Podemos responsabilizar na IA na pesquisa qualitativa? (opinião)

Walt Whitman escreveu: “Sou grande, contenho multidões”. Nas ciências sociais qualitativas, isto aplica-se tanto uma vez que uma celebração do que nos torna humanos uma vez que uma vez que um alerta para as limitações da utilização da lucidez sintético para estudar dados.

Embora a IA possa emular a invenção de padrões da investigação qualitativa nas ciências sociais, falta-lhe uma perspectiva humana identificável. Isto é importante porque no trabalho qualitativo é importante recitar a opinião do investigador posicionalidade—uma vez que o pesquisador se conecta à pesquisa—para promover a crédito nas descobertas.

Treinadas em um vasto corpo de conhecimento humano, tecnologias uma vez que ChatGPT não são um eu que contém multidões, mas multidões ausentes de um eu. Por definição, estas ferramentas não podem ter um ponto de vista único e descritível e, portanto, a posicionalidade necessária para promover a crédito.

Para professores e alunos sobrecarregados, usar o ChatGPT uma vez que assistente de pesquisa é uma opção tentadora à laboriosa tarefa de estudar montanhas de texto manualmente. Embora existam muitos métodos de pesquisa qualitativa, uma abordagem generalidade envolve vários ciclos de construção de significado nos dados. Os investigadores marcam partes dos dados com “códigos” que descrevem frases explícitas ou significados implícitos e depois agrupam-nos em padrões através de ciclos adicionais. Por exemplo, ao estudar transcrições de entrevistas num estudo sobre desgaste universitário, poderá encontrar primeiro códigos uma vez que “necessidades financeiras”, “regimento de primeira geração” e “espeque parental”. Num outro ciclo de codificação, estes podem ser agrupados num tema mais largo em torno de factores familiares.

Embora isto seja uma simplificação excessiva, torna-se evidente que oriente tipo de invenção de padrões é um ponto poderoso das atuais ferramentas abertas de IA. Mas utilizar a IA desta forma ignora o impacto da identidade e do contexto do investigador na investigação qualitativa.

Existem quatro razões principais pelas quais embarcar exagerado cedo no comboio da IA ​​pode ser problemático para o horizonte do trabalho qualitativo.

1. O pesquisador é tão importante quanto a pesquisa.

Os bons estudos de investigação qualitativa têm alguma coisa em generalidade: rejeitam a noção de objectividade e abraçam a natureza do trabalho interpretativo uma vez que subjectivo. Eles reconhecem que seus estudos são influenciados pelo contexto e pela formação do pesquisador. Esta teoria de considerar cuidadosamente a posicionalidade, embora não seja totalmente a norma na ampla variação de campos das ciências sociais, está a lucrar mais força. Com a rápida adoção de ferramentas de IA para investigação, torna-se particularmente crítico realçar as complexidades de uma vez que os investigadores se relacionam com o trabalho que realizam.

2. A IA não é neutra.

Sabemos que a IA pode ter alucinações e produzir informações falsas. Mas mesmo que não fosse esse o caso, há outra questão: a tecnologia nunca é neutra. Está sempre imbuído dos preconceitos e experiências de seus criadores. Acrescente a isso que as ferramentas de IA se baseiam na enorme mistura de perspectivas da Internet em torno de qualquer tópico. Se pudermos concordar que a pronunciação da posicionalidade é fundamental para concordar a fiabilidade da investigação qualitativa, portanto deveríamos fazer uma pausa séria antes de escolher a IA para estudo global em estudos interpretativos. Os especialistas admitem que não sabemos uma vez que a IA toma as decisões que toma (o caixa preta problema).

3. A adoção de ferramentas de IA pode ter um impacto negativo na formação de novos investigadores.

Da mesma forma que os educadores podem estar preocupados com o facto de o espeque à IA exagerado cedo no processo de aprendizagem poder negar a compreensão dos fundamentos, há implicações para a formação de novos investigadores qualitativos. Esta é uma consideração maior do que a confiabilidade dos resultados. A codificação qualitativa manual desenvolve um conjunto de habilidades e uma compreensão mais profunda da natureza da pesquisa interpretativa. Ou por outra, ser capaz de recitar e agir de conciliação com a forma uma vez que você, uma vez que pesquisador, impacta a estudo não é uma tarefa fácil, mesmo para investigadores experientes, exigindo um nível de autorreflexão e paciência que muitas pessoas podem descobrir que não vale a pena o esforço. É quase impossível pedir a um novo pesquisador que avalie a posicionalidade sem passar pelo processo de codificação manual dos dados.

4. Ao contrário de um investigador humano, a IA não consegue proteger os nossos dados.

Não é unicamente a posicionalidade do pesquisador que falta quando usamos ferramentas de IA de aproximação descerrado para estudo de dados. As instituições exigem salvaguardas para as informações fornecidas pelos participantes em estudos de pesquisa. Embora seja certamente verosímil incluir divulgações em formulários de consentimento para o uso de dados em uma plataforma de IA, o fator caixa preta significa que não podemos realmente fornecer consentimento informado aos participantes sobre o que está acontecendo com seus dados. Opções off-line podem estar disponíveis, mas exigiriam recursos computacionais e conhecimentos que estão fora do alcance da maioria dos que poderiam se beneficiar.

Portanto, podemos responsabilizar no uso da IA ​​na investigação qualitativa?

Embora a IA possa servir uma vez que assistente de pseudo-investigação ou potencialmente aumentar fiabilidade suplementar ao processo de investigação qualitativa quando utilizada para auditar resultados, deve ser aplicada com cautela na sua forma recente. De privado relevância é o reconhecimento de que a IA não pode, neste momento, fornecer o contexto e a posicionalidade necessários que a investigação qualitativa exige. Em vez disso, as aplicações potencialmente úteis da IA ​​na investigação qualitativa incluem coisas uma vez que fornecer informações resumidas gerais ou ajudar a organizar pensamentos. Essas tarefas complementares e outras semelhantes podem ajudar a agilizar o processo de pesquisa, sem negar a relevância da relação entre o pesquisador e o estudo.

Mesmo que pudéssemos responsabilizar na IA, deveríamos usá-la para análises qualitativas?

Por último, há um argumento filosófico a ser apresentado. Se tivermos uma IA capaz de realizar análises qualitativas de uma forma que consideramos plausível, deveríamos utilizá-la? Tal uma vez que a arte, a investigação qualitativa pode ser uma celebração da humanidade. Quando a autoconsciência do pesquisador, questões importantes e métodos robustos se unem, o resultado é um vislumbre de um subconjunto rico e detalhado do nosso mundo. É o contexto e a humanidade que o pesquisador traz que fazem com que esses estudos valham a pena ser escritos e lidos. Se reduzirmos o papel do estudioso qualitativo ao gerador de alertas de IA, a paixão pela investigação da experiência humana poderá vanescer junto com ela. Estudar os humanos, particularmente de uma forma oportunidade e interpretativa, requer um toque humano.