A Skimle foi criada por académicos para académicos. O cofundador, o professor Henri Schildt, tem décadas de experiência em investigação qualitativa e artigos publicados em revistas de gestão de referência, como a Academy of Management Journal e a Organization Science. Cansou-se dos processos lentos e pouco práticos do NVivo e do MAXQDA e preocupava-o a forma como o ChatGPT é utilizado em análises sem transparência nem exaustividade. Por isso criou a Skimle como a plataforma que reproduz uma metodologia qualitativa rigorosa e transparente, mas com a IA no centro.
A codificação inicial de entrevistas pode demorar semanas manualmente. A Skimle trata dela sem sacrificar o rigor metodológico, detetando muitas vezes citações que uma pessoa deixaria escapar. Cada tema está ligado a uma citação literal verificada. O registo de auditoria completo satisfaz os revisores.
Materiais pedagógicos →A abordagem da Skimle inspira-se na grounded theory (Glaser & Strauss; Strauss & Corbin) e no método Gioia. Produz a análise sistemática e transparente que a revisão por pares exige, sem as semanas de codificação mecânica que consomem tempo mais bem empregue na teoria. Funciona em mais de 100 línguas e trata até 1000 documentos por projeto.
Transformar gravações de campo em dados utilizáveis através de um serviço externo é lento e caro, e as transcrições contêm nomes, afiliações e locais que criam obrigações de RGPD e de ética antes de as poder partilhar, arquivar ou citar. A Skimle transcreve áudio e vídeo no seu ambiente seguro alojado na UE e depois anonimiza-os com pseudonimização de nível de investigação, para que tenha no próprio dia uma transcrição conforme e pronta a codificar, sem que os dados alguma vez saiam de infraestrutura em conformidade com o RGPD.
Carregue diretamente ficheiros MP3, M4A, WAV, MP4, MOV, PDF ou Word. Sem serviço de transcrição externo, e com suporte nativo para mais de 100 línguas.
A Skimle transcreve a gravação, identifica as mudanças de orador e lida com sotaques e diferentes qualidades de áudio. Reveja e corrija o resultado antes de a análise começar.
O Skimle Anonymise assinala identificadores em seis categorias (nomes, títulos e funções, localizações, organizações, datas e outros) em todos os documentos, com coerência entre ficheiros, para que a mesma pessoa mantenha o mesmo pseudónimo.
Escolha pseudonimização ligeira, pseudonimização forte ou anonimização de nível HIPAA com a chave destruída. Ajuste cada categoria de forma independente e acrescente regras personalizadas em linguagem corrente.
Exporte um relatório de auditoria em PDF e uma tabela de correspondências em Excel para a comissão de ética e envie depois a transcrição limpa diretamente para o processo de análise da Skimle. O áudio original é eliminado em segurança a seguir.
A investigação baseada em mais de 40 entrevistas devia produzir um contributo teórico rico (por exemplo, para o seu doutoramento), mas a codificação manual (sublinhar, organizar, recodificar, manter quadros de acompanhamento) consome a maior parte do tempo disponível e pode ainda assim deixar escapar padrões importantes. A Skimle lê sistematicamente cada entrevista e dá-lhe uma hierarquia de temas estruturada com as citações literais associadas, para que possa dedicar o seu tempo à interpretação teórica que só o investigador pode fazer.
Arraste transcrições de entrevistas em PDF, Word ou texto simples. A Skimle aceita documentos em qualquer formato e suporta nativamente mais de 100 línguas.
Defina o seu foco analítico, de forma ampla ou específica. A Skimle estrutura a codificação inicial em torno do que procura compreender teoricamente.
A Skimle produz uma hierarquia de temas, cada um ligado a citações literais das transcrições originais. Nada é inventado. Cada código remete para texto.
Junte, divida, mude o nome e reorganize categorias para corresponderem ao modelo teórico que vai emergindo. A transparência nos dois sentidos permite verificar a qualquer momento que citações sustentam que códigos.
Exporte o seu sistema de categorias e as citações que o sustentam em texto ou no formato aberto REFI-QDA (.qdpx), suportado por programas CAQDAS tradicionais como o NVivo, o ATLAS.ti ou o MAXQDA.
Os resultados qualitativos têm mais peso quando consegue mostrar como variam na amostra: por coorte, função, género, local ou condição. Cruzar temas com atributos dos participantes à mão é moroso e propenso a erros. A Skimle associa metadados a cada documento e permite segmentar a mesma estrutura de temas por qualquer variável, para que possa alternar entre citações literais ricas e padrões quantificados sem abandonar nenhuma das metodologias.
Etiquete cada transcrição com as variáveis relevantes para o seu desenho de investigação (coorte, função, género, local, vaga ou condição experimental), manualmente ou a partir de uma coluna de CSV.
A Skimle constrói uma única hierarquia de temas para todos os documentos, para que cada participante seja codificado segundo a mesma estrutura.
Veja como cada tema varia entre grupos e identifique onde um padrão é universal ou específico de uma coorte.
Consulte as frequências e distribuições dos temas para reportar a frequência de um código por segmento, com cada contagem rastreável até às citações que a originaram.
Exporte tabulações cruzadas e citações de suporte para Excel ou Word para a secção de métodos mistos do seu artigo.
A Skimle tem mais de 1500 utilizadores satisfeitos em mais de 50 universidades, entidades públicas, agências e empresas. Todos os dados são guardados na UE e tratados de acordo com a nossa rigorosa política de RGPD e os nossos termos de serviço.
Quer saber mais? Explore o nosso blogue Signal & Noise, as nossas perguntas frequentes e os casos de utilização por setor. Teremos todo o gosto em fazer uma demonstração do produto ou em perceber como a Skimle se pode adequar às suas necessidades. Saiba mais sobre a empresa por detrás da Skimle