班次本身我还应付得来。
麻烦的是交接班,动不动就超出四十分钟,
而且这段时间没人算进工时。
我的护士长确实在努力,她把排班表重新调整了两次,
但人手不增加,她能做的也有限。
严谨分析
Skimle 遵循定性分析的步骤,而不是简单地做摘要。它完整阅读每一份文档,为每个段落编码,对照出处核验每一条引语,并构建可供您检查、编辑并追溯到数据的类别。
免费试用含 200 积分。无需信用卡。
让主题从数据中归纳式地浮现,带入由预定义类别组成的自有类别系统,或从一个研究问题出发,让智能体分析来规划工作。选择与您的方法相契合的路径即可。
Skimle 不依赖一个庞大的提示词,而是运行一个多步骤流程:逐页提取附带直接引语的洞察,对照原文核验每条引语,形成类别和子类别,并撰写注明依据的摘要。
结构只是建议,而非定论。您可以重命名、合并、拆分和移动类别,接受或拒绝建议,并撤销任何操作。最终分析由您的判断来塑造。
点击摘要中的任一引用,即可看到背后的洞察和原文引语,再打开文档查看该段落的上下文,或从说出这句话的那一刻起播放原始音频或视频。反方向同样可行:从任意文档出发,都能看到从中编码出了什么。
每个步骤只做一件事,并检查上一步的结果,这正是结果可重复、可审计的原因。
Skimle 大约每次阅读一页文档,识别其中的洞察,每条洞察都附有文本中的直接引语。
相似的引语会被合并,每条引语都会与原文核对。不是逐字原文的引语,会在出处中重新找到,否则予以剔除。
洞察会被归入反映您分析选择的类别和子类别,每条洞察都放在最合适的位置。
Skimle 为每个类别撰写摘要,并附上引用,可回溯到其所依据的洞察和引语。
选择您的方法所需的路径。同一个项目中可以运行多种分析。
从 Skimle 的建议或一个宽泛的类别开始,让子类别从参与者的话语中浮现出来。
最适合探索性研究和扎根取向
带入您的类别系统:为想要的类别命名,在名称有歧义处补充说明,Skimle 就会依照您的框架为每份文档编码。
最适合检验框架或理论
提出一个研究问题。Skimle 与您一起构建框架,为材料编码,探究其背后的动态,并权衡反面证据。
最适合解释性和比较性问题
人工编码细致但缓慢。通用聊天机器人速度快,却无法展示其工作过程。Skimle 保留方法,省去重复劳动。
| 人工编码 | 通用 AI 聊天机器人 | Skimle | |
|---|---|---|---|
| 覆盖范围 | 由人逐段阅读的每个段落 | 上下文窗口能容纳的内容 | 每份文档的每个段落 |
| 40 场访谈所需时间 | 数周 | 几分钟 | 几小时而非数周,再由您审阅 |
| 引语 | 逐字原文 | 可能被转述,甚至凭空编造 | 逐字原文,已与出处核对 |
| 可追溯性 | 通过您应用的编码 | 无 | 双向追溯,从发现到引语,再从引语回到发现 |
| 掌控 | 完全掌控,但全靠手工 | 重写提示词,然后碰运气 | 编辑、合并、拆分、移动和撤销 |
从一项发现到它的引语,从一份文档到从中编码出的一切。分析中没有任何黑箱。
AI 负责阅读和初步处理。类别意味着什么、合并哪些、报告哪些,由研究者决定。
各个步骤与成熟的主题分析一一对应,因此您可以在方法部分写明做了什么,并在审稿人或客户面前为之辩护。
三种分析类型:从数据中归纳式地识别主题,依照您自有类别系统中的预定义类别编码,以及以研究问题为导向的智能体分析。许多研究者在反思性主题分析中使用 Skimle 完成编码和整理工作。
每条引语都会与原始文档核对。如果某条引语不是逐字原文,Skimle 会回到文档中找到真实的原话,因此编造的引语绝不会进入您的分析。
可以。您可以重命名、合并、拆分和移动类别,在类别之间移动洞察,添加自己的洞察和笔记,并撤销任何更改。分析是一个由您来塑造的起点。
描述各个步骤:完整阅读文档,提取附有逐字引语的洞察,核验引语,形成类别,再由研究者审阅和完善。智能体分析还会为其运行的每一步保留日志备忘录。
可以。您可以在 AI 洞察之外自行为段落编码,也可以把项目以 REFI-QDA 格式导出,在 NVivo、ATLAS.ti 或 MAXQDA 中继续工作。
支持。Skimle 可以分析 100 多种语言的文档,并能跨不同语言的访谈构建一套统一的类别,同时以原始语言保留每条引语。分析和报告可以使用以下 29 种语言中的任意一种撰写:英语、阿拉伯语、中文(简体)、中文(繁体)、丹麦语、荷兰语、爱沙尼亚语、芬兰语、法语、德语、希腊语、希伯来语、印地语、印度尼西亚语、意大利语、日语、韩语、立陶宛语、挪威语、波斯语、波兰语、葡萄牙语、西班牙语、瑞典语、泰语、土耳其语、乌克兰语、乌尔都语和越南语。
所有数据都存储在欧盟境内,传输和存储时均经过加密,绝不用于训练 AI 模型。团队中谁能查看每个项目由您决定。详情请参阅我们的隐私政策。