كيفية إجراء التحليل الموضوعي باستخدام الذكاء الاصطناعي: خطوة بخطوة

التحليل الموضوعي هو طريقة للعثور على أنماط المعنى عبر البيانات النوعية، مثل نصوص المقابلات أو إجابات الاستبيانات المفتوحة. للقيام بذلك باستخدام الذكاء الاصطناعي، قم بتحميل النصوص وسؤال البحث الخاص بك، ودع الذكاء الاصطناعي يقترح رموزاً أولية، ثم قم بتطوير السمات والتحقق منها بنفسك. يسرع الذكاء الاصطناعي عملية القراءة والتصنيف، بينما يظل التفسير مسؤوليتك أنت.

يشرح هذا الدليل ماهية التحليل الموضوعي، ويستعرض المراحل الست، ويوضح أين يساعد الذكاء الاصطناعي وأين لا ينبغي له اتخاذ القرار. كما يتضمن مثالاً عملياً، وتنسيقاً لجدول النتائج، ومقارنة مع تحليل المحتوى.

ما هو التحليل الموضوعي

تعرّف فرجينيا براون وفيكتوريا كلارك، اللتان طورتا النسخة الأكثر استشهاداً بهذه الطريقة، هذا المفهوم على موقعهما الإلكتروني: "يشير التحليل الموضوعي (TA) إلى مجموعة من مناهج البحث النوعي التي تُستخدم لاستكشاف وتفسير المعاني النمطية عبر مجموعات البيانات".

هناك كلمتان مهمتان في هذا التعريف. "مجموعة" تعني أن التحليل الموضوعي هو عائلة من المناهج، وليس إجراءً ثابتاً واحداً. و"تفسير" تعني أن المخرج هو حجة حول ما تعنيه البيانات، وليس إحصاءً لما تقوله.

تقسم براون وكلارك هذه العائلة إلى ثلاث مجموعات: مناهج موثوقية الترميز، ومناهج دليل الرموز (codebook)، ومنهجهما الانعكاسي الخاص. ويؤثر هذا الاختلاف على كيفية استخدامك للذكاء الاصطناعي.

• تحدد موثوقية الترميز دليل الرموز مبكراً وتتحقق من أن المرمزين المختلفين يطبقونه بالطريقة نفسها.
• تستخدم مناهج دليل الرموز (Codebook) أيضاً إطاراً هيكلياً، ولكنها تسمح له بالتطور نوعاً ما.
• يبقي التحليل الموضوعي الانعكاسي الترميز مفتوحاً ويسمح له بالتغيير مع تعمق فهمك. وتقول الأسئلة الشائعة لديهما بوضوح إن "التحليل الموضوعي الانعكاسي يتجنب أدلة الرموز".

في التحليل الموضوعي الانعكاسي، تكون السمة أكثر من مجرد موضوع. تصف براون وكلارك السمات بأنها "نمط من المعنى المشترك المدعوم بمفهوم أو فكرة مركزية". فموضوع مثل "التسعير" ليس سمة، بينما "يقرأ العملاء السعر كإشارة على الثقة" هو سمة.

المراحل الست

تحدد براون وكلارك ست مراحل. وتؤكدان أن "هذه المراحل لا تفرض عملية جامدة يجب عليك اتباعها". من الناحية العملية، سوف تنتقل ذهاباً وإياباً بينها.

1. التعرف على مجموعة البيانات. قراءة البيانات وإعادة قراءتها، وتدوين الملاحظات الأولى.
2. الترميز. إرفاق تسميات قصيرة بالأجزاء ذات المعنى، عبر مجموعة البيانات بأكملها، في جولتين أو أكثر.
3. توليد السمات الأولية. تجميع الرموز في أنماط معنى مرشحة.
4. تطوير السمات ومراجعتها. التحقق من كل سمة مرشحة مقابل البيانات المرمزة ومجموعة البيانات الكاملة. تقسيم السمات أو دمجها أو إسقاطها حسب الحاجة.
5. تنقيح السمات وتحديدها وتسميتها. تحديد نطاق وقصة كل سمة وإعطائها اسماً معبراً.
6. الكتابة والتقرير. نسج السرد التحليلي مع مقتطفات البيانات، وربطه بالدراسات السابقة.

يصف موقعهما العملية بصدق: "التحليل عادة ما يكون عملية تكرارية". توقع العودة إلى الترميز بعد البدء في بناء السمات.

