Generatiivisen tekoälyn hyödyntäminen laadullisten tutkimusaineistojen analysoinnissa
Munter, Markus (2024)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2024101026306
https://urn.fi/URN:NBN:fi:amk-2024101026306
Tiivistelmä
Laadullisten aineistojen analysoinnissa kohdataan useita haasteita analyysin subjektiivisuuteen, prosessin kestoon ja tulosten johdonmukaisuuteen liittyen. Viime aikoina luonnollisen kielen prosessoinnin ja suurten kielimallien kehitys on avannut uusia mahdollisuuksia tekstin ymmärtämiseen sekä siihen liittyvien selkeiden ja johdonmukaisten tulkintojen tuottamiseen.
Opinnäytetyö käsittelee generatiivisen tekoälyn hyödyntämistä laadullisten tutkimushaastatteluiden analysoinnissa. Kehittämistyön tavoitteena oli kehittää tietokoneohjelma, jonka avulla laadullisten tutkimushaastatteluiden analyysiprosessi on mahdollista suorittaa tehokkaasti, laadukkaasti ja objektiivisesti. Tutkimuksesta rajattiin pois aineistonkeruuseen ja litterointiin liittyvät analyysiprosessin vaiheet ja keskityttiin valmiiksi litteroitujen aineistojen analysointiin.
Teoreettinen viitekehys sisältää kolme keskeistä laadullisten aineistojen analyysimenetelmää: sisällönanalyysin, teemoittelun ja ankkuroidun teorian. Luvussa kuvataan myös luonnollisen kielen prosessointiin ja generatiiviseen tekoälyyn liittyvät menetelmät sekä niiden kyvykkyys ja soveltuvuus laadullisten aineistojen analysoimisessa. Lisäksi teoreettinen viitekehys sisältää syötesuunnittelun periaatteet, jotka ovat keskeisiä generatiivista tekoälyä hyödyntävissä tehtävissä.
Kehittämistyön metodologia yhdistää konstruktiivisen tutkimuksen ja tapaustutkimuksen lähestymistavat. Konstruktiivinen tutkimus soveltui hyvin ohjelman kehittämiseen, kun taas tapaustutkimuksen avulla syvennyttiin tietyn ilmiön tarkasteluun sen omassa kontekstissa.
Opinnäytetyössä kehitettiin Python-ohjelmointikieleen ja OpenAI:n GPT-kielimalliin pohjautuva, generatiivista tekoälyä hyödyntävä verkkosovellus analyysiprosessin tukemiseksi. Syötesuunnittelussa hyödynnettiin menetelmään liittyvää teoriaa ja laadullisten aineistojen analyysimenetelmien teoriaa, jolloin ohjelman toiminta perustuu vankkaan ja tarkoituksenmukaiseen teoreettiseen pohjaan. Ohjelman kehittämisessä painotettiin erityisesti sovelluksen käytettävyyttä ja kykyä tarjota analyysiprosessiin tutkimuksellisesti merkityksellistä tukea.
Ohjelman tuottamat tulokset osoittavat sen kykenevän tunnistamaan ja tuottamaan perusteltuja ja merkityksellisiä havaintoja ja johtopäätöksiä analyysiprosessin tukemiseksi ja tehostamiseksi. Ohjelma saattaa myös tuoda esiin näkökulmia ja yksityiskohtia tai paljastaa subjektiivisia vinoumia, joita tutkija ei ole aikaisemmin huomannut. Ohjelman käyttö vaatii kuitenkin ihmisen aktiivista osallistumista ja tulosten validoinnin, sillä sovelluksen luotettavauuden ei pääsääntöisesti voida arvioida olevan vielä riittävällä tasolla. Lisäksi ohjelman tuottama analyysi ei yleisesti saavuta osaavan tutkijan suorittaman analyysin syvyyttä, yksityiskohtaisuutta ja kattavuutta. Yleisesti ottaen ohjelman kyky tarjota käyttäjälleen arvokasta tukea osoittaa kuitenkin, että kehitystyö on onnistunut ja asetetut tavoitteet on pääsääntöisesti saavutettu.
Opinnäytetyö käsittelee generatiivisen tekoälyn hyödyntämistä laadullisten tutkimushaastatteluiden analysoinnissa. Kehittämistyön tavoitteena oli kehittää tietokoneohjelma, jonka avulla laadullisten tutkimushaastatteluiden analyysiprosessi on mahdollista suorittaa tehokkaasti, laadukkaasti ja objektiivisesti. Tutkimuksesta rajattiin pois aineistonkeruuseen ja litterointiin liittyvät analyysiprosessin vaiheet ja keskityttiin valmiiksi litteroitujen aineistojen analysointiin.
Teoreettinen viitekehys sisältää kolme keskeistä laadullisten aineistojen analyysimenetelmää: sisällönanalyysin, teemoittelun ja ankkuroidun teorian. Luvussa kuvataan myös luonnollisen kielen prosessointiin ja generatiiviseen tekoälyyn liittyvät menetelmät sekä niiden kyvykkyys ja soveltuvuus laadullisten aineistojen analysoimisessa. Lisäksi teoreettinen viitekehys sisältää syötesuunnittelun periaatteet, jotka ovat keskeisiä generatiivista tekoälyä hyödyntävissä tehtävissä.
Kehittämistyön metodologia yhdistää konstruktiivisen tutkimuksen ja tapaustutkimuksen lähestymistavat. Konstruktiivinen tutkimus soveltui hyvin ohjelman kehittämiseen, kun taas tapaustutkimuksen avulla syvennyttiin tietyn ilmiön tarkasteluun sen omassa kontekstissa.
Opinnäytetyössä kehitettiin Python-ohjelmointikieleen ja OpenAI:n GPT-kielimalliin pohjautuva, generatiivista tekoälyä hyödyntävä verkkosovellus analyysiprosessin tukemiseksi. Syötesuunnittelussa hyödynnettiin menetelmään liittyvää teoriaa ja laadullisten aineistojen analyysimenetelmien teoriaa, jolloin ohjelman toiminta perustuu vankkaan ja tarkoituksenmukaiseen teoreettiseen pohjaan. Ohjelman kehittämisessä painotettiin erityisesti sovelluksen käytettävyyttä ja kykyä tarjota analyysiprosessiin tutkimuksellisesti merkityksellistä tukea.
Ohjelman tuottamat tulokset osoittavat sen kykenevän tunnistamaan ja tuottamaan perusteltuja ja merkityksellisiä havaintoja ja johtopäätöksiä analyysiprosessin tukemiseksi ja tehostamiseksi. Ohjelma saattaa myös tuoda esiin näkökulmia ja yksityiskohtia tai paljastaa subjektiivisia vinoumia, joita tutkija ei ole aikaisemmin huomannut. Ohjelman käyttö vaatii kuitenkin ihmisen aktiivista osallistumista ja tulosten validoinnin, sillä sovelluksen luotettavauuden ei pääsääntöisesti voida arvioida olevan vielä riittävällä tasolla. Lisäksi ohjelman tuottama analyysi ei yleisesti saavuta osaavan tutkijan suorittaman analyysin syvyyttä, yksityiskohtaisuutta ja kattavuutta. Yleisesti ottaen ohjelman kyky tarjota käyttäjälleen arvokasta tukea osoittaa kuitenkin, että kehitystyö on onnistunut ja asetetut tavoitteet on pääsääntöisesti saavutettu.