Kasu:
- Võimalus jagada intervjuude ärakirju ja avatud uuringu vastuseid tehisintellektiga teemadeks ning toetada neid tõendite tsitaatidega
- Võimalus teha kvantitatiivseid uuringuandmeid kokkuvõtlikult ja vältida eksitavat tõlgendust (väike valim, juhtküsimus, valiku kallutatus)
- Võimalus töötada eetiliselt ja kooskõlas KVKK-ga, kaitstes osalejate konfidentsiaalsust ja muutes ärakirjad anonüümseks
Konsulteerimise kõige rikkalikumad teadmised ei peitu sageli mitte edetabelites, vaid inimeste öeldus. Juhi intervjuu, avatud vastused kliendiküsitlusele, märkmed välikülastusest... Need on mittenumbrilised (kvalitatiivsed) andmed ja nende lugemiseks, kodeerimiseks ja teemadeks jagamiseks kulub tunde. Tehisintellekt kiirendab seda tööd oluliselt: see jagab 30 intervjuu ärakirja minutitega teemadeks, leides korduvaid mustreid. Kuid on kaks ohtu: mudel võib teema “välja mõelda” (lisada kommentaar, mida ärakirjas pole) ja osalejate konfidentsiaalsust võidakse kergesti rikkuda. Selles õppetükis õpime analüüsima kvalitatiivseid andmeid tõenduspõhiselt ja ohutult.
Kvalitatiivne analüüs: kodeerimisest teemani
Kvalitatiivsel analüüsil on kolm etappi. Kõigepealt kodeerimine: igale väitele antakse lühike silt (“hinnakaebus”, “kiitus kohaletoimetamise eest”). Seejärel teemastamine: sarnased koodid kogutakse teemasse (“operatiivne rahulolematus”). Lõpetuseks kommentaar: tehakse kindlaks teemade ja "mis siis" kihi suhe. AI on kahes esimeses etapis väga kiire; Kolmas samm nõuab kaitsja otsust.
Kõige kriitilisem kinnitus on järgmine: iga teemat peab toetama sõnasõnaline tsitaat. See kinnitab, et teema pärineb tegelikult andmetest; Tsitaatideta teemaga kaasneb hallutsinatsioonide oht.
Teie roll: kvalitatiivse uurimistöö analüütik. Allpool on anonüümne ärakiri 12 kliendiintervjuust (tähisega P1, P2...).Ülesanne: 1) Ekstraktige korduvad teemad (kuni 7 teemat).2) Iga teema kohta: mitu osalejat seda nägi + 2 sõnasõnalist tsitaati (koos osaleja koodiga).3) Kuvage eraldi väited Dome. kõik arvamused, mis ei sisaldu ärakirjas; Iga teema peab olema tsitaadiga tõestatud. - Ärge esitage muud identifitseerimisandmeid peale osaleja koodide. - Loetlege üksikud "vähemuse, kuid olulised" arvamused eraldi lõpus (eriarvamused).
Veel üks võimas tehnika on paluda mudelil kodeerida teie määratud fikseeritud kategooriatega, selle asemel, et lasta tal kõigepealt oma koodiskeemi seadistada. Näiteks kui annate kliendirahulolu uuringus eelmääratletud teemad, nagu "hind, toote kvaliteet, tarne, tugi, kasutuslihtsus", muutuvad erinevad ärakirjad võrreldavaks ja mudelil ei teki iga kord erinevaid nimesid. Tasuta teema väljavõte sobib avastamiseks, fikseeritud kategooria kodeerimine aga võrdlemiseks ja mõõtmiseks; Enamiku projektide puhul töötab kõige paremini mõlema kooskasutamine: esmalt uurige tasuta, seejärel digiteerige fikseeritud skeemi abil.
Sinu roll: kvalitatiivne kodeerimisassistent. Fikseeritud kategooriad: [hind, kvaliteet, tarne, tugi, kasutusmugavus, muu]. Ülesanne: määrake kõik allolevad avatud vastused ühte või mitmesse kategooriasse. - Kirjutage iga ülesande juurde vastusesse käivitav fraas (sõna-sõnalt). - Märkige linnuke, kas vastus on positiivse või negatiivse meeleoluga. Kommentaaride lisamine, mis ei sisaldu vastuses.
Näpunäide: Väga väärtuslik on küsida eraldi “vähemuse, kuid olulise” arvamust. Üks kord sõnastatud, kuid kriitiline hoiatus (nt üksik suurklient, kes ütleb: "Kaalume lepingu uuendamist") läheb enamiku teemade vahele ära; jääb eraldi väljatoomisel nähtavaks.
