category_search厳密な分析

説明責任を 果たせる AI 分析

Skimle は要約するのではなく、質的分析の手順に沿って進めます。すべての文書を全文読み、各箇所をコード化し、すべての引用を出典と照合し、確認、編集し、データまでたどれるカテゴリを作ります。

デモを予約

200クレジット付きの無料トライアル。クレジットカード不要。

1

分析方法を選ぶ

データからテーマを帰納的に浮かび上がらせる、定義済みカテゴリの独自のカテゴリ体系を持ち込む、またはリサーチクエスチョンから始めてエージェント型分析に作業を計画させる。あなたの手法に合ったアプローチを選べます。

2

プロンプトではなく、手法

1つの大きなプロンプトに頼るのではなく、Skimle は複数のステップからなるプロセスを実行します。ページごとに直接引用付きでインサイトを抽出し、各引用を原文と照合し、カテゴリとサブカテゴリを作り、根拠を示した要約を書きます。

3

主導権はあなたに

構造は提案であって、結論ではありません。カテゴリの名前変更、統合、分割、移動、提案の承認や却下ができ、何でも元に戻せます。最終的な分析を形づくるのはあなたの判断です。

4

すべての調査結果をたどれる

要約内の出典をクリックすると、その背後にあるインサイトと逐語の引用が表示されます。さらに文書を開いて文脈の中で該当箇所を確認したり、発言の瞬間から元の音声や動画を再生したりできます。逆方向も可能で、どの文書からも、そこから何がコード化されたかを確認できます。

5

エージェント型分析でさらに深く

リサーチクエスチョンから始めます。Skimle が編集可能な枠組みを提案し、関連するすべての箇所をコード化し、より広い力学を調べ、反証を探し、出典付きの分析的テーマを書き、すべてのステップを記録します。

デモを予約

分析の仕組み

各ステップは1つの役割を担い、前のステップを検証します。だからこそ、結果を再現でき、監査できるのです。

  • 1

    インサイトを抽出

    Skimle は文書をおおよそ1ページずつ読み、そこに含まれるインサイトを、それぞれ本文からの直接引用付きで特定します。

  • 2

    すべての引用を検証

    似た引用はまとめられ、すべての引用が原文と照合されます。逐語でない引用は、出典から改めて見つけ出されるか、除外されます。

  • 3

    カテゴリを作る

    インサイトは分析上の選択を反映したカテゴリとサブカテゴリにまとめられ、各インサイトは最も適した場所に配置されます。

  • 4

    根拠を示して要約

    Skimle はカテゴリごとに要約を書き、その根拠となるインサイトと引用にたどれる出典を付けます。

3つの分析方法

手法に合ったアプローチを選んでください。同じプロジェクトで複数を実行することもできます。

  • segment

    データから帰納的にテーマを特定

    Skimle の提案や1つの大まかなカテゴリから始め、参加者の発言からサブカテゴリを浮かび上がらせます。

    探索的な研究やグラウンデッドなアプローチに最適

  • target

    定義済みカテゴリ

    カテゴリ体系を持ち込みます。必要なカテゴリに名前を付け、名前があいまいな箇所には指示を加えれば、Skimle があなたの枠組みに沿ってすべての文書をコード化します。

    枠組みや理論の検証に最適

  • flowsheet

    リサーチクエスチョン主導のエージェント型分析

    リサーチクエスチョンを示すと、Skimle があなたと一緒に枠組みを作り、資料をコード化し、その背後にある力学を調べ、反証を検討します。

    説明的な問いや比較の問いに最適

デモを予約

何週間ものコード化なしで、厳密さを

手作業のコード化は丁寧ですが時間がかかります。一般的なチャットボットは速いものの、根拠を示せません。Skimle は手法を保ったまま、繰り返しの作業を引き受けます。

手作業のコード化一般的な AI チャットボットSkimle
網羅性人が読んだすべての箇所コンテキストウィンドウに収まる分すべての文書のすべての箇所
インタビュー40件にかかる時間数週間数分数週間ではなく数時間、その後あなたが確認
引用逐語言い換えられたり、作り出されたりすることがある逐語で、出典と照合済み
追跡可能性付与したコードを通じてなし双方向。調査結果から引用へ、引用から調査結果へ
コントロール完全、ただし手作業プロンプトを変えて祈るだけ編集、統合、分割、移動、元に戻す

3つの原則に基づく設計

  • visibility

    双方向の透明性

    調査結果からその引用へ、文書からそこでコード化されたすべてへ。分析の中にブラックボックスはありません。

  • folder_match

    本当の意味でのヒューマン・イン・ザ・ループ

    AI は読み込みと最初の整理を担います。カテゴリが何を意味するのか、何を統合し、何を報告するのかを決めるのは研究者です。

  • science

    質的研究の実践に根ざす

    各ステップは確立されたテーマ分析をなぞっているため、行ったことを方法のセクションに記述し、査読者やクライアントに対して説明できます。

よくある質問

Skimle はどの質的研究手法に対応していますか?add_circle

3種類の分析に対応しています。データから帰納的にテーマを特定する分析、独自のカテゴリ体系の定義済みカテゴリに沿ったコード化、そしてリサーチクエスチョン主導のエージェント型分析です。多くの研究者が、再帰的テーマ分析におけるコード化と整理の作業に Skimle を使っています。

AI が引用を作り出すことはありますか?add_circle

すべての引用は元の文書と照合されます。逐語でない引用があれば、Skimle は文書に戻って本物の引用を探すため、作り出された引用が分析に入り込むことはありません。

AI が作成した内容を変更できますか?add_circle

はい。カテゴリの名前変更、統合、分割、移動、カテゴリ間でのインサイトの移動、独自のインサイトやメモの追加ができ、どの変更も元に戻せます。分析はあなたが形づくる出発点です。

方法のセクションにはどう記述すればよいですか?add_circle

手順を記述してください。文書を全文読んだこと、逐語の引用とともにインサイトを抽出したこと、引用を検証したこと、カテゴリを作成し、研究者が確認して洗練させたことです。エージェント型分析では、実行したすべてのステップのログメモも残ります。

AI によるコード化と手作業のコード化を組み合わせられますか?add_circle

はい。AI のインサイトと並行して自分で箇所をコード化できます。また、プロジェクトを REFI-QDA 形式で書き出して、NVivo、ATLAS.ti、MAXQDA で作業を続けることもできます。

英語以外の言語でも使えますか?add_circle

はい。Skimle は100以上の言語の文書を分析でき、異なる言語のインタビューをまたいで1つのカテゴリのセットを作り、各引用を元の言語のまま保持します。分析とレポートは29言語で作成できます:英語、アラビア語、中国語(簡体字)、中国語(繁体字)、デンマーク語、オランダ語、エストニア語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、インドネシア語、イタリア語、日本語、韓国語、リトアニア語、ノルウェー語、ペルシャ語、ポーランド語、ポルトガル語、スペイン語、スウェーデン語、タイ語、トルコ語、ウクライナ語、ウルドゥー語、ベトナム語。

データはどのように扱われますか?add_circle

すべて EU 内に保管され、通信時も保存時も暗号化され、AI モデルの学習に使われることはありません。各プロジェクトをチームの誰が見られるかはあなたが決められます。詳しくはプライバシーポリシーをご覧ください。

support分析の仕組みを読む

自信を持って示せる分析を

インタビューをアップロードすれば、すべてのカテゴリ、インサイト、引用があなたの確認を待つ状態で表示されます。

デモを予約

200クレジット付きの無料トライアル。クレジットカード不要。