概括： 定性研究正不断变革，这主要得益于人工智能（AI）在定性数据分析和编码过程中的应用。诸如 ATLAS.ti、NVivo、MAXQDA 等工具都推动了这一变革。 requalify.ai 它们因提供处理海量信息的高级功能并拓展研究人员的解读能力而脱颖而出。本文将介绍人工智能辅助软件的主要功能，探讨其优势和局限性，并阐述即使在日益自动化的场景下，人类干预在赋予数据意义方面仍然至关重要。
介绍
信息时代使可用于研究的数据量呈指数级增长，这使得涉及多来源材料（例如访谈、社交网络和技术报告）的研究项目的分析工作变得更加复杂。毫不奇怪，对兼具自动化和严谨分析能力的工具的需求日益增长，并成为学术界争论的焦点（Paulus et al., 2015）。
计算机辅助定性数据分析 (CAQDAS) 软件，例如 ATLAS.ti，在这一过程中发挥着至关重要的作用，它可以帮助研究人员组织和解释定性数据。近年来，人工智能算法扩展了这些程序的功能，增加了诸如……等功能。 自我编码, 文本挖掘 和 预测分析 （Guetterman 等人，2018）。然而，这些创新要求我们反思自动化在多大程度上可以（或应该）取代研究人员的批判性眼光，以及如何在识别模式的速度与人文科学所需的解释敏感性之间取得平衡。
本文深入探讨了 ATLAS.ti 的各项功能，并将其与 NVivo 和 MAXQDA 等其他工具进行比较，同时还提及了 requalify.ai 等其他转录和分析自动化工具。我们将探讨人工智能如何提升……的工作效率。 内容分析但我们也会强调研究人员的重要性 解释性验证 根据研究结果，最终有望为用户提供补贴，以便他们更明智地选择用于定性数据分析的软件，并更深入地了解人工智能在定性研究中的作用。
概念和定义
CAQDAS（计算机辅助定性数据分析软件）
CAQDAS 一词指的是一系列辅助组织、编码和系统分析定性数据的软件程序。这些数据可以包括访谈记录、社交媒体帖子、历史文献、图像，甚至视频（Paulus 等，2015）。其中最知名的平台包括：
- ATLAS.ti因其直观的界面和多种数据可视化及组织方式而备受认可。
- NVivo广泛应用于学术领域，并有相应的定量分析资源（Müller de Andrade、Schmidt 和 Montiel，2020）。
- MAXQDA它的特点是能够轻松地整合定性和定量数据，因此对混合方法研究很有价值。
- 伊拉姆特克因其统计文本分析和文本片段分类功能而广为人知。
这些软件程序的总体目标是实现对定性数据更严格、系统和透明的分析，促进学术界内部结果的共享和验证。
人工智能（AI）在定性分析中的应用
人工智能在定性分析中的应用包括算法和模型 机器学习 或者 深度学习 这些功能优化了诸如识别新兴主题、提取主题和分割数据等流程（Burgui-Burgui，2023）。常见功能包括：
- 自我编码根据文本中的语言分组和模式来建议代码的算法。
- 文本挖掘生成统计分析和词语分布数据，便于寻找相关性。
- 聚类自动对相似度较高的数据进行分组，有助于形成初步类别。
- 解释性建议一些软件程序已经开始提供初步的解释，尽管这些解释与人类的感知还有很大的差距。
尽管取得了进展，但必须认识到这些算法在处理社会现象的主观性和语境复杂性方面存在局限性（Papakyriakopoulos、Watkins、Winecoff、Jaźwińska 和 Chattopadhyay，2021）。因此，研究人员的监督对于赋予意义至关重要。
大数据在定性研究中的应用
大数据指的是规模庞大且种类繁多的数据集，当将其应用于人工智能定性研究时，需要强大的处理和分析工具。社交网络、数字监控系统和客户数据库都是产生海量且通常非结构化内容的数据源的例子（Guetterman et al., 2018）。为了提取 见解 为了确保这些信息数据库的可靠性，研究人员不仅需要尖端技术，还需要可靠的数据选择和管理策略来保证相关性和关联性。
重要问题
ATLAS.ti 等工具的主要 AI 功能是什么？与人工方法相比，它们有何不同？
ATLAS.ti 内置的 AI 工具包括语义搜索、自动编码和词频分析。这些功能可以加速原本需要数周甚至数月才能完成的手动流程。总的来说，相比手动方法，其优势包括：
- 速度人工智能可以在短时间内评估大量文本。
- 编码一致性它减少了代码应用中的差异，最大限度地减少了研究人员的偏见。
- 范围广泛识别人工阅读中可能被忽略的主题或模式。
另一方面，研究者的批判性视角对于……仍然至关重要。 语境化解读 从结果来看，如果没有精心指导的人类干预，人工智能无法捕捉到讽刺、隐喻或文化细微差别（Papakyriakopoulos et al., 2021）。
