支持意外发现：质性分析中人机协作的机遇与挑战
人机交互
2021-02-09 v1
摘要
质性归纳方法因其能够生成性地发现深层且情境化的洞见，在CSCW与HCI研究中被广泛使用，但这些本质上手工且耗费人力资源的过程往往难以用于分析大型语料库。研究者日益关注将质性方法应用于“大”数据问题的方式，希望在保留质性方法深度与丰富性的同时，从更大量数据中取得更具普适性的结果。在本文中，我们描述了一项关于质性研究者工作实践及其挑战的研究，着眼于这是否为人机协作的合适领域以及成功协作可能包含的内容。我们的发现刻画了参与者多样的方法论实践与微妙的协作动态，并识别出他们可能受益于基于AI工具的地方。尽管参与者强调了质性归纳分析的混乱与不确定性，他们仍希望对过程拥有完全主动权，并认为AI不应干预。我们的研究对人机协作在质性分析背景下的任务可委托性进行了深入探究，并为尊重意外发现、人类主体性与模糊性的AI辅助设计提供了方向。
引用
@article{arxiv.2102.03702,
title = {Supporting Serendipity: Opportunities and Challenges for Human-AI Collaboration in Qualitative Analysis},
author = {Jialun Aaron Jiang and Kandrea Wade and Casey Fiesler and Jed R. Brubaker},
journal= {arXiv preprint arXiv:2102.03702},
year = {2021}
}
备注
23 pages. Accepted to ACM CSCW 2021