Privaatsus ja anonüümsus
Intervjuude ärakirjad on isikuandmed ja sageli tundlikud (töötajate kaebused, juhi kriitika). Enne tehisintellekti tööriista üleslaadimist on oluline need anonüümseks muuta: nimed, pealkirjad, sisemised eristavad detailid asendatakse koodinumbriga (K1, K2...). Tihti lubatakse osalejale, et "sellest, mida te ütlete, teatatakse anonüümselt"; Selle fraasi tehniline vaste on anonüümseks muutmine.
Andmetüüp
Risk
ettevaatusabinõu
Osaleja nimi/tiitel
identiteedi avalikustamine
Asenda koodinumbriga
Sisemine detail
kaudne diagnoos
Üldista või mask
tundlik nägemine
Kättemaksuoht
Individuaalne sobitamine hulgiaruandega
Heli/video salvestamine
kõrgeim tundlikkus
Renderdage heakskiidetud tööriistas ja seejärel kustutage
Saate lasta mudelil teha anonüümseks muutmise eeltoiminguna enne ärakirjade tööriista üleslaadimist; Kuid kontrollige kindlasti väljundit visuaalselt:
Teie roll: privaatsustoimetaja. Valmistage analüüsimiseks ette järgmine intervjuu stenogramm; tehke järgmist maskeerimist:- Tehke kõik kontaktide nimed K1, K2...- Üldistage kaudselt tuvastavad üksikasjad, nagu ametinimetus, osakond, asukoht ("Ainus välismaa insener teadus- ja arendustegevuses" → "insener").- Eemaldage ettevõtete/klientide nimed. Esitage ainult maskeeritud tekst; Loetlege lühidalt, millist tüüpi teavet varjate ja miks.
Ettevaatust: "Anonüümne" ütlemisest ei piisa. Fraas "Ainus turunduse eest vastutav naisjuht" tuvastab inimese, kuigi tema nime pole kirjas. Anonüümseks muutmine peaks hõlmama ka kõiki kaudselt tuvastatavaid üksikasju. Siit algab KVKK rikkumine ja osalejate usalduse kaotamine.
Kvantitatiivse uuringu andmete tõlgendamine
Tehisintellekt koostab suletud (numbriliste) küsitluste tulemuste kokkuvõtte ja jaotuse. Kuid kvantitatiivsel analüüsil on oma lõksud ja mudel võib neid ignoreerida:
- Väike valim: 18 inimesega hõlmatud küsitlusest saadud väide "61% klientidest on rahul" on eksitav; Kui valim on väike, tuleks arutada toorarvu ja määramatust, mitte protsenti.
- Juhtküsimus: "Kui rahul olete meie suurepärase teenindusega?" Küsimus sisaldab vastust; Tulemus on kallutatud.
- Valiku eelarvamus: kui vastaksid ainult kõige rahulolevamad või vihasemad kliendid, ei oleks tulemus universumit esindav.
Enne selle uuringu tulemuste kokkuvõtmist viige läbi metoodiline kontroll: - Kas valimi suurus on piisav tulemuste esitamiseks protsentides? - Kas küsimustes on juhtivaid/juhtivaid väiteid? linnuke – milline on vastuse määr ja valiku kallutatuse risk? Esitage ainult auditiaruanne; Seejärel teeme selle kokkuvõtte eraldi sõnumis.
kolm minikarpi
Juhtum 1 – väljamõeldud teema tabatud. Konsultant määrab modellile 20 intervjuud; mudel võtab välja teema "osalejad tahavad kaugtööd teha". Konsultant küsib hinnapakkumist; Mudel leiab ainult 1 mitmetähendusliku tsitaadi. Teemat tegelikult ei eksisteerinud, mudel koostas selle üldisest trendist. Kui viitamise nõuet ei oleks, lisataks vale leid aruandesse.
Juhtum 2 – kaudne diagnoos. Töötajate rahulolu projekti puhul sisaldab ärakiri "Seda ütles ainuke teadus- ja arendustegevuse välisinsener." Nime pole, aga inimene on selge; Kui aruanne juhile jõuab, on oht kättemaksuks. Konsultant pidi algusest peale üldistama kõik eristavad detailid ("insener").
Juhtum 3 – väike proovipüünis. Tootetestis meeldis see 15-le kasutajale 22-st; modell ütleb "68% rahulolu" ja asetatakse slaidile. Investeerimisnõukogu vaidleb vastu: "22 inimest ei esinda universumit." Konsultant kirjutab tulemuse ausalt ümber "22 kasutajast 15 positiivset; nõutav on soovituslik, kinnitav suur valim"; usaldus tuleb tagasi.
Nõrk viip / Tugev viip
Nõrk viip:
Lugege neid intervjuusid ja tehke välja peamised järeldused.
Mudel toodab teemasid ilma jutumärkideta, ilma tõenditeta; Valmistamise ja konfidentsiaalsuse oht on suur.
