Zyski:
- Możliwość weryfikacji transkrypcji poprzez odsłuchanie nagrania oraz wykorzystania sztucznej inteligencji do sugerowania kodów i motywów
- Zachowanie wierności głosowi uczestnika poprzez powiązanie każdego kodu i cytatu z rzeczywistym stwierdzeniem w tekście, najlepiej z numerem wiersza
- Umiejętność odróżniania kodu od motywu i unikania powierzchownych komentarzy oraz wspierania głębi danych cytatami.
Badania jakościowe nie dotyczą liczb; Jest to podejście, które zajmuje się znaczeniem, doświadczeniem i kontekstem. Próbuje dogłębnie zrozumieć, jak ludzie interpretują dane wydarzenie, jakimi słowami je opisują i dlaczego się nim przejmują. Najbardziej powszechnym narzędziem jest wywiad pogłębiony – długa rozmowa z osobą, oparta na zadanych, ale elastycznych pytaniach. Po rozmowie kwalifikacyjnej pojawiają się trzy zadania: transkrypcja (dosłowna transkrypcja nagrania audio), kodowanie (oznaczanie znaczących fragmentów tekstu) i analiza tematyczna (wydobywanie z kodów większych, powtarzających się wzorców – tematów). W tej części dowiesz się, jak używać sztucznej inteligencji w tych trzech zawodach; ale dowiesz się, jak zachować głos uczestnika i odpowiedzialność za interpretację.
Sztuczna inteligencja jest naprawdę potężną pomocą w analizie jakościowej, ponieważ większość pracy dotyczy tekstu, a sztuczna inteligencja radzi sobie z nim szybko. Ale właśnie dlatego właśnie tutaj leży największe ryzyko: przypisanie uczestnikowi czegoś, czego on lub ona nie powiedział. Sztuczna inteligencja może „poprawić” cytat, „zinterpretować” opinię lub „wymyślić” temat, którego nie ma w tekście. Istotą badań jakościowych jest wierność własnym słowom uczestnika. Zatem złota zasada: AI sugeruje kod i motywy, ale każda sugestia musi być powiązana z treścią tekstu – najlepiej numerem linii – i należy ją potwierdzić.
Krok po kroku: od rejestracji do tematu
1. Sprawdź transkrypcję. Zautomatyzowane narzędzia do transkrypcji są szybkie, ale popełniają błędy: mogą błędnie wpisać nazwy, terminy techniczne, wyrażenia dialektalne. Należy koniecznie odsłuchać nagranie i poprawić transkrypcję; Sztuczna inteligencja może edytować format, ale nie słyszy dźwięku.
2. Wykonaj otwarte kodowanie. Przeczytaj tekst wiersz po wierszu i nadaj etykietę (kod) każdemu znaczącemu fragmentowi. Sztuczna inteligencja może generować sugestie kodu na podstawie kilku pierwszych transkrypcji; To daje listę startową.
3. Dostosuj listę kodów do teorii. Łącz, rozdzielaj, zmieniaj nazwy kodów sugerowanych przez sztuczną inteligencję zgodnie z własnym pytaniem badawczym i ramami. To jest osąd człowieka.
4. Koduj konsekwentnie. To samo znaczenie powinno być wszędzie oznaczone tym samym kodem. Sztuczna inteligencja pomaga oznaczyć pozostałe transkrypcje zgodnie z zatwierdzonym zestawem kodów.
5. Wyodrębnij motywy. Grupuj kody i nazywaj większe wzorce (motywy). AI sugeruje projekt tematu; To Ty decydujesz, który z nich naprawdę odzwierciedla Twoje dane. Wesprzyj każdy motyw bezpośrednimi cytatami.
Wskazówka: Wyjaśnij różnicę między „kodem” a „tematem” w analizie jakościowej: kod to mały znacznik znaczenia w tekście („lęk związany z niepewnością pracy”); Tematem jest wielki wzór, który skupia w sobie wiele kodów („niepewność co do przyszłości”). Sztuczna inteligencja może pomylić te dwa elementy; Utrzymujesz rozróżnienie.
trzy mini etui
Przypadek 1 – Przyłapano sfabrykowany cytat. Badacz poprosił sztuczną inteligencję o cytaty wspierające dany temat. AI przedstawiła zdanie, które było płynne, ale nie pojawiło się w transkrypcie jako „powiedział uczestnik”. Kiedy badacz poprosił o numer wiersza, YZ nie mógł podać źródła; Cytat został sfabrykowany. Stało się regułą: żadna propozycja bez cudzysłowu lub numerów wierszy nie jest akceptowana.
Przypadek 2 — Zwiększona spójność kodowania. W badaniu 30 transkryptów dwóch badaczy zastosowało różne kody. Polecili AI opracować wspólny słownik — nazwę, opis i przykład każdego kodu; Spójność między programistami znacznie wzrosła, a znaczenie każdego kodu zostało udokumentowane.
Przypadek 3 – Pogłębienie tematu powierzchownego. W pierwszej rundzie sztuczna inteligencja zasugerowała powierzchowny temat, taki jak „uczestnicy szczęśliwi/nieszczęśliwi”. Kiedy badacz stwierdził, że „to jest zbyt płytkie, pokaż napięcie w danych”, AI wróciła do cytatów i na podstawie tekstu naszkicowała bogatszy wzór, jak np. „napięcie pomiędzy poszukiwaniem bezpieczeństwa a pragnieniem wolności”; Badacz potwierdził to cytatami.
