Yapay zekâ hızında akademik titizlik
Skimle, akademisyenler tarafından akademisyenler için geliştirildi. Kurucu ortak Prof. Henri Schildt nitel araştırmada onlarca yıllık deneyime ve Academy of Management Journal ile Organization Science dahil önde gelen yönetim dergilerinde yayımlanmış makalelere sahip. NVivo ve MAXQDA'nın yavaş, hantal iş akışlarından bıkmıştı ve ChatGPT'nin şeffaflıktan ve kapsamlılıktan yoksun analizlerde kullanılma biçiminden endişe duyuyordu. Bu yüzden Skimle'ı, titiz ve şeffaf nitel metodolojiyi özünde yapay zekâyla yeniden üreten bir platform olarak geliştirdi.
Görüşmelerin ilk kodlaması elle haftalar sürebilir. Skimle bunu yöntemsel titizlikten ödün vermeden yapar ve çoğu zaman bir insanın kaçıracağı alıntıları yakalar. Her tema doğrulanmış, kelimesi kelimesine bir alıntıya bağlıdır. Eksiksiz denetim izi hakemleri tatmin eder.
Eğitim materyalleri →Kuramsal katkınıza odaklanmanızı sağlayan titiz analiz
Skimle'ın yaklaşımı gömülü kuramdan (Glaser & Strauss; Strauss & Corbin) ve Gioia yönteminden esinlenir. Hakem değerlendirmesinin gerektirdiği sistematik ve şeffaf analizi, kurama ayrılması daha iyi olacak zamanı tüketen haftalarca mekanik kodlama olmadan üretir. 100'den fazla dilde çalışır ve proje başına 1000 belgeye kadar işler.
- Otomatik ilk kodlama: her alıntı kendi kategorisine bağlı
- Hakem değerlendirmesi ve yöntem şeffaflığı için eksiksiz, iki yönlü denetim izi
- Kontrolü sizde olan kategori sistemi: kategorileri özgürce birleştirin, bölün, yeniden adlandırın ve düzenleyin
- Çeviri gerektirmeden 100'den fazla dilde çalışır
- Görüşmeleri, ses ve videoyu, kitapları, belgeleri ve arşiv materyallerini işler
- İndirimli bir plan olan Skimle Academic mevcut
Görüşmelerin transkriptini çıkarın ve anonimleştirin
Saha kayıtlarını üçüncü taraf bir hizmetle kullanılabilir verilere dönüştürmek yavaş ve pahalıdır; ortaya çıkan transkriptler ise paylaşmadan, arşivlemeden veya alıntılamadan önce GDPR ve etik yükümlülükleri doğuran adlar, kurum bağlantıları ve yerler içerir. Skimle ses ve videonun transkriptini AB'de barındırılan güvenli ortamında çıkarır, ardından araştırma düzeyinde takma adlandırmayla anonimleştirir; böylece veriler GDPR uyumlu altyapıdan hiç çıkmadan, aynı gün uyumlu ve kodlamaya hazır bir transkriptiniz olur.
Nasıl çalışır
- 1. Ses, video veya metin yükleyin
MP3, M4A, WAV, MP4, MOV, PDF veya Word dosyalarını doğrudan yükleyin. Harici transkript hizmeti yok, 100'den fazla dil yerleşik olarak destekleniyor.
- 2. Konuşmacı etiketleriyle transkript çıkarın
Skimle kaydın transkriptini çıkarır, konuşmacı değişikliklerini belirler, aksanları ve değişen ses kalitesini yönetir. Analiz başlamadan önce çıktıyı inceleyin ve düzeltin.
- 3. Tanımlayıcıları otomatik olarak tespit edin
Skimle Anonymise, her belgede altı kategorideki tanımlayıcıları (adlar, unvanlar ve roller, yerler, kuruluşlar, tarihler ve diğerleri) işaretler; dosyalar arası tutarlılık sayesinde aynı kişi aynı takma adı korur.
- 4. Anonimleştirme düzeyinizi seçin
Hafif takma adlandırma, güçlü takma adlandırma veya anahtarın yok edildiği HIPAA düzeyinde anonimleştirme arasından seçim yapın. Her kategoriyi ayrı ayarlayın ve gündelik dille özel kurallar ekleyin.