أين يساعد الذكاء الاصطناعي وأين لا ينبغي له اتخاذ القرار

الذكاء الاصطناعي مفيد حقاً في المراحل التي تنطوي على كميات كبيرة من البيانات. يمكنه قراءة أربعين نصاً بسرعة، واقتراح رموز مرشحة، واستخراج كل مقتطف يناسب رمزاً معيناً، وحساب عدد مرات ظهور النمط.

لا ينبغي له اتخاذ القرارات التفسيرية. تكتب براون وكلارك أن "التحليل النوعي هو عملية ماهرة، ومحددة بالسياق، وذاتية". فالنموذج لا يشاركك اهتمامك بسؤال البحث، ولا يعرف سوى السياق الذي تقدمه له.

تطرح أسئلتهما الشائعة نقطة ذات صلة ببرامج التحليل. وتكتبان أن المهم هو "أن تكون باحثاً عارفاً". وهذا يعني استخدام أي أداة بطريقة تتوافق مع قيم المنهج الذي اخترته.

يبدو التقسيم العملي للمهام كما يلي:

المرحلة	ما يمكن للذكاء الاصطناعي فعله	ما تقرره أنت
التعرف على البيانات	تلخيص كل نص، وتحديد الفقرات المفاجئة	أي الفقرات تهم سؤالك البحثي
الترميز	اقتراح رموز أولية وتطبيقها باتساق	أي الرموز يجب الاحتفاظ بها، أو دمجها، أو إعادة تسميتها
توليد السمات	تجميع الرموز واستخراج المقتطفات الداعمة	ما إذا كان التجمع يمثل نمط معنى حقيقي
مراجعة السمات	البحث في مجموعة البيانات عن أمثلة مضادة	ما إذا كانت السمة متماسكة وصامدة
تسمية السمات	اقتراح أسماء وتعاريف من سطر واحد	الاسم النهائي والقصة التي ترويها السمة
الكتابة والتقرير	صياغة الأقسام وتجميع الاقتباسات	الحجة والادعاءات الخاصة بها

إذا كنت تستخدم منهج دليل الرموز، فيمكن لمخرجات الذكاء الاصطناعي أن تعمل كمسودة لدليل الرموز. وإذا كنت تستخدم التحليل الموضوعي الانعكاسي، فعامل رموز الذكاء الاصطناعي كمحفزات للتفكير، وليس كالتحليل نفسه.

أياً كان المنهج الذي تستخدمه، سجل كيفية مشاركة الذكاء الاصطناعي. دوّن الأداة، والمراحل التي ساعدت فيها، وما قمت بتغييره بعد ذلك. فقرة قصيرة عن المنهجية تجيب على السؤال قبل أن يطرحه المراجع أو الممتحن أو صاحب المصلحة.

ما تحتاجه قبل البدء

جهز أربعة أشياء قبل أن تلمس أي أداة ذكاء اصطناعي البيانات.

سؤال بحثي واضح. يُحكم على كل رمز وسمة بناءً عليه. فسؤال مثل "ما الذي يواجهه العملاء أثناء التهيئة والتدريب؟" ينتج تحليلاً مختلفاً عن "لماذا يلغي العملاء اشتراكهم في الشهر الأول؟"

نصوص نظيفة ومجهولة الهوية. قم بإزالة الأسماء، وأسماء الشركات، ورسائل البريد الإلكتروني، وأي تفاصيل تحدد هوية المشارك. افعل ذلك قبل الرفع وليس بعده. تحقق من موافقتك الأخلاقية أو نماذج الموافقة لمعرفة أي قيود على أدوات الطرف الثالث.

وثيقة ملاحظات لتأملاتك الخاصة. يبرز التحليل الموضوعي الانعكاسي وجهة نظر الباحث. احتفظ بسجل مستمر لافتراضاتك وردود أفعالك أثناء القراءة، بشكل منفصل عن أي شيء ينتجه الذكاء الاصطناعي.

تنسيق ملف متسق. ملف واحد لكل مقابلة، مع تسميات المتحدثين، يسهل تتبع كل مقتطف والرجوع به إلى مصدره. احتفظ بفهرس بسيط يربط رموز المشاركين بتواريخ المقابلات.

كيفية إجراء التحليل الموضوعي باستخدام الذكاء الاصطناعي

تتبع الخطوات أدناه المراحل الست، وهي مجمعة في ثلاث جلسات عمل.

