Skimle akateemisille tutkijoille

Akateeminen perusteellisuus tekoälyn nopeudella

Skimlen rakensivat tutkijat tutkijoille. Perustajaosakkaalla, professori Henri Schildtillä on vuosikymmenten kokemus laadullisesta tutkimuksesta ja artikkeleita johtavissa liikkeenjohdon julkaisuissa, muun muassa Academy of Management Journalissa ja Organization Sciencessä. Hän kyllästyi NVivon ja MAXQDA:n hitaisiin ja kömpelöihin työnkulkuihin ja oli huolissaan siitä, miten ChatGPT:tä käytetään analyysiin, josta puuttuu läpinäkyvyys ja kattavuus. Niinpä hän rakensi Skimlen alustaksi, joka toistaa huolellisen ja läpinäkyvän laadullisen metodologian mutta tekoäly ytimessään.

Haastattelujen alkukoodaus voi viedä käsin viikkoja. Skimle hoitaa sen metodologisesta huolellisuudesta tinkimättä ja nappaa usein sitaatteja, jotka ihmiseltä jäisivät huomaamatta. Jokainen teema kytkeytyy varmennettuun sanatarkkaan sitaattiin. Täysi todennusketju kelpaa vertaisarvioijille. Huom. akateemiset alennushinnat saatavilla.

Varaa demoLue lisää

Huolellista analyysiä, joka antaa sinun keskittyä teoreettiseen kontribuutioosi

Skimlen lähestymistapa ammentaa grounded theorysta (Glaser & Strauss; Strauss & Corbin) ja Gioian menetelmästä. Se tuottaa sen järjestelmällisen ja läpinäkyvän analyysin, jota vertaisarviointi edellyttää, ilman niitä viikkoja mekaanista koodausta, jotka olisi parempi käyttää teoriaan. Se toimii yli sadalla kielellä ja käsittelee jopa 1 000 dokumenttia projektia kohden.

  • Automaattinen alkukoodaus — jokainen lainaus linkitettynä kategoriaansa
  • Täysi kaksisuuntainen jäljitysketju vertaisarviointia ja menetelmien läpinäkyvyyttä varten
  • Koodikirja pysyy sinun hallinnassasi — yhdistä, jaa, nimeä uudelleen ja järjestä kategoriat vapaasti
  • Toimii yli 100 kielellä ilman käännöstä
  • Käsittelee haastattelut, ääni- ja videotallenteet, kirjat, dokumentit ja arkistoaineistot
  • Skimle Academic — alennettu tilaus — saatavilla

TALLENTEESTA GDPR-VALMIIKSI LITTEROINNIKSI

Litteroi ja anonymisoi haastattelut

Kenttätallenteiden muuttaminen käyttökelpoiseksi aineistoksi on hidasta ja kallista ulkopuolisen palvelun kautta, ja syntyvät litteroinnit kantavat nimiä, taustayhteisöjä ja paikkoja, jotka luovat GDPR- ja etiikkavelvoitteita ennen kuin voit jakaa, arkistoida tai siteerata niitä. Skimle litteroi äänen ja videon omassa turvallisessa, EU:ssa sijaitsevassa ympäristössään ja anonymisoi sitten tutkimustason pseudonymisoinnilla, joten sinulla on vaatimustenmukainen ja koodausvalmis litterointi samana päivänä ilman että aineisto koskaan poistuu GDPR-vaatimukset täyttävästä infrastruktuurista.

Miten se toimii

  • 1. Lataa ääntä, videota tai tekstiä

    Lataa MP3-, M4A-, WAV-, MP4-, MOV-, PDF- tai Word-tiedostoja suoraan. Ei ulkoista litterointipalvelua, ja yli 100 kieltä käsitellään natiivisti.

  • 2. Litteroi puhujamerkinnöin

    Skimle litteroi tallenteen, tunnistaa puhujanvaihdot ja käsittelee aksentit ja vaihtelevan äänenlaadun. Käy tulos läpi ja korjaa se ennen analyysin alkua.

  • 3. Tunnista tunnisteet automaattisesti

    Skimle Anonymise merkitsee tunnisteet kuudessa kategoriassa — nimet, tittelit ja roolit, paikat, organisaatiot, päivämäärät ja muut — kaikista dokumenteista, ja tiedostojen välinen johdonmukaisuus pitää huolen siitä, että sama henkilö säilyttää saman pseudonyymin.

  • 4. Valitse anonymisoinnin taso

    Valitse kevyt pseudonymisointi, vahva pseudonymisointi tai vahva anonymisointi, jossa avain tuhotaan. Säädä jokaista kategoriaa erikseen ja lisää omia sääntöjä selkokielellä.

