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 с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».