Võimas viip:
Sinu roll: kvalitatiivne analüütik. Transkriptsioon allpool, anonüümne (K1..Kn).Ülesanne: Kuni 7 teemat; osalejate arv iga kohta + 2 sõnasõnalist tsitaati (koos koodiga); toetavad ja vastuolulised väited eraldi; vähemuse, kuid kriitiliste arvamuste eraldi loetelu. Reeglid: stenogrammis mitteolevate arvamuste lisamine; identiteedi genereerimine; Ärge andke teemat ilma jutumärkideta; märkige teema, milles te pole kindel, kui "nõrk tõendusmaterjal".
Teemade küllastus ja kaal
Kvalitatiivses analüüsis määravad tõlgenduse kvaliteedi kaks mõistet. Esimene on küllastus: andmed on väidetavalt "küllastunud", kui uued intervjuud ei tooda enam uusi teemasid; See on märk, et proovist piisab. Kui 8. intervjuul ikka päris uued teemad esile kerkivad, on vaja rohkem intervjuusid. Teiseks teemade kaal: kui palju inimesi mõnda teemat näeb ja selle teema tähtsus on erinevad asjad. Viie inimese mainitud väike ebamugavus ja ühe inimese mainitud lepingu ülesütlemise oht ei ole sageduselt võrdsed, kuid viimane võib olla oma tähtsuselt palju kriitilisem. Seetõttu on teemade järjestamine ainuüksi sageduse järgi eksitav; Hinda iga teemat nii "kui palju inimesi" ja "kui oluline on". Kui tehisintellekt ütleb: "hinnake neid teemasid kahes erinevas sageduse ja potentsiaalse ärimõju veerus", muudab selle erinevuse nähtavaks; Teete ettevõtte mõju hinnangu.
Levinud vead
- Jutumärgita teema vastuvõtmine. Iga teemat peab tõendama sõnasõnaline tsitaat ärakirjast; Vastasel juhul on hallutsinatsioonide oht.
- Anonüümseks muutmine pealiskaudseks. Nime kustutamisest ei piisa; Kaudselt tuvastavad üksikasjad tuleks samuti varjata.
- Väikese proovi esitamine protsentidega. Kui osalejaid on vähe, tuleks arutada tooreid numbreid ja ebakindlust, mitte protsenti.
- Juhtküsimuse ignoreerimine. Juhtküsimuste tulemus on kallutatud; Kontrollige metoodikat.
- Kõrvalväärtuste kaotamine. Kui see on öeldud, neelavad kriitilise hoiatuse enamuse teemad; loetleda eraldi.
- Kvantitatiivse ja kvalitatiivse segamine. Töötle arvuliste tulemustega avatud kommentaare erinevatel viisidel.
Kokkuvõttes
Kvalitatiivsed andmed on nõustamise rikkaim allikas ning tehisintellekt säästab tunde kodeerimisel ja teemastamisel. Kuid iga teemat tuleks tõendada sõnasõnaliste tsitaatidega, osalejate konfidentsiaalsus peaks olema täielikult kaitstud, sealhulgas kaudne tuvastamine, ja kvantitatiivsete uuringute käigus tuleks kontrollida metoodilisi lõkse, nagu valimi moodustamine, küsimuste kallutatus ja valik. Mudel on kiire lugeja ja märgistus; konsultandi ülesanne on kontrollida tõendeid, säilitada konfidentsiaalsus ja luua "ja mis siis" kiht.
Rakenduse ülesanne
Valmistage ette mitu intervjuu ärakirju (või avatud küsitluse vastuseid), kas tegelikke või esinduslikke, ja tehke need kõigepealt anonüümseks (sh nimi ja kaudne tuvastamine). Tõmmake välja teemad, tsitaadid, vastuolulised väited ja eriarvamused tugeva kvalitatiivse õhutusega. Kontrollige ärakirjas vähemalt ühe teema tsitaati, et veenduda, et see on tegelikult olemas. Seejärel tehke väike kvantitatiivne uuring ja hinnake valimi ja küsimuste kallutatust, taotledes metoodilist auditit.
kontrollnimekiri
- [ ] Muutsin ärakirjad anonüümseks, sealhulgas nime ja kaudse tuvastamise.
- [ ] Tõendasin iga teemat sõnasõnalise tsitaadiga.
- [ ] Näitasin eraldi vastukäivaid väljendeid ja vastuolulisi hääli.
- [ ] Väikeses valimis kasutasin protsentide asemel tooreid numbreid ja määramatust.
- [ ] Märkisin ära juhtivad küsimused.
- [ ] Hindasin valiku kallutatuse riski.
- [ ] Teatasin tundlikest kommentaaridest kollektiivselt, sobitamata neid konkreetse isikuga.