Artikel
Einsatz künstlicher Intelligenz in der qualitativen Inhaltsanalyse – ein Praxisbeispiel zu Möglichkeiten und Grenzen
Suche in Medline nach
Autoren
Veröffentlicht: | 10. September 2024 |
---|
Gliederung
Text
Hintergrund: Auf künstlicher Intelligenz basierende große Sprachmodelle wie ChatGPT halten Einzug in viele Bereiche der Forschung. Auch in der qualitativen Forschung könnten sie eine wichtige Rolle spielen. Hierbei stellt sich u. a. die Frage, inwiefern Sprachmodelle bei der qualitativen Inhaltsanalyse, u.a. die Codierung und Aufbereitung der qualitativen Auswertung betreffend, unterstützen können.
Zielsetzung: Im Rahmen des Beitrags wird anhand zweier empirischer Beispiele ermittelt, inwiefern sich von unterschiedlichen Sprachmodellen und von Forschenden durchgeführte Codierungen qualitativen Materials voneinander unterscheiden.
Methode: Zwei MAXQDA-Beispieltranskripte aus den MAXQDA-Beispielprojekten „Klimawandel“ und „Work-Life-Balance“ wurde auf Deutsch und auf Türkisch von qualitativ Forschenden der Versorgungsforschung, von ChatGPT 4, ChatGPT 3.5 und dem AI-Assist innerhalb von MAXQDA unabhängig voneinander codiert und aufbereitet und mit dem Auswertungsbeispiel auf inhaltlicher und formaler Ebene verglichen.
Ergebnisse: Es lassen sich nur unwesentliche Unterschiede zwischen den Beispielprojekten und den Forschenden, Chat-GPT und AI-Assist in Bezug auf die inhaltliche Codierung feststellen. Diese beziehen sich lediglich auf die Detailtiefe und die Aufbereitung der Analyse. Verglichen mit der Lehrbuchvorlage generierte ChatGPT 4 lange und umfassende Analysen, ChatGPT 3.5 kürzere, aber mit ChatGPT 4 vergleichbare Ausgaben, während die Auswertung der AI-Assist-Funktion innerhalb von MAXQDA sehr kurz und wenig aussagekräftig ausfiel. Den Forschenden war es nicht möglich, zu identifizieren, welche Codierung und Aufbereitung aus der Lehrbuchvorlage und welche KI-generiert waren.
Implikation für Forschung und/oder (Versorgungs-)Praxis: Sprachmodelle wie ChatGPT können Teile der qualitativen Inhaltsanalyse unterstützen. Codierungen und Aufbereitung von KI-Sprachmodellen unterscheiden sich kaum von erfahrenen Forschenden und Lehrbuchvorlagen. Sprachmodelle könnte Forschende bei der Ideenentwicklung, Synthese von Ergebnissen und Qualitätssicherung unterstützen. Dabei sind neben der stetigen Reflexion auch Themen des Datenschutzes zu beachten.