سود:
- امکان تایید رونوشت با گوش دادن به ضبط و استفاده از هوش مصنوعی برای پیشنهاد کدها و تم ها
- وفادار ماندن به صدای شرکت کننده با اتصال هر کد و نقل قول به بیانیه واقعی در متن، ترجیحا با شماره خط
- امکان تشخیص کد از موضوع و اجتناب از نظرات سطحی و پشتیبانی از عمق داده ها با نقل قول.
تحقیق کیفی در مورد اعداد نیست. این رویکردی است که با معنا، تجربه و زمینه سروکار دارد. سعی می کند عمیقاً درک کند که مردم چگونه یک رویداد را تفسیر می کنند، با چه کلماتی آن را توصیف می کنند و چرا به آن اهمیت می دهند. رایج ترین ابزار، مصاحبه عمیق است - یک مکالمه طولانی با یک فرد بر اساس سؤالات از پیش تعیین شده اما انعطاف پذیر. پس از مصاحبه سه کار انجام می شود: رونویسی (رونویسی کلمه ضبط شده صوتی)، کدگذاری (برچسب گذاری عبارات معنی دار در متن)، و تجزیه و تحلیل موضوع (استخراج الگوهای بزرگتر و تکرار شونده - مضامین - از کدها). در این بخش یاد خواهید گرفت که چگونه از هوش مصنوعی در این سه کار استفاده کنید. اما شما یاد خواهید گرفت که چگونه صدای شرکت کننده را حفظ کنید و مسئولیت تفسیر را حفظ کنید.
هوش مصنوعی کمکی واقعاً قدرتمند در تحلیل کیفی است، زیرا بیشتر کار با متن سروکار دارد و هوش مصنوعی در متن سریع است. اما دقیقاً به همین دلیل است که بزرگترین خطر در اینجا نهفته است: نسبت دادن چیزی به شرکت کننده که او نگفته است. هوش مصنوعی میتواند یک نقل قول را «تصحیح» کند، یک احساس را «تفسیر» کند، یا موضوعی را که در متن نیست «تشکیل» کند. قلب تحقیق کیفی وفاداری به سخنان خود شرکت کننده است. بنابراین قانون طلایی: هوش مصنوعی کد و مضامین را پیشنهاد می کند، اما هر پیشنهاد باید به عبارت واقعی در متن پیوند داده شود - ترجیحاً با شماره خط - و شما باید آن را تأیید کنید.
گام به گام: از ثبت نام تا موضوع
1. رونوشت را تأیید کنید. ابزارهای رونویسی خودکار سریع هستند اما اشتباه می کنند: ممکن است نام ها، اصطلاحات فنی، عبارات گویش را اشتباه بنویسند. گوش دادن به ضبط و تصحیح متن ضروری است. هوش مصنوعی میتواند فرمت را ویرایش کند، اما صدا را نمیشنود.
2. کد نویسی را باز کنید. خط به خط متن را بخوانید و به هر قطعه معنی دار یک برچسب (کد) بدهید. هوش مصنوعی می تواند پیشنهادات کد را از چند رونوشت اول ایجاد کند. این یک لیست شروع را نشان می دهد.
3. فهرست کدها را با تئوری تراز کنید. کدهای پیشنهادی هوش مصنوعی را با توجه به پرسش و چارچوب تحقیقاتی خود ترکیب، جدا، تغییر نام دهید. این قضاوت انسان است.
4. کد به طور مداوم. معنی یکسان باید در همه جا با همان کد برچسب زده شود. هوش مصنوعی به علامتگذاری رونوشتهای باقیمانده با مجموعه کد تأیید شده شما کمک میکند.
5. تم ها را استخراج کنید. کدها را گروه بندی کنید و الگوهای بزرگتر (موضوع) را نام ببرید. هوش مصنوعی طرح موضوع را پیشنهاد می کند. این شما هستید که تصمیم می گیرید کدام یک واقعاً داده های شما را منعکس می کند. از هر موضوع با نقل قول مستقیم پشتیبانی کنید.
