AI Summaries Beta: Große Datensätze schnell und einfach verstehen

Der Umgang mit Dutzenden oder Hunderten von Seiten an Daten kann zeitaufwändig und mühsam sein. Manchmal müssen Sie einfach nur die wichtigsten Erkenntnisse herausfinden. In anderen Fällen müssen Sie einfach nur die richtige Richtung für die Datenanalyse finden. Was auch immer Sie brauchen, ATLAS.ti's AI-Tools helfen Ihnen, schneller auf den Punkt zu kommen.

Dieser Artikel befasst sich mit ATLAS.ti's neuem AI Summaries Tool, das sich derzeit in der Beta-Phase befindet und allen ATLAS.ti Usern zur Verfügung steht. Künstliche Intelligenz hat tiefgreifende Auswirkungen auf die qualitative Forschung, und dank unserer Zusammenarbeit mit OpenAI ist qualitative Datenkodierung und Analyse schneller und einfacher als je zuvor. Unser neues KI-gestütztes Tool hilft dabei, große Datenmengen zusammenzufassen und prägnante Beschreibungen Ihres Textes zu erstellen, die Sie in verschiedenen Phasen Ihres Forschungsprojekts verwenden können.

Wenden wir AI Summaries auf ein Forschungsprojekt zu Nachhaltigkeit und nachhaltigem Leben an. Wir werden uns die Grundlagen der Verwendung von KI-Zusammenfassungen ansehen, untersuchen, was in ein zusammenfassendes Memo hineingehört, sie verwenden, um Kodes auf unsere Daten anzuwenden und wichtige Muster in den Daten zu erkennen.

Verwendung von AI-Zusammenfassungen

Das Werkzeug KI-Zusammenfassungen funktioniert bei allen Textdokumenten oder Kodes, die auf Text angewendet werden. Klicken Sie einfach auf KI-Zusammenfassungen in der Symbolleiste oder wählen Sie Analyse -> KI-Zusammenfassungen aus dem Popup-Menü eines Dokuments. Im Dialogfeld KI-Zusammenfassungen werden alle Dokumente und kodierten Daten aufgelistet, die Sie an die Sprachmodelle von OpenAI senden können (sicher und geschützt, so dass Ihre Daten geschützt sind). Wählen Sie die Daten aus, die Sie analysieren möchten, und AI Summaries gibt eine geschätzte Zeit für die Verarbeitung Ihrer Daten und die Fertigstellung Ihrer Zusammenfassungen an.

Unser Nachhaltigkeitsprojekt enthält Texte aus drei Interviews zum Thema Nachhaltigkeit. Für die Verarbeitung und Zusammenfassung all dieser Daten benötigte AI Summaries weniger als eine Minute. Je größer Ihr Datensatz ist, desto mehr Zeit wird die Verarbeitung natürlich in Anspruch nehmen. Es steht Ihnen frei, das AI Summaries-Tool im Hintergrund laufen zu lassen und andere Aufgaben an Ihrem Projekt zu erledigen, während Ihre Daten verarbeitet werden.

Wenn AI Summaries fertig ist, erhalten Sie einen Ergebnisdialog mit AI-generierten Zusammenfassungen Ihrer Daten in Form von Memos. Memos in ATLAS.ti sind eine großartige Möglichkeit, Überlegungen, theoretische Erkenntnisse und Anleitungen zur Datenanalyse für Ihr Projekt zu dokumentieren, daher haben wir einen Bereich für KI-Zusammenfassungen in Ihren Projekt-Memos geschaffen. Sie können diese Zusammenfassungen im Ergebnisdialog oder im Memo Manager einsehen und bei Bedarf korrigieren. Generative KI befindet sich ständig in der Entwicklung, und auch wenn sie gut im Verstehen von Text ist, wird das menschliche Element bei der qualitativen Datenanalyse immer wichtig sein. In diesem Fall können Sie diese neuen Zusammenfassungen bearbeiten, falls die KI-Zusammenfassungen irgendwelche feinen, aber wichtigen Details vermissen lassen.