Cztery szablony do kopiowania
1) Zalecenie dotyczące otwartego kodowania:
Zakoduj następujący zapis rozmowy kwalifikacyjnej wiersz po wierszu. Zaproponuj krótki znacznik kodowy dla każdego znaczącego fragmentu i umieść obok niego numer wiersza oraz bezpośredni cytat. Nie dodawaj niczego, czego nie ma w tekście. Nie komentuj; po prostu oznacz frazę w tekście. Transkrypcja: [tutaj]
2) Książka definicji kodów (książka kodów):
Utwórz księgę definicji kodów z poniższej listy kodów: dla każdego kodu (1) nazwa, (2) jednozdaniowy opis, (3) fragment tekstu (z numerem wiersza), (4) uwaga „poza zakresem tego kodu”. Oznacz niejednoznaczne kody. Kody: [tutaj]
3) Wnioskowanie tematyczne (na podstawie cytatu):
W załączeniu lista kodów, którą zatwierdziłem. Zaproponuj 3-5 szkiców tematycznych, grupując te kody. Dla każdego motywu: pokaż, jakie kody zawiera i co najmniej 2 bezpośrednie cytaty (z numerem wiersza), które go obsługują. Nie sugeruj tematu bez cytatu. Motywy: [tutaj] Kody: [tutaj]
4) Kontrola lojalności:
Poniżej znajduje się podsumowanie tematu i cytatów, na których się on opiera. Sprawdź każde zdanie: czy ten komentarz jest rzeczywiście tym, co mówi cytat, czy też jest to dodatkowy wniosek? Zaznacz każde zdanie, które nie jest poparte tekstem. Przesada lub zniekształcenie głosu uczestnika. Podsumowanie: [tutaj]
Słaba zachęta/silna zachęta
Słaba zachęta:
Przeczytaj te wywiady i przywołaj dla mnie główne tematy i dobre cytaty.
Sztuczna inteligencja może tworzyć płynne, ale zmyślone cytaty i powierzchowne motywy, których nie niosą dane. Głos uczestnika zostaje utracony, atrybucja staje się niewiarygodna.
Potężny monit:
Przeanalizuj poniższe transkrypcje, trzymając się TYLKO tekstu. Dla każdej sugestii motywu: (1) kody tworzące motyw, (2) bezpośredni cytat + numer wiersza obsługującego każdy kod. Nie przypisuj uczestnikowi żadnych wyrażeń niewymienionych w tekście; Jeżeli nie jesteś pewien, napisz „nie jest to jasne w tekście”. Transkrypcje: [tutaj]
Różnica: w drugim podejściu każdy komentarz jest przypisywany rzeczywistym słowom uczestnika, co uniemożliwia sfabrykowanie.
Etapy analizy jakościowej
Scena
Wkład sztucznej inteligencji
decyzja mężczyzny
transkrypcja
Edycja formatu
Posłuchaj i zweryfikuj dźwięk
otwarte kodowanie
Sugestia kodu (z cytatem)
Teoretyczny wybór
książka kodów
Projekt definicji
Ustaw limity kodu
Spójne kodowanie
Ustaw aplikację
Kontrola spójności
Analiza tematu
szkic wzoru
Komentarz i nazewnictwo
Raportowanie
Edycja cytatu
Lojalność i znaczenie
Typowe błędy
- Akceptacja wyceny bez numeru wiersza. Stąd otwierają się drzwi do wymyślonego cytatu.
- Zaufanie bez słuchania transkrypcji. W automatycznych transkrypcjach pojawiają się błędy w nazwach i terminach.
- Mieszanie kodu z motywem. Mała etykieta i duży wzór to dwie różne rzeczy.
- Zadowalaj się powierzchownym motywem. Siłą jakości jest głębia; Poszukaj napięcia w danych.
- „Upięknienie” głosu uczestnika. Zmiana znaczenia przy jednoczesnym upraszczaniu tekstu łamie wierność.
Podsumowując
AI w jakościowej analizie wywiadu; Oszczędza dużo czasu na zadaniach takich jak edycja transkrypcji, sugerowanie kodu, tworzenie książek z definicjami kodu i opracowywanie motywów. Jednak sednem badań jakościowych jest wierność własnym słowom uczestnika. Każdy kod i motyw powinien być powiązany z rzeczywistym stwierdzeniem w tekście – najlepiej numerem wiersza; W raporcie nie należy umieszczać cytatu bez weryfikacji, a w raporcie nie należy umieszczać komentarza bez potwierdzenia. AI generuje sugestie; Odpowiedzialność za znaczenie, głębię i wierność spoczywa na Tobie.
Zadanie aplikacji
Zrób nagranie krótkiego wywiadu (10-15 minut, które możesz sam nagrać) i dokonaj transkrypcji za pomocą zautomatyzowanego narzędzia. Posłuchaj nagrania i popraw transkrypcję. Dzięki szablonowi „propozycja otwartego kodowania” pobierz kody z numeracją linii od AI, zorganizuj je we własnym środowisku i utwórz książkę kodów. Następnie za pomocą „ekstrakcji motywów” zaprojektuj 3 motywy i potwierdź każdy prawdziwymi cytatami. Za pomocą „sprawdzenia wierności” usuń wszystkie zdania, których tekst nie obsługuje.
lista kontrolna
- [ ] Sprawdziłem transkrypcję, słuchając nagrania.
- [ ] Połączyłem każdy kod z numerem linii i cytatem.
- [ ] Udokumentowałem zgodność z książką definicji kodu.
- [ ] Każdy temat poparłem co najmniej dwoma bezpośrednimi cytatami.
- [ ] Potwierdziłem tekstem każde zdanie przypisane uczestnikowi.