  • 5. Vie mukana todennusaineisto

    Vie PDF-muotoinen tarkastusraportti ja Excel-käännöstaulukko eettiselle toimikunnallesi ja syötä puhdas litterointi suoraan Skimlen analyysityönkulkuun. Lähdeääni poistetaan turvallisesti jälkeenpäin.

VIIKKOJEN KÄSIKOODAUKSESTA TUNTIEN ANALYYSIIN

Tee haastatteluista tekoälyavusteinen laadullinen analyysi

Yli 40 haastatteluun perustuvan tutkimuksen pitäisi tuottaa rikas teoreettinen kontribuutio (esimerkiksi väitöskirjaasi), mutta käsikoodaus — korostaminen, järjestely, uudelleenkoodaus, seurantataulukoiden rakentaminen — vie suurimman osan käytettävissä olevasta ajasta ja voi silti jättää tärkeitä kuvioita huomaamatta. Skimle lukee jokaisen haastattelun järjestelmällisesti ja antaa sinulle jäsennellyn teemahierarkian sanatarkkoine sitaatteineen, jotta voit käyttää aikasi siihen teoreettiseen tulkintaan, jonka vain sinä voit tehdä.

Miten se toimii

  • 1. Lataa litterointisi

    Raahaa haastattelulitteroinnit sisään PDF-, Word- tai tekstitiedostoina. Skimle ottaa vastaan dokumentteja missä tahansa muodossa ja käsittelee yli 100 kieltä natiivisti.

  • 2. Kuvaa tutkimuskysymyksesi

    Aseta analyyttinen fokuksesi, laajasti tai täsmällisesti. Skimle rakentaa alkukoodauksen sen ympärille, mitä yrität ymmärtää teoreettisesti.

  • 3. Käy läpi alustava koodirakenne

    Skimle tuottaa teemahierarkian, jonka jokainen teema kytkeytyy sanatarkkoihin sitaatteihin lähdelitteroinneista. Mitään ei keksitä. Jokainen koodi jäljittyy tekstiin.

  • 4. Tarkenna teoreettiseen viitekehykseesi

    Yhdistä, jaa, nimeä uudelleen ja järjestele kategorioita vastaamaan kehittyvää teoreettista malliasi. Kaksisuuntainen läpinäkyvyys antaa sinun tarkistaa milloin tahansa, mitkä sitaatit tukevat mitäkin koodia.

  • 5. Vie menetelmäliitettäsi varten

    Vie koodikirjasi ja tukevat sitaatit tekstinä tai avoimessa REFI-QDA (.qdpx) -muodossa, jota tukevat vanhat CAQDAS-ohjelmat kuten NVivo, Atlas.TI ja MAXQDA.

YHDISTÄ LAADULLISET TEEMAT MUUTTUJIISI

Tee monimenetelmäinen analyysi otoksestasi

Laadulliset löydökset painavat enemmän, kun voit osoittaa, miten ne vaihtelevat otoksen sisällä: kohortin, roolin, sukupuolen, toimipaikan tai olosuhteen mukaan. Teemojen ristiintaulukointi osallistujien ominaisuuksia vasten käsin on työlästä ja siinä on helppo mennä vikaan. Skimle liittää metatiedot jokaiseen dokumenttiin ja antaa sinun segmentoida samaa teemarakennetta millä tahansa muuttujalla, joten voit liikkua rikkaiden sanatarkkojen sitaattien ja määrällisten kuvioiden välillä luopumatta kummastakaan menetelmästä.

Miten se toimii

  • 1. Liitä dokumentteihin metatietoja

    Merkitse jokainen litterointi niillä muuttujilla, joilla on asetelmasi kannalta merkitystä — kohortti, rooli, sukupuoli, toimipaikka, aalto tai koeasetelma — käsin tai CSV-sarakkeesta.

  • 2. Aja laadullinen analyysi

    Skimle rakentaa yhden teemahierarkian koko aineistolle, joten jokainen osallistuja koodataan samaa rakennetta vasten.

  • 3. Segmentoi teemat muuttujan mukaan

    Katso, miten kukin teema vaihtelee ryhmien välillä, ja huomaa, milloin kuvio on yleinen ja milloin ominainen vain yhdelle joukolle.

  • 4. Mittaa yleisyys

    Lue teemojen frekvenssit ja jakaumat raportoidaksesi, kuinka yleinen koodi on segmenteittäin — ja jokainen lukumäärä on jäljitettävissä takaisin sitaatteihin, jotka sen tuottivat.