自编码和文本挖掘如何帮助识别定性数据中的新兴主题？
自动编码和文本挖掘等工具使研究人员能够快速定位数据语料库中可能代表反复出现的主题的词语、表达方式和概念组。这意味着可以更快地生成可能的分析假设（Burgui-Burgui，2023）。然而，这些假设的验证以及将主题置于特定的社会文化动态背景下进行分析，都依赖于研究人员的深入考察。
人工智能在解释数据方面有哪些局限性？何时需要研究人员介入？
尽管人工智能功能先进，但在理解主观和文化因素方面仍存在局限性。例如，分析讽刺或解读复杂的历史事件需要人类视角，才能将论述置于恰当的语境中（Guetterman et al., 2018）。在以下情况下，人类干预变得不可或缺：
- 理论界定选择理论框架和研究问题。
- 解释性编码调整人工智能提出的代码，以反映文化和概念上的特殊性。
- 结果讨论对算法提出的推论的合理性进行批判和反思。
如何根据所采用的方法和待分析的数据类型选择合适的工具？
明智的选择 定性数据分析软件 它应该包括：
- 方法学兼容性如果研究是现象学的、民族志的或混合的，则该工具需要为每种方法提供充分的支持（Paulus 等人，2015）。
- 数据类型音频、视频、文本或图像。每种工具对每种格式的支持可能有所不同。
- 可扩展性对于大型项目，特别是那些涉及 大数据选择具有强大处理能力的软件。
- 可用性和支持社区培训资源、讨论论坛和教程可以对学习曲线产生巨大的影响。
ATLAS.ti、NVivo 和 MAXQDA 都是功能全面的解决方案，但研究人员需要评估哪些方案最符合其研究方法（Müller de Andrade 等，2020）。就转录和自动化而言，对于那些希望提高现场录音和访谈速度的用户来说，requalify.ai 或许是一个不错的选择。
大数据在定性分析领域的影响是什么？
大数据的使用为定性研究开辟了新的可能性，使其能够分析规模庞大、种类繁多的数据，而这些数据在不久前还难以管理。社交媒体评论、客户服务记录和网络浏览数据可以被汇总，从而提供…… 全景 并能及时了解社会现象。然而，隐私、数据使用许可以及为确保准确性和情境化而进行的交叉核查等问题也带来了挑战（Guetterman et al., 2018）。随着人工智能算法的应用，研究人员需要在分析速度和信息使用的伦理之间取得平衡。
常见问题和错误
混淆了人工智能的“自动分析”能力和深度数据解读能力。
人工智能可以识别模式并对术语进行分类，但它无法理解每种表达方式背后的象征意义或情感内涵（Papakyriakopoulos et al., 2021）。因此，研究人员切不可将所有分析工作都委托给技术，而应始终保持批判性和反思性。
认为软件可以在研究人员无需积极参与的情况下“进行分析”。
任何算法都无法取代研究人员在结果解读和情境化方面的作用。诸如 ATLAS.ti、NVivo 或 MAXQDA 之类的软件只是辅助工具，而非人眼的替代品（Müller de Andrade 等，2020）。创造力和分析敏感性仍然不可替代。
未能理解算法在应用于高度上下文数据时的局限性。
在许多情况下，待分析的内容可能包含算法无法理解的比喻性语言或地方性表达方式。值得注意的是，人工智能基于统计模型，尽管这些模型可能非常稳健，但它们并非总能捕捉到文化和历史的细微差别（Guetterman et al., 2018）。
选择工具时没有考虑其与研究方法或数据类型的兼容性。
计算机辅助定性数据分析系统（CAQDAS）的许多不足之处都源于研究人员仅根据通用指南选择软件，而未考虑项目的具体情况（Paulus et al., 2015）。对数据特征和研究类型进行初步分析对于避免未来出现问题至关重要。
ATLAS.ti 的具体功能
自编码和数据组织
ATLAS.ti 因其工具而脱颖而出 自我编码这使得系统能够根据文本相似性提出初始代码建议（Burgui-Burgui，2023）。这些建议加快了材料结构化的过程，节省了时间，尤其是在处理大量数据的研究中。
分组和比较代码
另一个强大的功能是能够 组代码 在更高层级的类别中，可以对主题进行层级分析。研究人员可以比较代码，以可视化它们之间的关联或重叠方式，从而创建 思维导图 这有助于进行分析和解释性综合。
文本搜索和挖掘界面
ATLAS.ti 的搜索界面能够快速定位大型数据集中的特定术语或表达式，而文本挖掘则有助于发现词频或共现模式。对于大数据工作者而言，这种自动化功能可以成为一项显著的竞争优势（Guetterman et al., 2018）。
