Gains :
- Capacité à vérifier la transcription en écoutant l'enregistrement et à utiliser l'intelligence artificielle pour suggérer des codes et des thèmes
- Rester fidèle à la voix du participant en reliant chaque code et citation à la déclaration réelle du texte, de préférence avec un numéro de ligne
- Capacité à distinguer le code du thème, à éviter les commentaires superficiels et à soutenir la profondeur des données avec des citations.
La recherche qualitative n’est pas une question de chiffres ; C'est une approche qui traite du sens, de l'expérience et du contexte. Il tente de comprendre en profondeur comment les gens interprètent un événement, avec quels mots ils le décrivent et pourquoi ils s'en soucient. L’outil le plus courant est l’entretien approfondi – une longue conversation avec une personne basée sur des questions prédéterminées mais flexibles. Après l'entretien viennent trois tâches : la transcription (transcrire textuellement l'enregistrement audio), le codage (étiqueter les passages significatifs dans le texte) et l'analyse thématique (extraire des modèles plus larges et récurrents - des thèmes - à partir des codes). Dans cette unité, vous apprendrez à utiliser l’IA dans ces trois tâches : mais vous apprendrez comment maintenir la voix du participant et sa responsabilité dans l'interprétation.
L’IA est une aide très puissante dans l’analyse qualitative, car la majeure partie du travail concerne le texte, et l’IA est rapide pour le texte. Mais c'est précisément pour cela que réside ici le plus grand risque : attribuer au participant quelque chose qu'il n'a pas dit. L’IA peut « corriger » une citation, « interpréter » un sentiment ou « inventer » un thème qui ne figure pas dans le texte. Le cœur de la recherche qualitative est la fidélité aux propres mots du participant. D’où la règle d’or : l’IA suggère du code et des thèmes, mais chaque suggestion doit être liée à l’énoncé réel du texte – de préférence avec un numéro de ligne – et vous devez le confirmer.
Pas à pas : de l'inscription au thème
1. Vérifiez la transcription. Les outils de transcription automatisés sont rapides mais commettent des erreurs : ils peuvent mal orthographier des noms, des termes techniques, des expressions dialectales. Il est essentiel d’écouter l’enregistrement et de corriger la transcription ; L'IA peut modifier le format, mais elle ne peut pas entendre le son.
2. Faites du codage ouvert. Lisez le texte ligne par ligne et donnez une étiquette (code) à chaque élément significatif. L'IA peut générer des suggestions de code à partir des premières transcriptions ; Cela donne une liste de départ.
3. Alignez la liste de codes avec la théorie. Combinez, séparez, renommez les codes proposés par l'IA selon votre propre question et cadre de recherche. C'est le jugement de l'homme.
4. Codez de manière cohérente. La même signification doit être étiquetée avec le même code partout. L'IA aide à marquer les transcriptions restantes conformément à votre ensemble de codes approuvés.
5. Extrayez les thèmes. Regroupez les codes et nommez des modèles plus grands (thèmes). L'IA suggère un projet de thème ; C'est à vous de décider lequel reflète réellement vos données. Soutenez chaque thème avec des citations directes.
Astuce : Clarifiez la différence entre « code » et « thème » dans l'analyse qualitative : un code est une petite étiquette de sens dans le texte (« anxiété face à la précarité de l'emploi ») ; Le thème est le grand motif qui regroupe de nombreux codes (« incertitude sur l'avenir »). L’IA peut confondre les deux ; Vous maintenez la distinction.
trois mini-cases
Cas 1 : Devis fabriqué de toutes pièces détecté. Un chercheur a demandé à l’IA des citations qui soutiennent un thème. AI a présenté une phrase fluide mais qui n'apparaissait pas dans la transcription comme "l'a dit le participant". Lorsque le chercheur a demandé un numéro de ligne, YZ n’a pas pu citer la source ; Le devis a été fabriqué. C'est devenu une règle : aucune proposition sans guillemets ni numéros de ligne n'est acceptée.
Cas 2 — La cohérence du codage a augmenté. Dans une étude portant sur 30 transcriptions, deux chercheurs ont utilisé des codes différents. Ils ont demandé à l’IA de rédiger un livre de codes commun – le nom, la description et un exemple de chaque code ; La cohérence entre les codeurs a considérablement augmenté et la signification de chaque code a été documentée.
Cas 3 — Thème superficiel approfondi. Au premier tour, l’IA a suggéré un thème superficiel tel que « participants heureux/mécontents ». Lorsque le chercheur a dit "c'est trop superficiel, montrez la tension dans les données", AI est revenu aux citations et a esquissé un schéma plus riche, comme "la tension entre la recherche de sécurité et le désir de liberté", à partir du texte ; Le chercheur l'a confirmé avec des citations.
