===== Qualitative Analyse mit und ohne KI – ein Vergleich von Arbeitsstrategien, Analyseprozessen und Ergebnissen ===== Das Seminar //Qualitative Analyse mit und ohne KI – ein Vergleich von Arbeitsstrategien, Analyseprozessen und Ergebnissen// war ein Masterseminar im Sommersemester 2024 Im Seminar haben wir uns mit grundsätzlichen Fragen der KI-basierten qualitativen Analyse von Inhalten auseinandergesetzt. Wir haben uns intensiv mit der ChatGPT sowie mit der MaxQDA-KI AIAssist befasst. Darauf aufbauend war der Schwerpunkt des Seminars die Analyse von Material ohne und mit KI sowie der eingehende Vergleich der Vorgehensweisen und Ergebnisse der beiden Varianten. -------------------------------------------------------------------- ==== 1. Der Seminar-Prozess: Qualitative Analyse mit und ohne KI – ein Vergleich von Arbeitsstrategien, Analyseprozessen und Ergebnissen ==== Im Sommersemester 2024 haben wir uns im Rahmen des Seminars „[[https://qdacity.com/de/qualitative-datenanalyse/ |Qualitative Analyse]] mit und ohne [[https://www.europarl.europa.eu/topics/de/article/20200827STO85804/was-ist-kunstliche-intelligenz-und-wie-wird-sie-genutzt | KI]] – ein Vergleich von Arbeitsstrategien, Analyseprozessen und Ergebnissen“ intensiv mit der [[https://studi-lektor.de/de/tipps/qualitative-forschung/computergestuetzte-qualitative-Datenanalyse.html | computergestützten qualitativen Analyse]] auseinandergesetzt. Dabei lag unser Fokus auf der Software [[https://www.maxqda.com/de/ | MAXQDA]] und ihrem integrierten [[ki-modelle | AI Assist]]. Der Schwerpunkt des Seminars bestand darin, Material sowohl ohne als auch mit KI zu analysieren und die Vorgehensweisen sowie Ergebnisse beider Ansätze ausführlich zu vergleichen. Zu Beginn des Seminars stand die Forschungsfrage im Mittelpunkt, wie die [[https://www.deutschland.de/de/topic/politik/neue-regierung-in-deutschland-bundeskanzler-und-minister | Regierung]] diskursiv dargestellt wird. Um diese Frage zu beantworten, haben wir {{ :lv-wikis:qauki24:qauki_pressemitteilungen_alle-texte_alphabetisch.zip |42 Pressemitteilungen}} verschiedener politischer Parteien (Die Linke, Bündnis 90/Die Grünen, SPD, CDU/CSU, FDP, AfD, BSW) analysiert. Zunächst setzten wir uns theoretisch mit der Analyse von Pressemitteilungen auseinander. Hierfür lasen wir relevante Kapitel aus der [[https://qualitativeinhaltsanalyse.de/ | Fachliteratur]] und erhielten eine [[https://www.youtube.com/watch?v=VhBDEWIRxn0 | Einführung in MAXQDA]] von [[https://www.maxqda.com/de/workshoptrainer/christian-schmieder-ph-d | Christian Schmieder]]. Er erläuterte, dass Codierungen eine Dekontextualisierung des Materials (in unserem Fall die Pressemitteilungen) darstellen und dass die Software darauf ausgelegt sei, [[https://www.maxqda.com/de/hilfe-mx22/schnelleinstieg/daten-codieren | Codes]] wieder zu rekontextualisieren – „nur einen Klick vom Kontext entfernt“. Eine detaillierte Dokumentation ist hierbei unerlässlich, um unsere Gedanken später nachvollziehen zu können; dafür bieten sich die [[https://www.maxqda.com/de/hilfe-mx24/memos/ueber-memos | Memo-Funktion]] oder die [[https://qdacity.com/de/qualitatives-codieren/ | Codebeschreibung]] in MAXQDA an. In den folgenden Sitzungen machten wir uns schrittweise mit der Software vertraut und begannen mit der Analyse der Pressemitteilungen. Hierbei orientierten wir uns am Vorgehen der [[https://methodenzentrum.ruhr-uni-bochum.de/e-learning/qualitative-auswertungsmethoden/qualitative-inhaltsanalyse/qualitative-inhaltsanalyse-nach-kuckartz/ | qualitativen Inhaltsanalyse]] und der [[https://methodenzentrum.ruhr-uni-bochum.de/e-learning/qualitative-auswertungsmethoden/grounded-theory-methodology-als-kodierender-auswertungsprozess/ | Grounded Theory]]. Nachdem wir uns auf ein [[ gemeinsames_kategoriensystem | gemeinsames Kategoriensystem]] geeinigt hatten, führten wir im nächsten Schritt die KI-gestützte Analyse durch. Hierbei untersuchten wir, wie die KI uns bei der Generierung von (Sub-)Codes und inhaltlichen Zusammenfassungen unterstützen kann. Unser Hauptaugenmerk lag dabei auf den Stärken und Schwächen der von der KI generierten Codes. So ließen wir uns beispielsweise Codes für bestimmte Dokumente, für markierte Segmente und [[https://www.maxqda.com/de/hilfe-mx24/04-codes/ueber-codes-und-das-codesystem | Subcodes]] zu bestehenden Codes vorschlagen. Besonders intensiv setzten wir uns mit der Qualität der KI-generierten interpretativen Codes auseinander. Nach der Beschreibung des Seminars und des gemeinsamen Forschungsprozesses enthält dieses Seminar-Wiki zunächst eine [[ki-modelle | Beschreibung des AI Assist von MAXQDA]] und zum besseren Verständnis eine [[ki-modelle | Übersicht über die Funktionsweise von ChatGPT]]. Anschließend vergleichen wir die von der [[3. Vergleich eigene Codes mit den KI generierten Codes | KI generierten thematischen Codes mit den Codes eines Mitglieds der Forschungsgruppe ]], um deren Qualität zu überprüfen. Weiterführend gehen wir der Frage nach, inwieweit der [[Interpretative Codes | AI Assist in der Lage ist, interpretative Codes zu generieren]] und ob er [[Interpretative Codes | Unwahrheiten produziert und dessen Glaubwürdigkeit vor allem auf der Verwendung ‚kluger Begriffe‘ beruht]] - zwei vorläufige Analyseergebnisse, die sich aus den Seminardiskussionen ergaben. Als abschließende Überlegung und Schlussfolgerung wird im letzten Kapitel der Frage nachgegangen, [[fazit | welche Konsequenzen es hätte, den gesamten Analyseprozess dem AI Assist zu überlassen]]. ---- **Gliederung:** [[startseite | 1. Der Seminar-Prozess: Qualitative Analyse mit und ohne KI – ein Vergleich von Arbeitsstrategien, Analyseprozessen und Ergebnissen]] [[ki-modelle | 2. KI für die qualitative Analyse]] [[3. Vergleich eigene Codes mit den KI generierten Codes| 3. Vergleich der Codes: Seminar vs. KI]] [[Interpretative Codes | 4. Vertiefung, Ergebnisse, Schlussfolgerungen]] [[fazit | 5. Fazit oder Was wäre, wenn der gesamte Analyseprozess von der KI durchgeführt würde?]] [[Literatur_wiki | 6. Literaturverzeichnis]]