الخطوة 1: تحميل النصوص وتحديد سؤال البحث

قم برفع النصوص مجهولة الهوية إلى مساحة عمل ذكاء اصطناعي مثل Powerdrill Bloom. تدرج خططها إمكانية رفع ملفات Excel وCSV وPDF والمستندات، لذا فإن النصوص بتنسيق Word أو PDF تعمل كما هي. كما تعمل أيضاً إجابات الاستبيانات المفتوحة المصدرة إلى جدول بيانات.

حدد سؤال البحث أولاً، قبل أي طلب. ثم اطلب ملخصاً قصيراً لكل نص وقائمة بالفقرات التي تتعلق بالسؤال.

اقرأ تلك الملخصات، ثم اقرأ النصوص بنفسك. تسرع ملخصات الذكاء الاصطناعي عملية التعرف على البيانات، لكنها ليست بديلاً عنها. دوّن انطباعاتك الأولى في وثيقة منفصلة قبل النظر إلى أي رموز يولدها الذكاء الاصطناعي.

الخطوة 2: توليد رموز أولية، ثم الترميز بنفسك مجدداً

اطلب من الذكاء الاصطناعي اقتراح رموز لكل نص. واطلب تسميات قصيرة، وتعريفاً من سطر واحد لكل منها، والمقتطفات الدقيقة التي تدعمها.

الطلب المفيد يكون قصيراً ومحدداً. اطلب ترميز النص لأي شيء يتعلق بسؤال البحث، وإبقاء التسميات أقل من خمس كلمات، واقتباس الفقرة الدقيقة لكل منها. إن طلب الفقرات الدقيقة يسهل اكتشاف أي رمز انحرف عما قاله المشارك بالفعل.

ثم قم بجولة ثانية من الترميز بنفسك. قارن رموزك بقائمة الذكاء الاصطناعي. وحيثما يتفقان، فمن المحتمل أن الرمز يصف شيئاً موجوداً بوضوح. وحيثما يختلفان، انظر عن كثب؛ فإما أن الذكاء الاصطناعي قد لاحظ شيئاً فاتك، أو أنه قام بترميز الكلمات السطحية بدلاً من المعنى.

حافظ على إمكانية تتبع كل مقتطف. يجب أن يشير كل رمز إلى مشارك وفقرة محددة. تذكر الصفحة الرئيسية لـ Powerdrill Bloom أن كل رقم "يأتي مصحوباً بالصفحة والصف والشكل الذي يقف وراءه"، وتكتسب إمكانية التتبع نفسها الأهمية ذاتها بالنسبة للاقتباسات.

الخطوة 3: بناء السمات المرشحة والتحقق منها مقابل البيانات

اطلب من الذكاء الاصطناعي تجميع رموزك النهائية في سمات مرشحة، مع المقتطفات الداعمة لكل منها. تعامل مع هذه التجمعات كنقطة انطلاق.

لكل سمة مرشحة، اطرح سؤالاً واحداً: هل هناك مفهوم أو فكرة مركزية وراءها؟ إذا كانت الإجابة مجرد موضوع مشترك، فهي ليست سمة بعد. قم بتقسيمها، أو دمجها، أو إسقاطها.

ثم اختبر كل سمة. اطلب من الذكاء الاصطناعي العثور على مقتطفات تتعارض معها. فالسمة التي تصمد أمام البحث المتعمد عن أمثلة مضادة تكون أقوى من تلك التي لم يتم تحديها قط.

أخيراً، قم بتسمية كل سمة واكتب تعريفاً لها من جملتين. صغ التقرير قسماً تلو الآخر، وتحقق من كل اقتباس مقابل النص الأصلي قبل إدراجه في التقرير.

مثال عملي

إليك نسخة مختصرة من العملية المطبقة على دراسة بحثية لمنتج شملت اثنتي عشرة مقابلة مع العملاء. كان سؤال البحث يستفسر عن سبب توقف العملاء الجدد عن استخدام المنتج في غضون 30 يوماً.

شملت رموز الذكاء الاصطناعي في الجولة الأولى "استغرق الإعداد وقتاً طويلاً"، و"تسعير غير واضح"، و"الحاجة إلى موافقة قسم تكنولوجيا المعلومات".

بعد جولة ثانية من الترميز، لاحظ الباحث أن الرموز الثلاثة ظهرت جميعها في مقابلات مع أشخاص لم يختاروا المنتج بأنفسهم.

