Loading...
AI i praksis

AI som redskab i tematisk analyse

Goyanes, Lopezosa & Jordá (2024) har afprøvet ChatGPT som redskab til tematisk analyse. Tematisk analyse er en tilgang som ofte bruges til at analysere kvalitative interviews (se en introduktion i Braun & Clarke (2006)). Som empiri bruger Goyanes, Lopezosa & Jordá (2024) 30 semistrukturerede, dybdegående interviews om sammenhænge mellem sociale medier, politisk orientering og personlighedstræk. I artiklen gennemgås de trin der er involveret i at bruge ChatGPT til tematisk analyse, og resultaterne sammenlignes med en analyse af det samme materiale lavet ved at anvende NVivo som er et stykke software som ofte bruges til tematisk analyse.

Den overordnede proces for at bruge AI-redskaber som ChatGPT til tematisk analyse opdeles i flere trin. Her er de vigtigste:

  • Dataforberedelse:
    • Data skal tilpasses den valgte AI-teknologi, herunder er det vigtigt at dokumenterne kun indeholder information der er relevant for undersøgelsen, og dokumenter og personer bliver navngivet på en relevant måde, og at materialet bliver delt op i et antal dokumenter, så alle dokumenter ligger under grænsen for maksimum antal ord eller dokumentstørrelse.
    • Goyanes, Lopezosa & Jordá (2024) foreslår at man bruger en række prompts for at sikre sig at AI-teknologien processerer dem som ønsket.
  • Definere analyseprocessen:
    • Analyseprocessen styres af en række prompts. Det involverer fx at instruere AI-teknologien i på hvilket grundlag og hvor mange temaer der skal genereres. Som en del af analysen kan man også instruere ChatGPT i at generere nøglebegreber, fx knyttet til temaer, man kan bede om opsamlinger af hvad de genererede temaer dækker, man kan bede om at få udpeget de bedste eksempler og citater osv.
  • Interaktion med chatbot: Udforskning af variation inden for temaerne:
    • Gennem yderligere prompts kan man udforske variationen i udsagn i data inden for hvert tema, fx ved at prompte ChatGPT til at udpege et antal udsagn der støtter bestemte positioner eller modsiger dem.
  • Iterativ proces:
    • Her promptes ChatGPT til at levere en tematisk analyse på baggrund af de tidligere responser på prompts i tråden. Goyanes, Lopezosa & Jordá (2024) foreslår at man også prompter ChatGPT til at lave en opsamling i tabelform.
  • Gennemgang og validering:
    • Goyanes, Lopezosa & Jordá (2024) sammenligner resultaterne med en analyse af samme materiale lavet med anvendelse af NVivo. De finder at ChatGPT har genereret færre koder end tilfældet hvor kodere anvendte NVIVO. I dette trin kan uoverensstemmelser eller opdagelser også bruges til at revidere analysen genereret af ChatGPT gennem prompts.
  • Analyse og fortolkning:
    • Her skal forskeren ifølge Goyanes, Lopezosa & Jordá (2024) refleksivt og grundigt undersøge de resultater genereret af ChatGPT, herunder tage stilling til variationen og inddrage den kontekstuelle forståelse af fænomenerne undersøgelsen handler om.

Som den trinvise gennemgang peger på og også Goyanes, Lopezosa & Jordá's (2024) diskussion af deres erfaringer og resultater med at bruge ChatGPT tager fat i, så er der nogle processer med klargøring af materialet og design af hensigtsmæssige promptstrategier samt validering af resultaterne som kommer til være afgørende og fylde meget hvis man vælger at inddrage ChatGPT eller lignende AI-systemer til tematisk analyse. Hvordan disse trin udføres, er afgørende for resultatet og bør være gennemskuelige når resultaterne formidles.

Meget central er også pointerne om hvordan designet og fortolkningen af resultaterne er afhængige af og bør være afhængige af mennesker. Det sker igennem hele processen hvor det er mennesker der klargør, prompter, laver modifikationer løbende og tjekker validiteten af resultaterne. Og Goyanes, Lopezosa & Jordá (2024) observerer at selvom ChatGPT kan generere systematiske temaer fra tekstmateriale, så er tendensen at koderne og temaerne bliver ret generiske og mangler en sans for subtile nuancer og kontekstuel og teoretisk indsigt.

Ligesom når det angår andre trin i forskningsprocessen, er det vigtigt at være opmærksom på etiske problemstillinger. Når man arbejder med interviewdata, er der tale om persondata, og det skal sikres at designet lever op til GDPR-reguleringerne.

Referencer

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101.

Goyanes, M., Lopezosa, C., & Jordá, B. (2024). Thematic Analysis of Interview Data with ChatGPT: Designing and Testing a Reliable Research Protocol for Qualitative Research. Læs om AI som sekretær i skriveprocessen