Ketelitian akademik dengan kecepatan AI
Skimle dibuat oleh akademisi untuk akademisi. Salah satu pendiri, Profesor Henri Schildt, memiliki pengalaman puluhan tahun dalam penelitian kualitatif dan artikel yang terbit di jurnal manajemen terkemuka, termasuk Academy of Management Journal dan Organization Science. Ia jenuh dengan alur kerja NVivo dan MAXQDA yang lambat dan kaku, dan khawatir dengan cara ChatGPT digunakan untuk analisis yang kurang transparan dan kurang menyeluruh. Maka ia membangun Skimle sebagai platform yang mereplikasi metodologi kualitatif yang ketat dan transparan, dengan AI sebagai intinya.
Pengodean awal wawancara bisa memakan waktu berminggu-minggu secara manual. Skimle menanganinya tanpa mengorbankan ketelitian metodologis, dan sering kali menangkap kutipan yang terlewat oleh manusia. Setiap tema tertaut ke kutipan kata demi kata yang terverifikasi. Jejak audit yang lengkap memuaskan penelaah sejawat.
Materi pedagogis →Analisis ketat yang memungkinkan Anda fokus pada kontribusi teoretis
Pendekatan Skimle terinspirasi oleh grounded theory (Glaser & Strauss; Strauss & Corbin) dan metode Gioia. Skimle menghasilkan analisis yang sistematis dan transparan sesuai tuntutan telaah sejawat, tanpa berminggu-minggu pengodean mekanis yang menyita waktu yang lebih baik digunakan untuk teori. Mendukung lebih dari 100 bahasa dan menangani hingga 1.000 dokumen per proyek.
- Pengodean awal otomatis: setiap kutipan tertaut ke kategorinya
- Jejak audit dua arah yang lengkap untuk telaah sejawat dan transparansi metode
- Sistem kategori dalam kendali Anda: gabungkan, pisahkan, ganti nama, dan tata ulang kategori dengan bebas
- Bekerja dalam lebih dari 100 bahasa tanpa terjemahan
- Menangani wawancara, audio dan video, buku, dokumen, dan bahan arsip
- Tersedia Skimle Academic, paket berdiskon
Transkripsikan dan anonimkan wawancara
Mengubah rekaman lapangan menjadi data yang bisa dipakai melalui layanan pihak ketiga itu lambat dan mahal, dan transkrip yang dihasilkan memuat nama, afiliasi, dan lokasi yang menimbulkan kewajiban GDPR dan etik sebelum Anda bisa membagikan, mengarsipkan, atau mengutipnya. Skimle mentranskripsikan audio dan video di dalam lingkungannya yang aman dan di-hosting di UE, lalu menganonimkannya dengan pseudonimisasi tingkat riset, sehingga Anda memiliki transkrip yang patuh dan siap dikodekan pada hari yang sama, tanpa data pernah meninggalkan infrastruktur yang sesuai GDPR.
Cara kerjanya
- 1. Unggah audio, video, atau teks
Unggah file MP3, M4A, WAV, MP4, MOV, PDF, atau Word secara langsung. Tanpa layanan transkripsi eksternal, dengan dukungan bawaan untuk lebih dari 100 bahasa.
- 2. Transkripsikan dengan label pembicara
Skimle mentranskripsikan rekaman, mengenali pergantian pembicara, serta menangani aksen dan kualitas audio yang beragam. Tinjau dan koreksi hasilnya sebelum analisis dimulai.
- 3. Deteksi pengenal secara otomatis
Skimle Anonymise menandai pengenal dalam enam kategori (nama, jabatan dan peran, lokasi, organisasi, tanggal, dan lainnya) di setiap dokumen, dengan konsistensi antarfile sehingga orang yang sama tetap mendapat pseudonim yang sama.
- 4. Pilih tingkat anonimisasi Anda
Pilih pseudonimisasi ringan, pseudonimisasi kuat, atau anonimisasi setara HIPAA dengan kunci yang dimusnahkan. Atur setiap kategori secara terpisah dan tambahkan aturan khusus dalam bahasa sehari-hari.