不同软件（NVivo、MAXQDA、Ethnograph 等）的比较
每种工具的优点和局限性。
- ATLAS.ti用户友好的界面和多种显示选项，但需要一定的学习时间才能充分利用人工智能功能。
- NVivo该方法能够有效地结合定性和定量方法，在学术研究中被广泛用于为问卷分析提供高级支持（Müller de Andrade et al., 2020）。
- MAXQDA它非常适合处理不同的数据格式，并能对定性和定量数据进行三角验证。但与其他解决方案相比，它可能没有那么多高级人工智能功能。
- 民族志学者专为民族志分析而设计，但在文本挖掘和复杂自动化功能方面存在局限性。
指导 CAQDAS 选择的方法学方面
选择采用哪款软件不仅仅取决于技术功能，还涉及以下问题：
- 研究目标案例研究、民族志、话语分析等。
- 数据格式文本、视频、图像、音频、超链接。
- 理想的人工智能功能自动编码、情感分析、文本挖掘等。
- 基础设施操作系统兼容性、存储容量和处理能力。
通过考虑这些因素，研究人员将能够选择最符合其方法论方案的工具。
人工智能在自动化和加速转录和分析过程中的作用。
过去需要大量人工才能完成的访谈和历史录音转录工作，现在可以通过语音识别软件和人工智能算法加快速度。例如，Requalify.ai 集成了高精度的自动转录流程，简化了研究人员的工作，使他们能够快速进入编码阶段（Burgui-Burgui，2023）。
这种自动化不仅减少了人工操作，还让专业人员有更多时间专注于诠释活动——这正是定性研究的精髓所在。即便如此，人工验证转录文本仍然至关重要，它可以纠正任何记录错误，并确保忠实地反映原始语音。
人为干预在解释人工生成结果中的重要性。
即使拥有能够提出代码和检测趋势的复杂算法，研究者的审慎审查仍然不可或缺。在定性研究中，反思性是科学可信度的组成部分。也就是说，研究者不仅要描述模式，还要质疑自己的解释和理论立场（Paulus et al., 2015）。
从这个意义上讲，ATLAS.ti 和 NVivo 等软件生成的结果应该被视为起点，而非终点。只有通过批判性分析——考虑背景、文化和理论——才能得出与所研究现象相符的可靠结论。
大数据的影响以及对能够管理海量信息的工具的需求。
随着大数据时代的到来，海量数据涌现：社交媒体帖子、地理参考数据、消费者反馈等等。管理和处理如此庞大的信息量需要兼具可扩展性、稳健性和与人工智能算法集成的工具，以便进行文本挖掘和半自动编码。如果没有这些解决方案，研究人员就有可能迷失在杂乱无章的数据海洋中（Guetterman et al., 2018）。
然而，海量数据也带来了伦理和方法论方面的问题。如何保证所收集信息的质量？如何确保隐私和知情同意？现代工具通常包含审计机制和报告，有助于控制访问并跟踪每个分析步骤。即便如此，正确使用数据的责任主要仍在于研究人员及其所属机构。
历史背景和当前意义
定性方法的演变
过去，定性分析主要依靠人工操作，例如在纸质索引卡片上做笔记、标记以及剪报访谈内容。这种方法虽然极其细致，但耗时费力，且容易出现组织错误。ATLAS.ti 等软件的出现彻底改变了这一流程，使得大型数据集的分割、比较和重组更加高效（Paulus et al., 2015）。
当前相关性
如今，人工智能在定性研究中日益受到重视。计算机辅助定性数据分析系统（CAQDAS）工具与机器学习算法相结合，对于处理当代数据的复杂性和海量数据至关重要。然而，这种进步并未消除对人工解读的必要性。相反，定性方法的丰富性取决于技术与研究者敏锐度的融合（Papakyriakopoulos et al., 2021）。
未来影响
人工智能的融合日益加深
定性数据分析软件的发展趋势是不仅提供编码，还要提供解释性见解。然而，尽管人们努力开发更“智能”的算法，但解释性的创造性思维仍然主要依赖于人类（Burgui-Burgui，2023）。
伦理和方法论上的挑战
大数据和人工智能等新兴资源带来了伦理挑战，尤其是在隐私和知情同意方面。在对社交网络或即时通讯应用的数据进行定性研究时，谨慎的数据收集和对数据保护法的尊重至关重要。随着技术能力的不断提升，关于信息使用限制和责任的讨论也变得愈发紧迫（Guetterman et al., 2018）。
混合工具
未来，我们可以设想这样一种场景：人工智能、定量分析和传统定性方法在同一个平台上融合。混合工具不仅能够进行内容分析，还能进行高级统计探索和预测模型的构建。这种融合尤其有利于需要多种方法论视角的跨学科研究（Papakyriakopoulos et al., 2021）。
