Przekształć transkrypcje
do pytania warte kodowania.

Inne podejście do pytań badawczych ugruntowanej teorii.

Grounded theory, metodę opracowaną przez Barneya Glasera i Anselma Straussa oraz później przerobioną przez Kathy Charmaz na potrzeby badań konstruktywistycznych, nie zaczyna się od ustalonego pytania badawczego. Zaczyna się od danych. Zbierasz wywiady, kodujesz je linia po linii, porównujesz kody między przypadkami i pozwalasz pytaniom badawczym wyłonić się z tego, co faktycznie mówią uczestnicy, a nie z hipotezy napisanej przed rozmową z kimkolwiek. Zrobione dobrze, jest to jeden z najtwardszych sposobów budowania teorii na podstawie rzeczywistych dowodów. Zrobione ręcznie, jest to również jeden z najwolniejszych.

Dlaczego pytania przychodzą późno

Dla większości badaczy absolwentów i zespołów jakościowych wąskim gardłem nie jest metoda, ale mechanika. Transkrypcja każdego wywiadu zajmuje wieczór. Otwarte kodowanie transkryptu ręcznie zajmuje godziny, a stała porównawczość ponad dwadzieścia lub trzydzieści wywiadów oznacza ponowne przeczytanie wszystkiego za każdym razem, gdy pojawia się nowa kategoria. Do czasu, gdy nasycenie jest nawet widoczne, runda wywiadów, którą powinna była kształtować, jest już zaplanowana.

Czytanie wywiadu, a nie tylko transkryptu

Speak AI traktuje każdy wywiad w taki sposób, jak doświadczony badacz jakościowy, w tempie, które zespół koderów nie może osiągnąć. Każde nagranie jest transkrybowane w twoim języku, z ponad 100 obsługiwanymi, następnie czytane na trzech poziomach: słowa, których używają uczestnicy, ton, emocje i energia w ich wypowiadaniu, oraz na wideo wizualne znaki, które sam transkrypt opuszcza. Kody otwarte są oznaczane w miarę ich pojawiania się, grupowane w kategorie i śledzone pod kątem częstotliwości i współwystępowania w całej próbce, dzięki czemu możesz zobaczyć tworząc się kategorię zamiast montowania jej z pamięci. Zapytaj na wszystkich kodowanych wywiadach za pomocą Claude, ChatGPT lub Gemini, jakiegokolwiek modelu preferuje twoja komisja lub klient, używając tych samych stałych pytań porównawczych, które badacze zawsze zadawali, teraz działające natywnie nad twoimi transkryptami.

Następnie trend w czasie staje się widoczny, nie tylko założony. Częstotliwość kategorii na poszczególnych rundach wywiadów, przesunięcia sentymentu w trakcie postępów badania, krzywe nasycenia, które mówią Ci, kiedy nowy wywiad jest mało prawdopodobny, aby dodać nowy kod. Dashboardy, które możesz dostosować i oznakować białą etykietą Zamień to w coś, co możesz przedłożyć przełożonemu, klientowi lub recenzentowi czasopisma.

Pytania badawcze ugruntowanej teorii, które badacze stawiają Speak AI

• “Jakie kody otwarte pojawiają się najczęściej w wywiadach od ósmego do dwudziestego i jak się ze sobą wiążą?”
• “Które kategorie nadal się nasycają, a które przestały produkować nowe kody?”
• “Jakie pytania badawcze ten zbiór danych już odpowiada, na które przewodnik rozmowy nie pytał?”
• “Pokaż mi każdy przypadek, gdzie uczestnik przeczy powstającej kategorii.”
• “Jak zmienił się ton wokół tego tematu między pierwszymi a ostatnimi pięcioma rozmowami?”

Od kodów otwartych do podlegającej obronie tezy

Wynikiem jest proces kodowania, który generuje swoje własne następne pytania zamiast czekać na sugestie z posiedzenia komisji. Kategorie, które wytrzymują stałe porównanie, otrzymują ścieżkę audytu: która transkrypcja, która linia, który koder. Trendy w pełnej próbie stają się wykreślą zamiast domysłu. Jedna globalna firma zajmująca się badaniami rynkowymi przeprowadziła swój program wywiadów przez ten przepływ pracy i zaoszczędzili $60K i 950+ godzin budowanie ugruntowanej struktury do badania klienta bez dodatkowych programistów.

A ponieważ teoria ugruntowana rzadko istnieje w izolacji od reszty programu badawczego, ten sam silnik analizuje ankiety, grupy fokusowe i wywiady kontrolne w tych samych kategoriach, łącząc warstwę kodowania z przeszukiwanym baza wiedzy dla całego badania.