定性分析とコーディング
AIの支援を活用して自由回答をコーディングし、テーマの階層構造を構築し、コーダー間信頼性を測定します。
QuestionPunkには、自由回答やAIインタビューの回答をコーディングするための定性リサーチフレームワークが標準搭載されています。AI支援によるコーディングセッションを実行し、コードをテーマの階層構造に整理し、飽和を追跡し、コーダー間信頼性を測定し、コーディング済みデータをエクスポートできます。
手順
- 定性分析を開くサイドバーの「分析」セクションで定性分析をクリックすると、コーディングまたはインポート済みのすべての調査のギャラリーが開きます。または、アンケートの「結果」タブのスイッチャーから定性コーディングを選択すると、そのアンケートに絞り込んだ同じワークスペースが開きます。QuestionPunk以外からも自由回答データをインポートできます。CSVをアップロードするか、Qualtricsのアンケートに直接接続してテキスト入力形式の質問を取り込むことができます。
- リサーチフレームワークを設定するコードブックタブでリサーチクエスチョンを定義し、初期のコードブックを作成します。空のフレームワークから始めることも、データに基づいてAIにコードを提案させることもできます。
- AIコーディングセッションを実行するコーディングタブでコーディングセッションを開始すると、AIが自由回答にコードを適用します。AIは各回答を読み取り、コードブックから関連するコードを割り当て、まだ捉えられていないテーマに出会った場合は新しいコードを提案します。
- コードを確認して調整する確認タブで、AIが割り当てたコードを確認し、提案を承認または却下します。コードブック内でコードをテーマの階層構造に整理しましょう。類似したコードは統合し、広すぎるコードは分割します。
- 飽和を追跡してテーマを探索する探索タブを使って、コーディングの飽和状況を確認し、新しい回答から新しいテーマが生まれなくなるタイミングを把握できます。これにより、リサーチの目的に対して十分なデータを収集できたかどうかを判断しやすくなります。
- コーダー間信頼性を測定するキャリブレーションタブで、Cohenのカッパ係数とKrippendorffのアルファ係数を用いたコーダー間信頼性分析を実行し、コーダー間の一致度を測定します。コーディングの妥当性が求められる学術研究には欠かせません。
- コーディング済みデータをエクスポートするエクスポートタブを使って、コーディング済みの回答、テーマの階層構造、信頼性指標をエクスポートできます。コーディング済みデータは、回答データと一緒にCSVおよびExcel形式のエクスポートに含めることができます。
QuestionPunkの定性分析は、生の自由回答と、構造化されたリサーチの知見との橋渡しを担います。AI支援によるコーディングにより、リサーチャーが主導権を保ったまま作業を加速できます。
このワークスペースには、概要、データ、コードブック、キャリブレーション、コーディング、確認、探索、エクスポートの8つのタブがあります。サイドバーの分析セクションからアクセスする、アンケートをまたいだ単独のワークスペースとしても、ネイティブアンケートの「結果」タブに「分析」サブタブや定量分析と並んで埋め込まれた形でも利用できます。
データタブは、QuestionPunkのネイティブアンケートに限定されません。自由回答のCSVをインポートすることも、Qualtricsのアンケートに直接接続して、コーディング対象として取り込むテキスト入力形式の設問を選択することもできます。
テーマの階層構造により、コードを親子関係で整理でき、異なる抽象度でデータを分析しやすくなります。
飽和トラッキングでは、回答のコーディングが進むにつれて新しいテーマがどれくらいの速さで現れるかを確認でき、サンプルサイズが十分かどうかの判断材料になります。
コーダー間信頼性の指標（コーエンのカッパ係数とクリッペンドルフのアルファ係数）は、コーディングの一貫性を定量的に示すもので、論文として発表する定性研究では必須の要件です。
リフレクシビティノートを追加して分析上の判断を記録し、コーディングプロセスの監査証跡を残しましょう。