实用技巧
- 明确目标。在选择软件之前，请先明确有关项目的关键问题：哪些数据优先考虑？”，我的理论框架是什么？。
- 谨慎使用自动编码。使用人工智能算法识别潜在代码，但要人工审查和完善它们，以保持理论一致性。
- 研究支持社区和用户社区。论坛和讨论组对于解决有关每个软件（ATLAS.ti、NVivo、MAXQDA 等）的具体问题至关重要。
- 验证你的结果。进行多轮同行评审，以确保可靠性和多种解释。
- 考虑使用专业的转录解决方案。如果您的项目涉及数小时的音频或视频，像 requalify.ai 这样的平台可以利用人工智能快速安全地优化转录。
结论
人工智能工具的开发是定性数据分析领域的一次重大飞跃。诸如 ATLAS.ti、NVivo、MAXQDA 和 requalify.ai 等专为自动化转录和分析而设计的软件，极大地提升了研究人员处理海量信息的能力，使其能够灵活地进行编码、分类和文本挖掘。然而，在赋予意义、阐释结果背景以及确保解释的可靠性方面，人类的专业知识仍然至关重要。
无论是绘制大数据主题图谱、对民族志访谈进行深入分析，还是探究复杂的社会现象，这些工具都展现出强大的辅助作用。然而，使用这些工具需要研究人员秉持反思和伦理的态度，既要意识到算法的局限性，也要重视批判性视角的重要性。归根结底，人工智能辅助的定性研究并非取代人类科学的诠释本质，而是对其进行增强，为理解社会现象的复杂性提供更加结构化和高效的途径。
常见问题解答
ATLAS.ti、NVivo 和 MAXQDA 有什么区别？
总的来说，它们都是功能强大的计算机辅助定量数据分析软件（CAQDAS），但在界面、定量资源的稳健性（例如 NVivo）和多媒体支持（例如 MAXQDA）等方面存在差异。ATLAS.ti 因其直观性和数据可视化功能而备受赞誉。
人工智能如何帮助进行定性分析？
人工智能可以加速编码、模式识别和数据挖掘等任务，从而优化研究人员的时间。然而，最终的解释仍需人工验证，以确保理论和语境的严谨性。
是否可以使用人工智能来转录访谈内容？
是的。像……这样的工具 requalify.ai 它们使研究过程更快、更实用，让研究人员能够专注于分析收集到的信息。
什么是“自我编码”？
此功能是指软件通过人工智能算法为文本片段提供初始编码建议。研究人员需要评估并调整这些编码，以确保其与理论基础保持一致。
如何在利用大数据进行的研究中解决伦理和隐私问题？
除了遵守数据保护法之外，研究人员还必须获得充分的同意，并使用安全的存储和分析方法处理信息，同时报告任何潜在的隐私风险。
人工智能能否完全取代研究人员？
不。人工智能可以简化和优化机械步骤，但解释和语境辨别仍然取决于研究人员的批判眼光和经验。
参考文献
- Burgui-Burgui, M. (2023). 人工智能在景观质量目标访谈自动编码中的应用：比较与案例研究。 arXiv. https://arxiv.org/abs/2312.05597
- Guetterman, T. C.、Chang, T.、DeJonckheere, M.、Basu, T.、Scruggs, E. 和 Vydiswaran, V. G. (2018)。利用自然语言处理增强定性文本分析：方法论研究。 医学互联网研究杂志;20(6): e231. doi: 10.2196/jmir.9702
- Müller de Andrade, D.、Schmidt, EB 和 Montiel, FC (2020)。使用 NVIVO 软件作为组织话语文本分析信息的辅助工具。 定性研究期刊, 8, (19): 948-970 https://editora.sepq.org.br/rpq/article/download/357/247/1278
- Paulus, T.、Woods, M.、Atkins, D. P. 和 Macklin, R. (2015)。QDAS 的话语：ATLAS.ti 和 NVivo 用户的报告实践及其对最佳实践的影响。 国际社会研究方法学杂志, 20（1），35-47。 https://doi.org/10.1080/13645579.2015.1102454
- Papakyriakopoulos, O., Watkins, EA, Winecoff, A., Jaźwińska, K., & Chattopadhyay, T. (2021). 以人为中心的 AI 的定性分析。 第35届神经信息处理系统会议（NeurIPS 2021），澳大利亚悉尼。 https://arxiv.org/abs/2112.03784
