου σπάει την πιστότητα.
Συνοπτικά
AI σε ποιοτική ανάλυση συνέντευξης. Εξοικονομεί πολύ χρόνο σε εργασίες όπως η επεξεργασία μεταγραφών, η πρόταση κώδικα, η δημιουργία βιβλίων ορισμού κώδικα και η σύνταξη θεμάτων. Αλλά η καρδιά της ποιοτικής έρευνας είναι η πιστότητα στα λόγια του ίδιου του συμμετέχοντος. Κάθε κωδικός και θέμα θα πρέπει να συνδέεται με μια πραγματική δήλωση στο κείμενο—κατά προτίμηση με αριθμό γραμμής. Καμία προσφορά δεν πρέπει να περιλαμβάνεται στην αναφορά χωρίς επαλήθευση και κανένα σχόλιο δεν πρέπει να συμπεριλαμβάνεται στην αναφορά χωρίς επιβεβαίωση. Η τεχνητή νοημοσύνη παράγει προτάσεις. Η ευθύνη για το νόημα, το βάθος και την πιστότητα είναι δική σας.
Εργασία εφαρμογής
Πάρτε μια σύντομη ηχογράφηση συνέντευξης (10-15 λεπτά που μπορείτε να φτιάξετε μόνοι σας) και μεταγράψτε την με ένα αυτοματοποιημένο εργαλείο. Ακούστε την ηχογράφηση και διορθώστε τη μεταγραφή. Με το πρότυπο "ανοιχτή πρόταση κωδικοποίησης", πάρτε κωδικούς με αριθμό γραμμής από την τεχνητή νοημοσύνη, οργανώστε τους στο δικό σας πλαίσιο και δημιουργήστε ένα βιβλίο κωδικών. Στη συνέχεια, με "εξαγωγή θέματος", σχεδιάστε 3 θέματα και επιβεβαιώστε το καθένα με πραγματικά εισαγωγικά. Με τον "έλεγχο πιστότητας" εξαλείψτε τυχόν προτάσεις που δεν υποστηρίζει το κείμενο.
λίστα ελέγχου
- [ ] Επιβεβαίωσα τη μεταγραφή ακούγοντας την ηχογράφηση.
- [ ] Συνέδεσα κάθε κωδικό με τον αριθμό γραμμής και την προσφορά.
- [ ] Έχω τεκμηριωμένη συνέπεια με το βιβλίο ορισμού κώδικα.
- [ ] Υποστήριξα κάθε θέμα με τουλάχιστον δύο απευθείας εισαγωγικά.
- [ ] Επιβεβαίωσα κάθε πρόταση που αποδίδεται στον συμμετέχοντα με το κείμενο.