Vil du bruge generativ AI i din kvalitative analyse med omtanke? Så undgå de mest udbredte misforståelser om, hvad teknologien kan – og ikke kan.
Hvis du arbejder med kvalitativ analyse, har du sikkert overvejet, om generativ AI giver anledning til at ændre praksis.
Kan du overlade noget af analysearbejdet til en chatbot?
Er din sædvanlige måde at analysere på ligefrem ved at blive forældet?
Jeg kan sagtens følge disse tanker.
Et kerneelement i mange kvalitative analysemetoder er at finde mønstre i et datamateriale. Det kunne være interviewtransskriptioner, observationsnoter, dokumenter eller andre former for tekster, som du selv har indsamlet forud for analysen.
At finde mønstre i tekst er en opgave, som generativ AI er en mester i at udføre.
Men betyder det, at generativ AI er god til kvalitativ analyse? Ikke ligefrem. Det uddyber jeg ved at kommentere på tre misforståelser, som jeg jævnligt støder på.
Misforståelse nr. 1. Jeg kan overlade analyseprocessen til AI
Generativ AI er god til mønstergenkendelse, og mønstergenkendelse er en vigtig del af analysen af kvalitative data.
Men analyse er mere end mønstergenkendelse.
- Analyse bygger på antagelser om, hvad der tæller som gyldig viden.
- Analyse indebærer en beslutning om, hvilken form for viden, du gerne vil producere. Hvilke spørgsmål, du gerne vil have svar på. Og hvordan du kommer fra data til indsigter på den mest hensigtsmæssige måde.
- Analyse inkluderer fortolkning, hvor du trækker på din og andres faglige viden.
Generativ AI kan løfte nogle delopgaver i analyseprocessen, men ikke styre processen. Det skal du selv.
Du må tage rollen som beslutningstager og procesleder på dig. Det kræver, at du kender og forstår analyseprocessen.
Ellers kan du ikke vurdere, hvor generativ AI med fordel kan bidrage, vælge den mest egnede AI-model, forklare chatbotten, hvad du ønsker, og korrigere, hvis de output du får, rammer ved siden af målet.
Sagt med den AI-kyndige Ethan Mollicks ord:
„Expertise clearly still matters in a world of creating things with words. After all, you have to know what you want to create; be able to judge whether the results are good or bad; and give appropriate feedback.‟
Misforståelse nr. 2. Min sædvanlige måde at analysere på er forældet
Mange mener, at generativ AI medfører et paradigmeskift i vores arbejdsliv. I hvert fald den del af arbejdslivet, som foregår ved en computer.
Det har de måske ret i.
Men generativ AI ændrer ikke fundamentalt ved, hvad en analyse er, og hvordan den udføres. AI ændrer især på hvem, der udfører (dele af) analysen.
Med sin evne til mønstergenkendelse mimer Generativ AI blot den måde, kvalitative analytikere i årtier har grebet denne del af analysen an.
Og den mere overordnede analytiske fremgangsmåde med generativ AI er grundlæggende den samme som fremgangsmåden for analyse uden generativ AI.
Så din sædvanlige måde at analysere på er på ingen måde forældet. Tværtimod er det, som nævnt i pkt. 1, en fordel for dig at have førstehåndskendskab til processen.
Se et eksempel, hvordan en semiotisk inspireret analysemodel anvendes til analyse af collager med ChatGPT.
Misforståelse nr. 3. Hvis resultatet er dårligt, er det, fordi AI er dårlig
Ligesom du ikke kan overlade den samlede analyseproces til generativ AI, kan du heller ikke overlade ansvaret for analysen resultat til chatbotten.
Ansvaret for resultatet af analysen og dens enkelte elementer ligger hos dig.
Det gælder også, hvor du har brugt generativ AI. Her er det dig, der har udvalgt en AI-model, valgt hvilke opgaver, du vil have løst af AI, formuleret prompts osv.
Fordi ansvaret er dit, er det vigtigt, at du kvalitetssikrer de output, du får af chatbotten.
Det kræver kendskab til kvalitetskriterier: Hvad kendetegner god kvalitet i den type analyse, du laver? Hvad kan du gøre for at styrke kvaliteten undervejs i analysen?
Se et eksempel på, hvordan der udføres kvalitetssikring i analysen af spørgeskemakommentarer i NotebookLM.
Hvad så med AI researchagenter?
Men hov, glemmer jeg ikke at tage højde for de forskellige deep research-funktioner, som forskellige AI-udbydere tilbyder? De kan da udføre analyser på egen hånd?
Det er rigtigt, at researchagenter som Open AI’s Deep Research selvstændigt kan søge efter og sammenfatte informationer og dermed udføre en form for desk research. Men det gælder kun informationer, som er offentligt tilgængeligt online.
Researchagenter kan ikke på egen hånd analysere de data, du selv har indsamlet, for dem har de ikke adgang til.
Du sætter retningen
Jeg håber, at indlægget her har gjort det tydeligt for dig, hvordan de tre misforståelser bygger på uholdbare opfattelser af generativ AI.
Generativ AI kan understøtte kvalitativ analyse, men det er stadig dig, der træffer de analytiske valg og sikrer kvaliteten.
Så i stedet for at spørge, om AI kan analysere for dig, giver det mere mening at spørge: Hvordan kan du bruge AI til at styrke din egen analyse?