نکته: تفاوت بین "کد" و "موضوع" را در تحلیل کیفی روشن کنید: کد یک برچسب کوچک از معنی در متن است ("اضطراب در مورد ناامنی شغلی"). موضوع الگوی بزرگی است که بسیاری از کدها ("عدم اطمینان در مورد آینده") را گرد هم می آورد. هوش مصنوعی می تواند این دو را اشتباه بگیرد. شما تمایز را حفظ می کنید.
سه کیف کوچک
مورد 1 - نقل قول ساختگی به دست آمد. محققی از هوش مصنوعی جملاتی خواست که از یک موضوع پشتیبانی کند. هوش مصنوعی جملهای را ارائه کرد که روان بود، اما بهعنوان «شرکتکننده گفت» در متن نوشته وجود نداشت. وقتی محقق درخواست شماره خط کرد، YZ نتوانست منبع را ذکر کند. نقل قول ساختگی بود این به یک قانون تبدیل شده است: هیچ پیشنهادی بدون نقل قول یا شماره خط پذیرفته نمی شود.
مورد 2 - سازگاری کدگذاری افزایش یافت. در مطالعه ای روی 30 رونوشت، دو محقق از کدهای متفاوتی استفاده کردند. آنها پیشنویس یک کتاب کد مشترک - نام، شرح و نمونه هر کد از هوش مصنوعی را داشتند. سازگاری بین کدگذارها به طور قابل توجهی افزایش یافت و معنای هر کد مستند شد.
مورد 3 - موضوع سطحی عمیق تر شد. در دور اول، هوش مصنوعی یک موضوع سطحی مانند "شرکت کنندگان خوشحال/ ناراضی" را پیشنهاد کرد. وقتی محقق گفت "این خیلی کم عمق است، تنش را در داده ها نشان دهید"، هوش مصنوعی به نقل قول ها بازگشت و الگوی غنی تری را ترسیم کرد، مانند "تنش بین جستجوی امنیت و میل به آزادی"، بر اساس متن. محقق این موضوع را با نقل قول هایی تایید کرد.
چهار قالب قابل کپی
1) توصیه کدنویسی را باز کنید:
متن مصاحبه زیر را خط به خط کد کنید. برای هر قسمت معنی دار یک تگ کد کوتاه پیشنهاد کنید و شماره خط و نقل قول مستقیم را در کنار آن قرار دهید. چیزی که در متن نیست اضافه نکنید. نظر ندهید؛ فقط عبارت را در متن تگ کنید. رونوشت: [اینجا]
2) کتاب تعریف کد (کتاب کد):
یک کتاب تعریف کد از لیست کدهای زیر ایجاد کنید: برای هر کد (1) نام، (2) توضیحات یک جمله، (3) گزیده ای از متن (با شماره خط)، (4) توجه داشته باشید "خارج از محدوده این کد". پرچم گذاری کدهای مبهم کدها: [اینجا]
3) استنتاج موضوع (بر اساس نقل قول):
ضمیمه لیست کدهایی است که تایید کردم. با گروه بندی این کدها، 3-5 طرح موضوعی را پیشنهاد دهید. برای هر موضوع: نشان دهید کدام کدها را شامل می شود و حداقل 2 نقل قول مستقیم (با شماره خط) که از آن پشتیبانی می کند. موضوعی را بدون نقل قول پیشنهاد نکنید. موضوعات: [اینجا] کدها: [اینجا]
4) کنترل وفاداری:
در زیر خلاصه ای از مضمون و نقل قول هایی که بر اساس آن ساخته شده است آورده شده است. هر جمله را بررسی کنید: آیا این نظر واقعاً همان چیزی است که نقل قول میگوید، یا یک استنتاج اضافی است؟ هر جمله ای را که توسط متن پشتیبانی نمی شود علامت بزنید. اغراق یا تحریف صدای شرکت کننده. خلاصه: [اینجا]
اعلان ضعیف / اعلان قوی
اعلان ضعیف:
این مصاحبه ها را بخوانید و مضامین اصلی و نقل قول های خوب را برای من بیاورید.