Verschaffen Sie sich einen Vorsprung

Jetzt, wo Sie KI-generierte Zusammenfassungen für Ihr Projekt haben, stellt sich die Frage, was Sie mit ihnen anfangen sollen. Wie bei allen KI-Tools in ATLAS.ti können Sie sie so wenig oder so viel wie nötig einsetzen, um Ihre Forschungsziele zu erreichen. Machen Sie aus einem 10.000 Wörter umfassenden Dokument eine ein- oder zweizeilige Zusammenfassung, wenn Sie nur wissen wollen, worum es in Ihrem Text geht. Einfach ausgedrückt: KI-Zusammenfassungen können Ihnen helfen, bei der Suche nach wichtigen Erkenntnissen aus Ihren Daten Zeit zu sparen.

Was fließt in diese Zusammenfassung ein? Die Sprachmodelle von OpenAI berücksichtigen eine Reihe von Faktoren, um zu bestimmen, welche Informationen wichtig sind und welche nicht, z. B. die Textstruktur, Wiederholungen und unterstützende Details. Schauen Sie sich zum Beispiel Pipers Beschreibung einer "Bedarfsnotiz" sowohl im Originaldokument als auch in der von der KI generierten Zusammenfassung im Screenshot oben an. AI Summaries identifiziert Wörter wie "empfehlen" als Signal für Ideen, die hervorgehoben werden müssen. Außerdem wird auf die Details geachtet, mit denen der Bedarfshinweis erklärt wird, was darauf hindeutet, dass der Bedarfshinweis weniger eine beiläufige Idee als vielmehr ein Schlüsselgedanke ist. Wenn Sie verstehen, wie diese und andere Zusammenfassungen erstellt werden, bekommen Sie einen Eindruck davon, wie leistungsfähig AI Summaries bei der Identifizierung wesentlicher Erkenntnisse in Ihren Daten ist.

Konzentrieren Sie sich auf Ihre Kodierung

Das zeilenweise induktive Kodieren ist eine wesentliche Fähigkeit in der qualitativen Forschung, aber es kann auch eine Herausforderung sein, herauszufinden, welche Kodes es wert sind, erstellt zu werden. Mit AI Summaries erhalten Sie einen Leitfaden, der Sie darauf hinweist, was Sie kodieren könnten, was den Kodierungsprozess erleichtert und es Ihnen ermöglicht, eine effizientere Datenanalyse durchzuführen.

Die Zusammenfassungsfunktionen der Sprachmodelle von OpenAI konzentrieren sich ausschließlich auf den Text, den Sie ihnen zur Verfügung stellen, und ermitteln so Erkenntnisse aus den Daten selbst. Daher können Sie eine zusammenfassende Notiz als Anleitung für Ihre Kodierung verwenden.

Im obigen Screenshot können Sie sehen, dass AI Summaries persönliche Gewohnheiten als Schlüssel zur Nachhaltigkeit identifiziert hat. Wir können dann einen Kode auf Zitate anwenden, die sich mit persönlichen Gewohnheiten befassen, um unsere Daten an einem Ort zu organisieren und anzuzeigen. Im folgenden Screenshot sehen Sie alle Daten, die für persönliche Gewohnheiten relevant sind, unter einem Kode organisiert und in einem Fenster aufgelistet.

Eine der größten Herausforderungen bei der Analyse unstrukturierter qualitativer Daten besteht darin, dass wichtige Erkenntnisse nicht immer auf vorhersehbare Weise ermittelt werden können. AI Summaries zeigt Ihnen nicht nur die wesentlichen Punkte in Ihren Daten, sondern kann Ihnen auch helfen, Ihre Daten so zu organisieren, dass alle wichtigen Informationen leicht zu finden sind.

Synthetisieren Sie Wissen aus Ihren Daten.