- 5. Denetim belgeleriyle dışa aktarın
Etik kurulunuz için PDF denetim raporu ve Excel eşleştirme tablosu dışa aktarın, ardından temiz transkripti doğrudan Skimle'ın analiz iş akışına aktarın. Kaynak ses daha sonra güvenle silinir.
Görüşmelerin yapay zekâ destekli nitel analizini yapın
40'tan fazla görüşmeye dayanan bir araştırma (örneğin doktoranız için) zengin bir kuramsal katkı üretmelidir, ama elle kodlama (vurgulama, düzenleme, yeniden kodlama, takip tabloları oluşturma) mevcut zamanın büyük kısmını tüketir ve yine de önemli örüntüleri kaçırabilir. Skimle her görüşmeyi sistematik olarak okur ve kelimesi kelimesine alıntıların eklendiği yapılandırılmış bir tema hiyerarşisi sunar; böylece zamanınızı yalnızca sizin yapabileceğiniz kuramsal yoruma ayırabilirsiniz.
Nasıl çalışır
- 1. Transkriptlerinizi yükleyin
Görüşme transkriptlerini PDF, Word veya düz metin olarak sürükleyip bırakın. Skimle her biçimdeki belgeyi kabul eder ve 100'den fazla dili yerleşik olarak destekler.
- 2. Araştırma sorunuzu anlatın
Analitik odağınızı geniş ya da belirli olarak belirleyin. Skimle ilk kodlamayı kuramsal olarak anlamaya çalıştığınız şeyin etrafında yapılandırır.
- 3. İlk kod yapısını inceleyin
Skimle, her biri kaynak transkriptlerden kelimesi kelimesine alıntılara bağlı bir tema hiyerarşisi üretir. Hiçbir şey uydurulmaz. Her kod metne kadar izlenir.
- 4. Kuramsal çerçevenize göre iyileştirin
Kategorileri, ortaya çıkan kuramsal modelinize uyacak şekilde birleştirin, bölün, yeniden adlandırın ve yeniden düzenleyin. İki yönlü şeffaflık, hangi alıntıların hangi kodları desteklediğini her an doğrulamanızı sağlar.
- 5. Yöntem ekiniz için dışa aktarın
Kategori sisteminizi ve destekleyici alıntıları metin olarak ya da NVivo, ATLAS.ti veya MAXQDA gibi geleneksel CAQDAS programlarının desteklediği açık kaynaklı REFI-QDA (.qdpx) biçiminde dışa aktarın.
Örnekleminiz genelinde karma yöntem analizi yapın
Nitel bulgular, örneklem genelinde nasıl değiştiklerini gösterebildiğinizde daha fazla ağırlık taşır: kohorta, role, cinsiyete, mekâna veya koşula göre. Temaları katılımcı özellikleriyle elle çapraz tablolamak yorucudur ve hataya açıktır. Skimle her belgeye üst veri ekler ve aynı tema yapısını herhangi bir değişkene göre segmentlere ayırmanıza olanak tanır; böylece bir metodolojiyi geride bırakmadan zengin, kelimesi kelimesine alıntılarla nicelleştirilmiş örüntüler arasında gidip gelebilirsiniz.
Nasıl çalışır
- 1. Belgelere üst veri ekleyin
Her transkripti tasarımınız için önemli olan değişkenlerle (kohort, rol, cinsiyet, mekân, dalga veya deney koşulu) elle ya da bir CSV sütunundan etiketleyin.
- 2. Nitel analizi çalıştırın
Skimle tüm derlem için tek bir tema hiyerarşisi oluşturur; böylece her katılımcı aynı yapıya göre kodlanır.
- 3. Temaları değişkene göre segmentlere ayırın
Her temanın gruplar arasında nasıl değiştiğini görün ve bir örüntünün evrensel mi yoksa tek bir kohorta özgü mü olduğunu fark edin.
- 4. Yaygınlığı nicelleştirin
Bir kodun segment başına ne kadar yaygın olduğunu raporlamak için tema sıklıklarını ve dağılımlarını okuyun; her sayım onu üreten alıntılara kadar izlenebilir.