Quatre modèles copiables
1) Recommandation de codage ouvert :
Codez la transcription de l’entretien suivante ligne par ligne. Suggérez une balise de code courte pour chaque passage significatif et placez le numéro de ligne et la citation directe à côté. N'ajoutez rien qui ne soit pas dans le texte. Ne commentez pas; marquez simplement la phrase dans le texte. Transcription : [ici]
2) Livre de définition de code (codebook) :
Créez un livre de définition de code à partir de la liste de codes suivante : pour chaque code (1) nom, (2) description en une phrase, (3) extrait du texte (avec numéro de ligne), (4) note "en dehors de la portée de ce code". Signalez les codes ambigus. Codes : [ici]
3) Inférence de thème (basée sur une citation) :
Vous trouverez ci-joint la liste de codes que j'ai approuvée. Proposez 3 à 5 croquis thématiques en regroupant ces codes. Pour chaque thème : indiquez quels codes il contient et au moins 2 citations directes (avec numéro de ligne) qui le soutiennent. Ne proposez pas de thème sans citation. Thèmes : [ici] Codes : [ici]
4) Contrôle de fidélité :
Vous trouverez ci-dessous un résumé du thème et des citations sur lesquelles il est basé. Vérifiez chaque phrase : ce commentaire est-il vraiment ce que dit la citation, ou s'agit-il d'une inférence supplémentaire ? Marquez chaque phrase qui n’est pas soutenue par le texte. Exagération ou distorsion de la voix du participant. Résumé : [ici]
Invite faible/Invite forte
Invite faible :
Lisez ces interviews et faites ressortir les thèmes principaux et les bonnes citations pour moi.
L’IA peut produire des citations fluides mais inventées et des thèmes superficiels que les données ne véhiculent pas. La voix du participant est perdue, l'attribution devient peu fiable.
Invite puissante :
Analysez les transcriptions ci-dessous, en respectant UNIQUEMENT le texte. Pour chaque suggestion de thème : (1) les codes qui forment le thème, (2) la citation directe + le numéro de ligne supportant chaque code. Ne pas attribuer au participant des expressions non mentionnées dans le texte ; En cas de doute, écrivez "ce n'est pas clair dans le texte". Transcriptions : [ici]
La différence : la seconde approche attribue chaque commentaire au mot réel du participant, ce qui rend toute fabrication impossible.
Étapes d'analyse qualitative
Scène
Apport de l'IA
la décision de l'homme
transcription
Modification des formats
Écouter et vérifier l'audio
codage ouvert
Suggestion de code (avec citation)
Choix théorique
livre de codes
Projet de définition
Définir les limites du code
Codage cohérent
Définir l'application
Contrôle de cohérence
Analyse du thème
croquis de modèle
Commentaire et dénomination
Rapports
Édition de devis
Fidélité et sens
Erreurs courantes
- Accepter le devis sans le numéro de ligne. La porte du devis inventé s’ouvre à partir d’ici.
- Faire confiance sans écouter la transcription. Les transcriptions automatisées comportent des erreurs dans les noms et les termes.
- Mélanger le code avec le thème. La petite étiquette et le grand motif sont deux choses différentes.
- Contentez-vous du thème superficiel. Le pouvoir de la qualité est la profondeur ; Recherchez la tension dans les données.
- « Embellir » la voix du participant. Changer le sens tout en rationalisant le texte brise la fidélité.
En résumé
L'IA dans l'analyse qualitative des entretiens ; Cela permet de gagner beaucoup de temps dans des tâches telles que l'édition de transcriptions, la suggestion de code, la création de livres de définition de code et la rédaction de thèmes. Mais le cœur de la recherche qualitative est la fidélité aux propres mots du participant. Chaque code et thème doit être lié à une déclaration réelle dans le texte, de préférence par numéro de ligne ; Aucune citation ne doit être incluse dans le rapport sans vérification, et aucun commentaire ne doit être inclus dans le rapport sans confirmation. L'IA produit des suggestions ; La responsabilité du sens, de la profondeur et de la fidélité vous incombe.
Tâche de candidature
Faites un court enregistrement d'entretien (10 à 15 minutes que vous pouvez réaliser vous-même) et transcrivez-le avec un outil automatisé. Écoutez l'enregistrement et corrigez la transcription. Avec le modèle « proposition de codage ouverte », prenez les codes numérotés par ligne de l'IA, organisez-les dans votre propre cadre et créez un livre de codes. Ensuite, avec « extraction de thème », rédigez 3 thèmes et confirmez chacun avec de vraies citations. Avec le « contrôle de fidélité », éliminez toutes les phrases que le texte ne prend pas en charge.
liste de contrôle
- [ ] J'ai vérifié la transcription en écoutant l'enregistrement.
- [ ] J'ai lié chaque code avec un numéro de ligne et un devis.
- [ ] J'ai documenté la cohérence avec le livre de définition de code.
- [ ] J'ai soutenu chaque thème avec au moins deux citations directes.
- [ ] J'ai confirmé chaque phrase attribuée au participant avec le texte.