هوش مصنوعی میتواند نقل قولهای روان اما ساختگی و مضامین سطحی تولید کند که دادهها آن را ندارند. صدای شرکت کننده از بین می رود، انتساب غیر قابل اعتماد می شود.
اعلان قدرتمند:
رونوشت های زیر را تجزیه و تحلیل کنید و فقط به متن پایبند باشید. برای هر پیشنهاد موضوع: (1) کدهایی که موضوع را تشکیل می دهند، (2) نقل قول مستقیم + شماره خطی که از هر کد پشتیبانی می کند. هیچ عباراتی را که در متن ذکر نشده است به شرکت کننده نسبت ندهید. در جایی که مطمئن نیستید بنویسید "در متن مشخص نیست". رونوشت ها: [اینجا]
تفاوت: رویکرد دوم هر نظر را به حرف واقعی شرکتکننده نسبت میدهد و ساختن را غیرممکن میکند.
مراحل تحلیل کیفی
مرحله
سهم هوش مصنوعی
تصمیم مرد
رونویسی
ویرایش قالب
صدا را گوش کنید و تأیید کنید
کدگذاری را باز کنید
پیشنهاد کد (با نقل قول)
انتخاب نظری
کتاب کد
پیش نویس تعریف
محدودیت کد را تنظیم کنید
کدنویسی ثابت
برنامه را تنظیم کنید
بررسی سازگاری
تحلیل تم
طرح الگو
نظر و نامگذاری
گزارش دهی
ویرایش نقل قول
وفاداری و معنا
اشتباهات رایج
- قبول نقل قول بدون شماره خط. درب نقل قول ساخته شده از اینجا باز می شود.
- اعتماد بدون گوش دادن به متن. رونوشت های خودکار در نام ها و اصطلاحات اشتباه می شوند.
- ترکیب کد با موضوع برچسب کوچک و الگوی بزرگ دو چیز متفاوت هستند.
- از مضمون سطحی راضی باشید. قدرت کیفیت عمق است. به دنبال ولتاژ در داده ها باشید.
- "زیبایی" صدای شرکت کننده. تغییر معنا در حین سادهسازی متن، وفاداری را از بین میبرد.
به طور خلاصه
هوش مصنوعی در تحلیل مصاحبه کیفی؛ در کارهایی مانند ویرایش رونوشت ها، پیشنهاد کد، ایجاد کتاب های تعریف کد و پیش نویس موضوع در زمان زیادی صرفه جویی می کند. اما قلب تحقیق کیفی وفاداری به سخنان خود شرکت کننده است. هر کد و موضوع باید به یک عبارت واقعی در متن پیوند داده شود - ترجیحاً با شماره خط. هیچ نقل قولی نباید بدون تأیید در گزارش درج شود و هیچ نظری نباید بدون تأیید در گزارش درج شود. هوش مصنوعی پیشنهاداتی را ارائه می کند. مسئولیت معنا، عمق و وفاداری با شماست.
وظیفه کاربردی
یک مصاحبه کوتاه ضبط کنید (10-15 دقیقه که می توانید خودتان بسازید) و آن را با یک ابزار خودکار رونویسی کنید. به ضبط گوش دهید و متن را تصحیح کنید. با الگوی "پیشنهاد کدگذاری باز"، کدهای شماره خطی را از هوش مصنوعی بگیرید، آنها را در چارچوب خود سازماندهی کنید و یک کتاب کد ایجاد کنید. سپس با «استخراج تم»، 3 موضوع را پیشنویس کرده و هر کدام را با نقل قولهای واقعی تأیید کنید. با "بررسی وفاداری" جملاتی را که متن پشتیبانی نمی کند حذف کنید.
چک لیست
- [ ] من رونوشت را با گوش دادن به ضبط تأیید کردم.
- [ ] من هر کد را با شماره خط و نقل قول پیوند دادم.
- [ ] من با کتاب تعریف کد مطابقت دارم.
- [ ] من از هر موضوع با حداقل دو نقل قول مستقیم پشتیبانی کردم.
- [ ] من هر جمله ای که به شرکت کننده نسبت داده می شود را با متن تأیید کردم.