Gevinster:
- Evne til å verifisere transkripsjonen ved å lytte til opptaket og bruke kunstig intelligens til å foreslå koder og temaer
- Forbli tro mot deltakerens stemme ved å koble hver kode og sitat til selve utsagnet i teksten, gjerne med et linjenummer
- Evne til å skille kode fra tema og unngå overfladiske kommentarer og støtte dybden av dataene med sitater.
Kvalitativ forskning handler ikke om tall; Det er en tilnærming som omhandler mening, erfaring og kontekst. Den prøver å forstå i dybden hvordan folk tolker en hendelse, med hvilke ord de beskriver den, og hvorfor de bryr seg om den. Det vanligste verktøyet er dybdeintervjuet — en lang samtale med en person basert på forhåndsbestemte, men fleksible spørsmål. Etter intervjuet kommer tre oppgaver: transkripsjon (transkribere lydopptaket ordrett), koding (merke meningsfulle passasjer i teksten) og temaanalyse (trekke ut større, tilbakevendende mønstre – temaer – fra kodene). I denne enheten lærer du hvordan du bruker AI i disse tre jobbene; men du vil lære hvordan du opprettholder deltakerens stemme og ansvarlighet for tolkningen.
AI er et veldig kraftig hjelpemiddel i kvalitativ analyse, fordi mesteparten av arbeidet handler om tekst, og AI er rask på tekst. Men det er nettopp derfor den største risikoen ligger her: å tilskrive deltakeren noe som han eller hun ikke har sagt. AI kan "korrigere" et sitat, "tolke" en følelse eller "finne opp" et tema som ikke er i teksten. Hjertet i kvalitativ forskning er troskap til deltakerens egne ord. Så den gyldne regelen: AI foreslår kode og temaer, men hvert forslag må være knyttet til selve utsagnet i teksten – gjerne med et linjenummer – og du må bekrefte det.
Steg for steg: fra registrering til tema
1. Bekreft transkripsjonen. Automatiserte transkripsjonsverktøy er raske, men gjør feil: de kan feilstave navn, tekniske termer, dialektuttrykk. Det er viktig å lytte til opptaket og korrigere utskriften; AI kan redigere formatet, men den kan ikke høre lyden.
2. Gjør åpen koding. Les teksten linje for linje og gi en etikett (kode) til hver meningsfull brikke. AI kan generere kodeforslag fra de første par transkripsjonene; Dette gir en startliste.
3. Juster kodelisten med teori. Kombiner, separer, gi nytt navn til kodene foreslått av AI i henhold til ditt eget forskningsspørsmål og rammeverk. Dette er menneskets dom.
4. Kode konsekvent. Den samme betydningen bør merkes med samme kode overalt. AI hjelper til med å merke gjenværende transkripsjoner i samsvar med det godkjente kodesettet ditt.
5. Trekk ut temaer. Grupper koder og navngi større mønstre (temaer). AI foreslår utkast til tema; Det er opp til deg å bestemme hvilken som virkelig gjenspeiler dataene dine. Støtt hvert tema med direkte sitater.
Tips: Tydeliggjør forskjellen mellom «kode» og «tema» i kvalitativ analyse: en kode er en liten merkelapp av betydning i teksten («angst for jobbusikkerhet»); Temaet er det store mønsteret som samler mange koder («usikkerhet om fremtiden»). AI kan forvirre de to; Du opprettholder skillet.
tre minisaker
Tilfelle 1 — Fabrisert sitat fanget. En forsker spurte AI om sitater som støtter et tema. AI presenterte en setning som var flytende, men som ikke dukket opp i transkripsjonen som «deltakeren sa». Da forskeren ba om et linjenummer, kunne ikke YZ oppgi kilden; Sitatet var oppdiktet. Det har blitt en regel: ingen forslag uten anførselstegn eller linjenummer godtas.
Tilfelle 2 — Kodingskonsistens økt. I en studie av 30 transkripsjoner brukte to forskere forskjellige koder. De fikk AI til å utarbeide en felles kodebok - navn, beskrivelse og eksempel på hver kode; Konsistensen mellom kodere økte betydelig og hva hver kode betydde ble dokumentert.
Case 3 - Overfladisk tema utdypet. I første runde foreslo AI et overfladisk tema som "deltakere glade/ulykkelige." Da forskeren sa «dette er for grunt, vis spenningen i dataene», gikk AI tilbake til sitatene og skisserte et rikere mønster, som «spenningen mellom søket etter trygghet og ønsket om frihet», basert på teksten; Forskeren bekreftet dette med sitater.