  • 5. Vie taulukot ja sitaatit

    Vie ristiintaulukoinnit ja tukevat sitaatit Exceliin tai Wordiin artikkelisi monimenetelmäosiota varten.

UKK

Usein kysytyt kysymykset

Voinko viitata Skimleen tutkimuksessani?
Kyllä. Kuvaa se menetelmäluvussa nimellä ”tekoälyavusteinen laadullisen koodauksen ohjelmisto”, samaan tapaan kuin viittaisit NVivoon tai MAXQDA:han. Meillä on menetelmäartikkeli vertaisarvioinnissa, ja se tuottaa virallisen viittauksen; sitä odotellessa ehdotamme pyynnöstä sopivan sanamuodon.
Hyväksyvätkö vertaisarvioijat tekoälyavusteisen analyysin?
Yhä useammin kyllä, kun se dokumentoidaan asianmukaisesti. Skimlen jäljitysketju antaa arvioijille sen mitä he odottavat: dokumentoidun, systemaattisen koodausprosessin, jossa jokainen teema jäljittyy tiettyihin lainauksiin — jolloin menetelmäluku kirjoittuu pitkälti itsestään.
Miten Skimle vertautuu NVivoon tai MAXQDA:han?
NVivo ja MAXQDA sopivat tutkijoille, joilla on viikkoja aikaa analyysiin ja laitoslisenssi käytössään. Skimle automatisoi mekaanisen koodausvaiheen — viikoista tunneiksi — säilyttäen saman systemaattisen ja läpinäkyvän metodologian, ja oppimiseen menee minuutteja. Moni tutkija käyttää molempia: Skimleä ensimmäiseen koodauskierrokseen ja NVivoa monimenetelmäintegraatioon.
Sopiiko Skimle grounded theory -tutkimukseen?
Kyllä. Skimle tukee induktiivista koodausta, jossa teemat nousevat aineistosta sen sijaan että ne asetettaisiin etukäteen. Aloita laajasta rajauksesta ja anna kategoriarakenteen kehittyä vaiheittain — se vastaa läheisesti grounded theoryn avointa koodausta.
Voinko tehdä monimenetelmäanalyysia?
Kyllä. Liitä jokaiseen dokumenttiin taustamuuttujat — kohortti, rooli, sukupuoli, toimipaikka, koeasetelma — ja segmentoi teemarakenne minkä tahansa niistä mukaan. Saat teemojen frekvenssit ja jakaumat ryhmittäin, kukin jäljitettävissä sanatarkkoihin lainauksiin ja valmiina artikkelisi monimenetelmäosioon.
Ovatko tutkimusaineistoni turvassa?
Litterointejasi käsitellään EU:ssa sijaitsevassa infrastruktuurissa eikä niitä koskaan käytetä tekoälymallien kouluttamiseen. Toimitamme tietojenkäsittelysopimukset laitosten eettisiä vaatimuksia varten ja pystymme vastaamaan useimpiin tietoturvatarpeisiin. Ota yhteyttä, jos sinulla on erityisvaatimuksia.
Saako Skimlestä akateemisen alennuksen?
Kyllä. Tutkijat, joilla on voimassa oleva laitossähköposti ja affiliaatiosivu, voivat ostaa alennetun Skimle Academic -paketin. Ota yhteyttä laitoslisensoinnista, jos tarvitset tiimikäytön tutkimusryhmälle tai laboratoriolle.

Tietoa Skimlestä

Tutkijoiden rakentama tutkijoille

Skimlen ovat rakentaneet tutkijat tutkijoille ja liike-elämän ammattilaiset liike-elämän ammattilaisille. Perustajaosakas, professori Henri Schildt on julkaissut Academy of Management Journalissa, Organization Sciencessä ja Strategic Management Journalissa ja tehnyt laadullista tutkimusta kaksi vuosikymmentä vaikeimman kautta. Perustajaosakas Olli Salo on entinen McKinseyn partneri, joka on tehnyt yli 1 000 asiakashaastattelua. Rakensimme Skimlen, koska tarvitsimme sitä itse.

Meihin luottavat Suomen ministeriöt, yli 30 yliopistoa, kymmenet konsultointi- ja markkinatutkimusyritykset sekä suuret yritykset. Kaikki data säilytetään EU:ssa, ja sitä käsitellään tiukan GDPR-käytäntömme ja palveluehtojemme mukaisesti.

Haluatko tietää lisää? Tutustu Signal & Noise -blogiimme, usein kysyttyihin kysymyksiin ja toimialakohtaisiin käyttötapauksiin. Esittelemme tuotteen mielellämme tai pohdimme kanssasi, miten Skimle sopisi tarpeisiisi.