OPEN AI КАК ПОМОЩНИК ПРИ АНАЛИЗЕ ИНТЕРВЬЮ

Обложка

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассмотрены возможности использования искусственного интеллекта (ИИ) для анализа глубинных интервью в социологических исследованиях. Авторы рассматривают современный инструмент анализа на основе Open AI, который может дополнить традиционные подходы к анализу качественных данных. Для тестирования инструмента используется массив интервью с работающими и неработающими пожилыми людьми. Показано, как применение подобных технологий позволяет повысить эффективность обработки информации, минимизировать ошибки, связанные с ручным кодированием, проверить исследовательские гипотезы и получить новые выводы. Кроме того, результатом применения ИИ может быть не просто значительное ускорение процесса анализа, но и улучшение качества получаемых выводов. Авторы делают акцент на важности сочетания традиционных методов анализа с новыми технологиями для достижения более глубокого понимания исследуемых тем и повышения надежности результатов.

Об авторах

К. А. ГАЛКИН

Социологический институт РАН – филиал ФНИСЦ РАН

Автор, ответственный за переписку.
Email: kgalkin1989@mail.ru
Санкт-Петербург, Россия

И. С. ПЕТУХОВА

Петрозаводский государственный университет

Email: irini-prz@yandex.ru
Петрозаводск, Россия

О. А. ПАРФЕНОВА

Социологический институт РАН – филиал ФНИСЦ РАН

Email: oparfenova2023@yandex.ru
Санкт-Петербург, Россия

Список литературы

  1. Видясова Л. А. Активное и отложенное старение в оценках пожилых (по данным пилотного исследования в Санкт-Петербурге) // Журнал исследований социальной политики. 2023. № 3(21). С. 485– 502. doi: 10.17323/727-0634-2023-21-3-485-502.
  2. Данилова А. Г., Митина О. В. Компьютеризированный качественный анализ текста // Вестник Московского университета. Серия 14. Психология. 2021. № 1. 220–240. doi: 10.11621/vsp.2021.01.09.
  3. Котов Д. Алгоритмы искусственного интеллекта в прикладных социологических исследованиях // Социодиггер. 2023. Т. 4. Вып. 7–8(27). URL: https://sociodigger.ru/articles/articles-page/algoritmy-iskusstvennogo-intellekta-v-prikladnykh-sociologicheskikh-issledovanijakh (дата обращения: 24.09.2024).
  4. Мальцева Е. Ю., Молчанова Е. В. Применение информационных технологий при проведении социологического исследования // Концепт. 2015. № .2. С. 61–65.
  5. Практики анализа качественных данных в социальных науках / Отв. ред. Е. В. Полухина. М.: ИД «Высшая школа экономики», 2023.
  6. Страусс А., Корбин Дж. Основы качественного исследования: обоснованная теория, процедуры и техники / пер. с англ. Васильевой Т. С. М.: Эдиториал УРСС, 2001.
  7. Bail C. A. Can Generative AI improve social science? // Proceedings of the National Academy of Sciences. 2024. No. 21(121). С. e2314021121. doi: 10.1073/pnas.2314021121.
  8. Bhaduri S. et al. Reconciling Methodological Paradigms: Employing Large Language Models as Novice Qualitative Research Assistants in Talent Management Research. 2024. URL: https://arxiv.org/pdf/2408.11043 (дата обращения: 24.09.2024).
  9. Bumbuc S. About subjectivity in qualitative data interpretation // International Conference Knowledge-Based Organization. 2016. No. 2(22). P. 419–424. doi: 10.1515/kbo-2016-0072.
  10. Davidson T. Start generating: Harnessing generative artificial intelligence for sociological research // Socius. 2024. Vol. P. 1–17. doi: 10.1177/2378023124125965.
  11. Grossmann I. et al. AI and the Transformation of Social Science Research // Science. 2023. No. 380(6650). P. 1108–1109. doi: 10.1126/science.adi1778.
  12. Kelle U. Computer-Aided Qualitative Data Analysis: an Overview // Text Analysis and Computers / Еd. by C. Zü ll, J. Harkness, J.H.P. Hoffmeyer-Zlotnik (eds). Mannheim: Zentrum für Umfragen, Methoden und Analysen, 1996. P. 33–63.
  13. Krippendorff K. Content analysis: An introduction to its methodology // Sage publications. 2018. Цит. по: Parfenova A. et al. Automating Qualitative Data Analysis with Large Language Models // Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics. 2024. Vol. 4. P. 177–185. doi: 10.18653/v1/2024.acl-srw.17.
  14. Parfenova A. et al. Automating Qualitative Data Analysis with Large Language Models // Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics. 2024. Vol. 4. P. 177–185. doi: 10.18653/v1/2024.acl-srw.17.
  15. Wiltshier F. Researching with NVivo 8 // Forum: Qualitative Social Research. 2011. Vol. 12. No. 1. URL: http://www.qualitative-research.net/index.php/fqs/article/view/1628/3146 (дата обращения: 24.09.2024).

© Российская академия наук, 2025

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).