Fire kopierbare maler
1) Åpen kodingsanbefaling:
Kod følgende intervjuutskrift linje for linje. Foreslå en kort kodebrikke for hver meningsfull passasje og sett linjenummeret og direkte sitat ved siden av. Ikke legg til noe som ikke står i teksten. Ikke kommenter; bare tag setningen i teksten. Avskrift: [her]
2) Kodedefinisjonsbok (kodebok):
Lag en kodedefinisjonsbok fra følgende liste over koder: for hver kode (1) navn, (2) en setningsbeskrivelse, (3) utdrag fra teksten (med linjenummer), (4) merk "utenfor rammen av denne koden." Flagg tvetydige koder. Koder: [her]
3) Temaslutning (basert på sitat):
Vedlagt er kodelisten jeg godkjente. Foreslå 3-5 temaskisser ved å gruppere disse kodene. For hvert tema: vis hvilke koder det inneholder og minst 2 direkte sitater (med linjenummer) som støtter det. Ikke foreslå et tema uten et sitat. Temaer: [her] Koder: [her]
4) Lojalitetskontroll:
Nedenfor er et sammendrag av temaet og sitatene det er basert på. Sjekk hver setning: er denne kommentaren virkelig det sitatet sier, eller er det en ekstra slutning? Merk hver setning som ikke støttes av teksten. Overdrivelse eller forvrengning av deltakerens stemme. Sammendrag: [her]
Svak forespørsel / Sterk forespørsel
Svak melding:
Les disse intervjuene og få frem hovedtemaene og gode sitatene for meg.
AI kan produsere flytende, men oppdiktede sitater og overfladiske temaer som dataene ikke inneholder. Deltakerens stemme går tapt, attribusjonen blir upålitelig.
Kraftig ledetekst:
Analyser transkripsjonene nedenfor, følg KUN teksten. For hvert temaforslag: (1) kodene som utgjør temaet, (2) det direkte sitatet + linjenummeret som støtter hver kode. Ikke tilskriv noen uttrykk som ikke er nevnt i teksten til deltakeren; Der du ikke er sikker, skriv «det er ikke tydelig i teksten». Transkripsjoner: [her]
Forskjellen: den andre tilnærmingen tilskriver hver kommentar til deltakerens faktiske ord, noe som gjør fabrikasjon umulig.
Kvalitative analysestadier
Scene
Bidrag av AI
mannens avgjørelse
transkripsjon
Formatredigering
Lytt og bekreft lyd
åpen koding
Kodeforslag (med sitat)
Teoretisk valg
kodebok
Definisjonsutkast
Angi kodegrenser
Konsekvent koding
Still inn applikasjon
Konsistenssjekk
Temaanalyse
mønsterskisse
Kommentar og navn
Rapportering
Sitat redigering
Lojalitet og mening
Vanlige feil
- Godta tilbudet uten linjenummer. Døren til det oppdiktede sitatet åpnes herfra.
- Å stole på uten å høre på utskriften. Automatiserte transkripsjoner er feilaktige i navn og termer.
- Blande kode med tema. Den lille etiketten og det store mønsteret er to forskjellige ting.
- Vær fornøyd med det overfladiske temaet. Kraften til kvalitet er dybde; Se etter spenning i dataene.
- Å «forskjønne» deltakerens stemme. Å endre betydningen samtidig som du effektiviserer teksten bryter troskap.
Oppsummert
AI i kvalitativ intervjuanalyse; Det sparer mye tid i oppgaver som å redigere transkripsjoner, foreslå kode, lage kodedefinisjonsbøker og temautkast. Men kjernen i kvalitativ forskning er troskap til deltakerens egne ord. Hver kode og tema bør knyttes til en faktisk uttalelse i teksten – helst ved linjenummer; Ingen sitat skal inkluderes i rapporten uten bekreftelse, og ingen kommentar skal inkluderes i rapporten uten bekreftelse. AI produserer forslag; Ansvaret for mening, dybde og troskap er ditt.
Søknadsoppgave
Ta et kort intervjuopptak (10-15 minutter som du kan lage selv) og transkriber det med et automatisert verktøy. Lytt til opptaket og korriger transkripsjonen. Med malen "åpent kodeforslag" kan du ta linjenummererte koder fra AI, organisere dem i ditt eget rammeverk og lage en kodebok. Deretter, med "temaekstraksjon", utkast 3 temaer og bekreft hver med ekte sitater. Med "troskapssjekken" luker ut eventuelle setninger som teksten ikke støtter.
sjekkliste
- [ ] Jeg bekreftet transkripsjonen ved å lytte til opptaket.
- [ ] Jeg koblet hver kode med linjenummer og sitat.
- [ ] Jeg har dokumentert samsvar med kodedefinisjonsboken.
- [ ] Jeg støttet hvert tema med minst to direkte sitater.
- [ ] Jeg bekreftet hver setning som ble tilskrevet deltakeren med teksten.