- 5. Ekspor dengan dokumentasi audit
Ekspor laporan audit PDF dan tabel padanan Excel untuk komite etik Anda, lalu masukkan transkrip yang sudah bersih langsung ke alur kerja analisis Skimle. Audio sumber kemudian dihapus dengan aman.
Lakukan analisis kualitatif wawancara berbantuan AI
Penelitian berbasis lebih dari 40 wawancara seharusnya menghasilkan kontribusi teoretis yang kaya (misalnya untuk disertasi Anda), tetapi pengodean manual (menandai, menata, mengodekan ulang, membuat tabel pelacak) menghabiskan sebagian besar waktu yang tersedia dan masih bisa melewatkan pola penting. Skimle membaca setiap wawancara secara sistematis dan memberi Anda hierarki tema terstruktur dengan kutipan kata demi kata, sehingga Anda bisa menghabiskan waktu untuk interpretasi teoretis yang hanya bisa Anda berikan.
Cara kerjanya
- 1. Unggah transkrip Anda
Seret transkrip wawancara dalam bentuk PDF, file Word, atau teks biasa. Skimle menerima dokumen dalam format apa pun dan mendukung lebih dari 100 bahasa secara bawaan.
- 2. Jelaskan pertanyaan penelitian Anda
Tetapkan fokus analitis Anda, secara luas atau spesifik. Skimle menyusun pengodean awal di seputar apa yang ingin Anda pahami secara teoretis.
- 3. Tinjau struktur kode awal
Skimle menghasilkan hierarki tema, masing-masing tertaut ke kutipan kata demi kata dari transkrip sumber. Tidak ada yang dikarang. Setiap kode dapat ditelusuri ke teks.
- 4. Sempurnakan sesuai kerangka teoretis Anda
Gabungkan, pisahkan, ganti nama, dan tata ulang kategori agar sesuai dengan model teoretis yang sedang terbentuk. Transparansi dua arah memungkinkan Anda memeriksa kutipan mana yang mendukung kode mana kapan saja.
- 5. Ekspor untuk lampiran metode Anda
Ekspor sistem kategori dan kutipan pendukung Anda sebagai teks atau dalam format sumber terbuka REFI-QDA (.qdpx) yang didukung program CAQDAS lama seperti NVivo, ATLAS.ti, atau MAXQDA.
Jalankan analisis metode campuran di seluruh sampel Anda
Temuan kualitatif lebih berbobot ketika Anda dapat menunjukkan bagaimana temuan itu bervariasi di seluruh sampel: menurut kohort, peran, gender, lokasi, atau kondisi. Melakukan tabulasi silang tema terhadap atribut peserta secara manual itu melelahkan dan rawan kesalahan. Skimle melampirkan metadata ke setiap dokumen dan memungkinkan Anda menyegmentasi struktur tema yang sama berdasarkan variabel apa pun, sehingga Anda dapat berpindah antara kutipan kata demi kata yang kaya dan pola yang terkuantifikasi tanpa meninggalkan salah satu metodologi.
Cara kerjanya
- 1. Lampirkan metadata ke dokumen
Beri tag pada setiap transkrip dengan variabel yang penting bagi desain Anda (kohort, peran, gender, lokasi, gelombang, atau kondisi eksperimen), secara manual atau dari kolom CSV.
- 2. Jalankan analisis kualitatif
Skimle membangun satu hierarki tema untuk seluruh korpus, sehingga setiap peserta dikodekan dengan struktur yang sama.
- 3. Segmentasikan tema berdasarkan variabel
Lihat bagaimana setiap tema bervariasi antarkelompok, dan kenali apakah sebuah pola bersifat universal atau khas satu kohort.