- 5. Tabloları ve alıntıları dışa aktarın
Makalenizin karma yöntem bölümü için çapraz tabloları ve destekleyici alıntıları Excel'e veya Word'e aktarın.
Sık sorulan sorular
- Araştırmamda Skimle'a atıf yapabilir miyim?
- Evet. Yöntem bölümünüzde, NVivo veya MAXQDA'ya atıf yaptığınız gibi "yapay zekâ destekli nitel kodlama yazılımı" olarak tanımlayın. Hakem sürecindeki bir yöntem makalemiz resmî bir atıf sağlayacak; o zamana kadar istek üzerine atıf ifadesi önerebiliriz.
- Hakemler yapay zekâ destekli analizi kabul eder mi?
- Uygun belgelemeyle giderek daha fazla evet. Skimle'ın denetim izi hakemlere bekledikleri şeyi sunar: her temanın belirli alıntılara kadar izlendiği, belgelenmiş ve sistematik bir kodlama süreci; böylece yöntem bölümü büyük ölçüde kendini yazar.
- Skimle, NVivo veya MAXQDA ile karşılaştırıldığında nasıl?
- NVivo ve MAXQDA, analize haftalar ayırabilen ve kurumsal lisansı olan araştırmacılara uygundur. Skimle mekanik kodlama aşamasını otomatikleştirir (haftalar saatlere iner) ve aynı sistematik, şeffaf metodolojiyi korur; öğrenmek ise dakikalar alır. Pek çok araştırmacı ikisini birlikte kullanır: ilk kodlama geçişi için Skimle, karma yöntem entegrasyonu için NVivo.
- Skimle gömülü kuram için uygun mu?
- Evet. Skimle, temaların önceden dayatılmak yerine verilerden ortaya çıktığı tümevarımsal kodlamayı destekler. Geniş bir odakla başlayın ve kategori yapısının yinelemeli olarak gelişmesine izin verin; bu, gömülü kuramdaki açık kodlamaya çok yakındır.
- Karma yöntem analizi yapabilir miyim?
- Evet. Her belgeye üst veri değişkenleri (kohort, rol, cinsiyet, mekân, koşul) ekleyin ve tema yapısını bunlardan herhangi birine göre segmentlere ayırın. Her biri kelimesi kelimesine alıntılara kadar izlenebilen, gruplara göre tema sıklıkları ve dağılımları elde edersiniz; makalenizin karma yöntem bölümü için hazır.
- Araştırma verilerim güvende mi?
- Transkriptleriniz AB'de barındırılan altyapıda işlenir ve asla yapay zekâ modellerini eğitmek için kullanılmaz. Kurumsal etik gereklilikler için veri işleme sözleşmeleri sağlıyoruz ve çoğu BT güvenliği ihtiyacını karşılayabiliyoruz. Özel gereklilikleriniz için bizimle iletişime geçin.
- Akademik indirim alabilir miyim?
- Evet. Geçerli bir kurumsal e-posta adresi ve kurum bağlantısını gösteren bir sayfası olan akademisyenler indirimli Skimle Academic paketini satın alabilir. Bir araştırma grubu veya laboratuvar için ekip erişimine ihtiyacınız varsa kurumsal lisanslama için bizimle iletişime geçin.
Profesyoneller tarafından, profesyoneller için geliştirildi
Skimle'ın 50'den fazla üniversite, kamu kurumu, ajans ve şirkette 1.500'ü aşkın memnun kullanıcısı var. Tüm veriler AB içinde saklanır ve şu belgelerdeki katı kurallarımıza göre işlenir: GDPR politikası ve hizmet şartları.
Daha fazlasını mı öğrenmek istiyorsunuz? Şunlara göz atın: Signal & Noise blogu, sık sorulan sorular ve sektörlere göre kullanım alanları. Ürünü tanıtmaktan veya Skimle'ın ihtiyaçlarınıza nasıl uyabileceğini birlikte incelemekten de memnuniyet duyarız. Skimle'ın arkasındaki şirket hakkında daha fazlasını okuyun