KI-Chat-basierte Analyse

Der Tab „KI-Chat“ im Hauptfenster ermöglicht die Diskussion bestimmter Aspekte der Analyse mit der KI. QualCoder bietet vier verschiedene Chat-Typen an:

!!! note Die KI muss vollständig geladen und bereit für neue Abfragen sein („AI: ready“ in der Statusleiste), bevor ein Chat gestartet werden kann.

Auf der linken Seite des KI-Chat-Tabs befindet sich eine Liste aller bisherigen Chats im Projekt. Ein Doppelklick auf einen Chat (oder die Taste F2) ermöglicht das Bearbeiten des Titels für eine bessere Organisation.

Themenanalyse-Chat

• Ermöglicht einen schnellen Überblick über ein bestimmtes Thema, Konzept oder Phänomen im empirischen Korpus, ohne die Daten zuvor codieren zu müssen.
• Dieser Chat dient der ersten Exploration und dem Vertrautmachen mit den Daten.
• Er basiert auf derselben Suchtechnologie wie das KI-gestützte Coding.

Klicken Sie im KI-Chat-Tab auf „Neu > Neuer Themenanalyse-Chat“. Daraufhin erscheint das folgende Fenster:

1) Eingabe eines zu untersuchenden Themas und (optional) einer Beschreibung. Es ist nicht erforderlich, exakte Suchbegriffe zu verwenden; es können auch abstraktere Konzepte untersucht werden (z. B. „Wandel der Geschlechterrollen“).

2) Auswahl eines analytischen Prompts: - Themenzusammenfassung (Topic summary): liefert eine kurze Zusammenfassung der Ergebnisse, meist in Stichpunkten. - Unerwartetes analysieren (Analyze unexpected): versucht, neue, überraschende und unerwartete Erkenntnisse aus den Daten zu gewinnen, indem das umfassende Allgemeinwissen der Large Language Models als Vergleichsbasis genutzt wird. - Unterschiede analysieren (Analyze differences): sucht gezielt nach Unterschieden zwischen den Cases, Dokumenten etc. in den Daten.

(Als Option für Fortgeschrittene können eigene analytische Prompts definiert werden, indem die Schaltfläche „Bearbeiten“ geklickt wird, welche die KI-Prompt-Bibliothek öffnet.)

3) Im dritten Schritt können Filter (Dokumente, Cases, Attribute) hinzugefügt werden, um die in die Analyse einbezogenen Daten einzuschränken.

Nach dem Klicken auf OK wird die initiale Suche nach relevanten Daten im lokalen Speicher der KI durchgeführt. Nach kurzer Zeit erscheint die Analyse auf dem Bildschirm.

Die KI fügt Referenzen zu den Originalquellen als Hyperlinks (blau, unterstrichen) hinzu. Das Bewegen des Mauszeigers über die Referenz zeigt das zugrunde liegende Datenfragment an. Ein Klick auf den Hyperlink öffnet das Fragment im Text-Coding-Arbeitsbereich, um es im Kontext zu sehen.

Es handelt sich hierbei um einen Chat: Es können Folgefragen gestellt oder die Interpretation mit der KI diskutiert werden. Derzeit gibt es jedoch keine Möglichkeit, ein neues Thema oder neue Daten zum bestehenden Gespräch hinzuzufügen. Um tiefer in ein Unterthema einzutauchen oder einen anderen Aspekt zu untersuchen, ist ein neuer Chat zu starten.

Textanalyse-Chat

• Ermöglicht die Analyse ausgewählter Passagen aus empirischen Dokumenten mit der KI.
• Bietet Unterstützung oder zusätzliche Ideen während der detaillierten Textinterpretationsphase.

Diese Analyse erfolgt zunächst im Text-Coding-Arbeitsbereich (Menü: Coding > Text codieren). Dort wird ein Dokument geöffnet, der zu analysierende Text markiert und per Rechtsklick die Option „KI-Textanalyse“ gewählt (diese ist ausgegraut, falls die KI noch nicht vollständig geladen und bereit ist). Ein Untermenü öffnet sich, in dem zwischen verschiedenen Arten der Textanalyse gewählt werden kann:

• Interaktives Brainstorming mit KI: eine fragengeleitete Brainstorming-Sitzung über die Daten.
• Paraphrasieren und Zusammenfassen: eine kondensierte Paraphrase ohne weitere Interpretation.
• Themen-Generierung: Extraktion einer Themenliste (basierend auf Friese, S. (2024): Prompting for Themes).
• Das Unerwartete analysieren: Suche nach neuen, überraschenden und unerwarteten Erkenntnissen aus den Daten.
• Rekonstruktives SRP: umfassende Analyse basierend auf der dokumentarischen Methode (Quelle: Lieder, F. R. & Schäffer, B. (2024). Reconstructive Social Research Prompting (RSRP)).

!!! note Es wird nicht empfohlen, ein gesamtes Dokument oder einen sehr langen Textabschnitt für die Analyse auszuwählen. Dies führt zu oberflächlichen Ergebnissen und kann mit der Zeit kostspielig werden, da OpenAI basierend auf der Menge des gesendeten Textes abrechnet.

Eigene Arten der Textanalyse können durch Hinzufügen zur KI-Prompt-Bibliothek definiert werden (Option für Fortgeschrittene).

Code-Analyse-Chat

• Analysiert alle Daten, die unter einem bestimmten Code oder einer Kategorie gesammelt wurden.
• Dies ist in späteren Phasen der Forschung nützlich, um Ergebnisse zu diskutieren und zu konsolidieren.
• Die Funktion ähnelt der oben beschriebenen „Themenanalyse“, arbeitet jedoch mit den bereits codierten Daten statt mit einer freien Themensuche.

Klicken Sie im KI-Chat-Tab auf „Neu > Neuer Code-Analyse-Chat“. Im folgenden Fenster wird ein zu analysierender Code oder eine Kategorie ausgewählt und einer der analytischen Prompts gewählt:

• Code-Zusammenfassung (Code summary): liefert einen Überblick über die mit dem ausgewählten Code verknüpften Daten.
• Unerwartetes analysieren (Analyze unexpected): sucht nach den interessantesten, unerwarteten Erkenntnissen in den codierten Daten.
• Unterschiede analysieren (Analyze differences): prüft, ob es signifikante Unterschiede zwischen den empirischen Cases/Dokumenten in Bezug auf den ausgewählten Code gibt.

!!! note Die Code-Analyse sendet alle unter diesem Code oder dieser Kategorie gesammelten Daten an die KI, bis zur maximalen Eingabelänge des KI-Modells (bei GPT-4 turbo ca. 100 Textseiten). Stand November 2024 würde die Analyse eines 100-seitigen Textes mit GPT-4 turbo etwa 60 US-Cent kosten. Tatsächliche Anfragen sind meist wesentlich kleiner und günstiger. Bei umfangreichen Code-Analysen sind die Kosten jedoch zu berücksichtigen.

Allgemeiner Chat

• Ermöglicht es, der KI Fragen zu stellen, die nicht direkt mit den Daten zusammenhängen – im Grunde ein integriertes ChatGPT.

Dies kann zum Testen oder für Brainstorming zu Theorien, Methodik oder der Planung des nächsten Team-Essens genutzt werden. Dieser Chat hat jedoch keinen Zugriff auf die Projektdaten und stützt sich ausschließlich auf das interne Wissen des Sprachmodells.