- 4. Kuantifikasi prevalensi
Baca frekuensi dan distribusi tema untuk melaporkan seberapa umum sebuah kode di setiap segmen, dengan setiap hitungan dapat ditelusuri kembali ke kutipan yang menghasilkannya.
- 5. Ekspor tabel dan kutipan
Ekspor tabulasi silang dan kutipan pendukung ke Excel atau Word untuk bagian metode campuran di makalah Anda.
Pertanyaan yang sering diajukan
- Bisakah saya mengutip Skimle dalam penelitian saya?
- Ya. Jelaskan sebagai "perangkat lunak pengodean kualitatif berbantuan AI" di bagian metode, seperti saat Anda mengutip NVivo atau MAXQDA. Kami memiliki artikel metode yang sedang ditelaah sejawat dan akan menjadi rujukan resmi; sementara itu, kami dapat menyarankan redaksi kutipan atas permintaan.
- Apakah peninjau sejawat akan menerima analisis berbantuan AI?
- Semakin sering ya, asalkan didokumentasikan dengan baik. Jejak audit Skimle memberi penelaah apa yang mereka harapkan: proses pengodean yang terdokumentasi dan sistematis dengan setiap tema dapat ditelusuri ke kutipan tertentu, sehingga bagian metode sebagian besar tertulis dengan sendirinya.
- Bagaimana perbandingan Skimle dengan NVivo atau MAXQDA?
- NVivo dan MAXQDA cocok untuk peneliti yang punya waktu berminggu-minggu untuk analisis dan lisensi institusi. Skimle mengotomatiskan tahap pengodean mekanis (dari berminggu-minggu menjadi beberapa jam) sambil mempertahankan metodologi yang sama sistematis dan transparannya, dan dapat dipelajari dalam hitungan menit. Banyak peneliti menggunakan keduanya: Skimle untuk putaran pengodean awal, NVivo untuk integrasi metode campuran.
- Apakah Skimle cocok untuk grounded theory?
- Ya. Skimle mendukung pengodean induktif, di mana tema muncul dari data alih-alih ditetapkan sejak awal. Mulailah dengan fokus yang luas dan biarkan struktur kategori berkembang secara iteratif, yang sangat sejalan dengan pengodean terbuka dalam grounded theory.
- Bisakah saya menjalankan analisis metode campuran?
- Ya. Lampirkan variabel metadata ke setiap dokumen (kohort, peran, gender, lokasi, kondisi) dan segmentasikan struktur tema berdasarkan salah satunya. Anda mendapatkan frekuensi dan distribusi tema per kelompok, masing-masing dapat ditelusuri ke kutipan kata demi kata, siap untuk bagian metode campuran di makalah Anda.
- Apakah data penelitian saya aman?
- Transkrip Anda diproses di infrastruktur yang di-hosting di UE dan tidak pernah digunakan untuk melatih model AI. Kami menyediakan Perjanjian Pemrosesan Data untuk persyaratan etik institusi dan dapat mengakomodasi sebagian besar kebutuhan keamanan TI. Hubungi kami jika Anda memiliki persyaratan khusus.
- Bisakah saya mendapatkan diskon akademis?
- Ya. Akademisi dengan email institusi dan halaman afiliasi yang valid dapat membeli paket Skimle Academic berdiskon. Hubungi kami untuk lisensi institusi jika Anda membutuhkan akses tim untuk kelompok riset atau laboratorium.
Dibuat oleh profesional, untuk profesional
Skimle memiliki lebih dari 1.500 pengguna yang puas di lebih dari 50 universitas, instansi pemerintah, agensi, dan perusahaan. Semua data disimpan di UE dan diproses sesuai kebijakan GDPR dan ketentuan layanan kami yang ketat.
Ingin tahu lebih banyak? Jelajahi blog Signal & Noise, halaman pertanyaan umum, dan contoh penggunaan per sektor. Kami juga dengan senang hati memperagakan produk atau membahas bagaimana Skimle dapat memenuhi kebutuhan Anda. Baca selengkapnya tentang perusahaan di balik Skimle