Das Word Frequencies Tool in ATLAS.ti eignet sich hervorragend für die Durchführung von Inhaltsanalysen Ihrer Daten. Allerdings kann es vorkommen, dass die Worthäufigkeiten eines kompletten Textes Wörter enthalten, die für Ihre Analyse nicht relevant sind. Denken Sie zum Beispiel an ein Transkript, in dem die Namen der Sprecher mehrfach vorkommen. Stellen Sie sich einen Forschungsartikel vor, in dem der Text der Kopf- und Fußzeilen auf jeder Seite wiederholt wird. Die Zählung dieser Wörter könnte die Häufigkeit, mit der Sie Ihre Themen darstellen, beeinträchtigen.

Die Memos, die Sie aus AI Summaries generieren, konzentrieren sich dagegen nur auf die wichtigsten Erkenntnisse. Sie können in Dokumente umgewandelt werden, die kodiertund analysiertwerden können. Anschließend können Sie diese Memos in Word Frequencies and Concepts analysieren, um festzustellen, welche Wörter und Phrasen in Ihren Daten am häufigsten vorkommen.

Diese Analyse der Zusammenfassungen konzentriert sich nur auf die wichtigsten Informationen in Ihren Daten, und die Ergebnisse zeigen die am häufigsten vorkommenden Schlüsselwörter in der Mitte der Wortwolke an.

Die Verwendung von KI-Zusammenfassungen in Verbindung mit KI-Kodierung kann auch eine großartige Möglichkeit sein, die Themen aus Ihren Daten hervorzuheben. Verwenden Sie AI Koding, um vorgeschlagene Kodes auf jede Ihrer Zusammenfassungen anzuwenden und Ihre Daten auf eine Reihe kurzer, aber beschreibender Schlüsselwörter zu reduzieren.

Die KI-Kodierung in Verbindung mit KI-Zusammenfassungen bestätigt, dass die ökologische Nachhaltigkeit das übergreifende Thema in jedem Interview ist. Jedes der drei Interviews in diesem Projekt betrachtet die Nachhaltigkeit aus verschiedenen Blickwinkeln wie Klimawandel, Umweltschutz und Umweltbewusstsein. Dies ist nützlich, denn wenn sich Ihre Untersuchung auf einen bestimmten Bereich der ökologischen Nachhaltigkeit konzentriert, dann können Sie sich nur auf die Dokumente konzentrieren, deren Zusammenfassungen mit diesem spezifischen Bereich kodiert sind.

Die Suche nach Möglichkeiten zur Reduzierung der qualitativen Daten kann sich besonders für diejenigen als nützlich erweisen, die Literaturübersichten oder eine Dokumentenanalyse durchführen. Wenn Sie Dutzende oder Hunderte von Dokumenten haben und die Themen und Muster in Ihren Daten aus der Vogelperspektive betrachten müssen, können KI-Zusammenfassungen ein wertvoller Forschungsassistent sein, der Ihnen bei der Synthese von Wissen über Ihr gesamtes Projekt hilft.

Schlussfolgerung

Forschung kann ein zeitaufwändiger Prozess sein, wenn man nicht weiß, wo man anfangen soll oder wonach man überhaupt sucht, während man die Daten durchforstet. Es kann eine Herausforderung sein, die wichtigsten Erkenntnisse zu identifizieren, die Ihnen helfen, Ihre Forschungsfrage zu beantworten. ATLAS.ti's KI-gestützte Tools, wie z.B. AI Summaries, können Ihnen helfen, schneller zum Punkt zu kommen. Wie immer sind Tools wie AI Summaries Hilfsmittel für Ihre Forschung; es ist letztlich Sache des Forschers, die Erkenntnisse aus seinen Daten seinem Publikum zu erklären. KI-Zusammenfassungen und KI-Kodierung können jedoch großartige Assistenten sein, die Ihnen helfen, schneller und effizienter zu forschen.