Open AI as Assistants in Interview Analysis

Cover Page

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The article discusses possibilities of using software (using QDA Miner Light as an example) and artificial intelligence (AI) to analyze in-depth interviews in sociological research. The authors consider a long-known, but not very widespread in the Russian-speaking segment, QDA Miner, as well as the new and increasingly popular Open AI, as tools that can complement traditional approaches to analyzing qualitative data. Various interview arrays are used to test the tools. The article shows how the use of these technologies improves efficiency of information processing, minimizes errors associated with manual coding, tests research hypotheses and obtains new conclusions. All this together allows not only to significantly speed up the analysis process, but also to improve quality of the conclusions obtained. The authors argue for a balanced approach combining traditional methods with innovative technologies to achieve a deeper understanding of research topics and enhance reliability of findings. By showcasing capabilities of both established software and emerging AI tools, this study contributes to advancing methodological practices in sociology and encourages researchers to adopt a more versatile toolkit for qualitative analysis.

About the authors

K. A. GALKIN

Sociological Institute of FCTAS RAS

Author for correspondence.
Email: kgalkin1989@mail.ru
St. Petersburg, Russia

I. S. PETUKHOVA

Petrozavodsk State University

Email: irini-prz@yandex.ru
Petrozavodsk, Russia

O. A. PARFENOVA

Sociological Institute of FCTAS RAS

Email: oparfenova2023@yandex.ru
St. Petersburg, Russia

References

  1. Bail C. A. (2024) Can Generative AI improve social science? Proceedings of the National Academy of Sciences. No. 21(121): e2314021121. doi: 10.1073/pnas.2314021121.
  2. Bhaduri S. et al. Reconciling Methodological Paradigms: Employing Large Language Models as Novice Qualitative Research Assistants in Talent Management Research. URL: https://arxiv.org/pdf/2408.11043 (accessed 24.09.24).
  3. Bumbuc S. (2016) About subjectivity in qualitative data interpretation. International Conference Knowledge-Based Organization. No. 2(22): 419–424. doi: 10.1515/kbo-2016-0072.
  4. Danilova A. G., Mitina O. V. (2021) Computerized qualitative text analysis. Vestnik Moskovskogo universiteta [Bulletin of Moscow University]. Series 14. Psychology. No. 1: 220–240. doi: 10.11621/vsp.2021.01.09. (In Russ.)
  5. Davidson T. (2024) Start generating: Harnessing generative artificial intelligence for sociological research. Socius: 1–17. doi: 10.1177/2378023124125965.
  6. Grossmann I. et al. (2023) AI and the Transformation of Social Science Research. Science. No. 380(6650): 1108–1109. doi: 10.1126/science.adi1778.
  7. Kelle U. (1996) Computer-Aided Qualitative Data Analysis: an Overview. In: Text Analysis and Computers / Еd. by C. Zü ll, J. Harkness, J.H.P. Hoffmeyer-Zlotnik. In: Mannheim: Zentrum für Umfragen, Methoden und Analysen: 33–63.
  8. Kotov D. (2023) Algorithms of artificial intelligence in applied sociological research. Sociodigger [Sociodigger]. Vol. 4. Issue. 7–8(27). URL: https://sociodigger.ru/articles/articles-page/algoritmy-iskusstvennogo-intellekta-v-prikladnykh-sociologicheskikh-issledovanijakh (accessed 09.24.24). (In Russ.)
  9. Krippendorff K. (2018) Content analysis: An introduction to its methodology. Sage publications. In: Parfenova A. et al. (2024) Automating Qualitative Data Analysis with Large Language Models. Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics. Vol. 4: 177– 185. doi: 10.18653/v1/2024.acl-srw.17.
  10. Maltseva E.Yu., Molchanova E. V. (2015) Application of information technologies in conducting sociological research. Kontsept [Concept]. No. 2: 61–65. (In Russ.)
  11. Parfenova A. et al. (2024) Automating Qualitative Data Analysis with Large Language Models. Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics. Vol. 4. P. 177–185. doi: 10.18653/v1/2024.acl-srw.17.
  12. Practices of qualitative data analysis in social sciences (2023) / Ed. E. V. Polukhina. Moscow. (In Russ.)
  13. Strauss A., Corbin J. (2001) Fundamentals of Qualitative Research: Grounded Theory, Procedures, and Techniques / translated from English by Vasilyeva T. S. Moscow: Editorial URSS. (In Russ.)
  14. Vidyasova L. A. (2023) Active and delayed aging in the assessments of the elderly (according to a pilot study in St. Petersburg). Zhurnal issledovaniy sotsial’noy politiki [Journal of Social Policy Research]. No. 3(21): 485–502. doi: 10.17323/727-0634-2023-21-3-485-502. (In Russ.)
  15. Wiltshier F. (2011) Researching with NVivo 8. Forum: Qualitative Social Research. Vol. 12. No. 1. URL: http://www.qualitative-research.net/index.php/fqs/article/view/1628/3146 (accessed 24.09.24).

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».