وكانت السمة الناتجة هي "التبني دون تملك". فالعملاء الذين فُرض عليهم المنتج لم يكن لديهم دافع لتجاوز عقبات الاستخدام الأولى.

ثم طلب الباحث من الذكاء الاصطناعي أمثلة مضادة: عملاء لم يختاروا المنتج ولكنهم استمروا في استخدامه على أي حال. تطابقت مقابلتان مع هذا الوصف؛ حيث وصف كلاهما زميلاً أظهر لهما فائدة سريعة في الأسبوع الأول، مما ساهم في تنقيح السمة بدلاً من نقضها.

استخرج الذكاء الاصطناعي الرموز بسرعة، بينما جاءت السمة من ملاحظة الباحث لمن كان يقولها، وهو أمر لم يستطع أي رمز التقاطه بمفرده.

كيفية تقديم نتائج التحليل الموضوعي

يبدأ قسم النتائج عادة بجدول للسمات، ثم يناقش كل سمة مع المقتطفات الداعمة لها. يوضح الجدول أدناه تنسيقاً شائعاً لذلك.

السمة	التعريف	المشاركون	مثال على مقتطف
التبني دون تملك	المستخدمون الذين لم يختاروا المنتج بأنفسهم لم يكن لديهم دافع يذكر للاستمرار	7 من أصل 12	"قيل لي أن أستخدمه، لذا فعلت الحد الأدنى."
الإعداد كانطباع أول	شكل جهد الإعداد المبكر النظرة العامة للمنتج	9 من أصل 12	"إذا كانت الساعة الأولى صعبة، فستفترض أن الباقي سيكون كذلك."

اتبع الجدول بقسم قصير لكل سمة. اشرح الفكرة المركزية، واعرض مقتطفين أو ثلاثة، واربطها بسؤال البحث الخاص بك.

اختر المقتطفات التي تعرض السمة من زوايا مختلفة، بدلاً من ثلاثة اقتباسات تقول الشيء نفسه. اجعلها قصيرة، وانسبها دائماً إلى رمز المشارك. يثق القراء بالسمة أكثر عندما يرونها تتردد على ألسنة عدة أشخاص.

تُعد أعداد المشاركين سياقاً مفيداً، لكن منهج براون وكلارك لا يعامل التكرار كمقياس للأهمية. فالسمة التي ذكرها أربعة أشخاص قد تكون أكثر أهمية من تلك التي ذكرها عشرة.

بالنسبة لجمهور أصحاب المصلحة، غالباً ما تتحول النتائج نفسها إلى عرض تقديمي قصير. تصف أداة AI research synthesis هذا المسار، حيث تجمع بين النصوص والاستبيانات في سمات وأدلة وعرض تقديمي لأصحاب المصلحة.

التحليل الموضوعي مقابل تحليل المحتوى

غالباً ما يُخلط بين الطريقتين لأن كلتيهما تتعاملان مع البيانات النوعية.

	التحليل الموضوعي	تحليل المحتوى
الهدف الرئيسي	تفسير أنماط المعنى	تصنيف المحتوى وإحصاؤه غالباً
المخرجات	سمات ذات فكرة مركزية	فئات مع تكراراتها
دور الإحصاء/العد	سياق داعم على الأكثر	مركزي غالباً
الأفضل لـ	فهم التجارب والآراء	قياس مدى تكرار ظهور شيء ما

إذا كان سؤالك هو "كم مرة يذكر العملاء التسعير؟"، فإن تحليل المحتوى هو الأنسب. وإذا كان "ماذا يعني التسعير للعملاء؟"، فإن التحليل الموضوعي هو الأنسب.

تستخدم بعض المشاريع الطريقتين بالتتابع؛ حيث توضح جولة قياس التكرار عبر مجموعة بيانات كبيرة أين تتركز البيانات، ثم تفسر جولة التحليل الموضوعي على عينة أصغر ومحددة ما يعنيه هذا التركز.

بالنسبة للملاحظات والآراء واسعة النطاق، مثل آلاف المراجعات أو تذاكر الدعم، غالباً ما تكون رؤية التكرار هي الحاجة الأولى. تقوم أداة Voice of Customer Summarizer بتجميع قنوات الملاحظات في سمات مع تكرارها واقتباس حرفي ممثل لكل منها.

التحليل الموضوعي في Excel

لا يزال العديد من الباحثين يرمزون في جداول البيانات، وهي طريقة تعمل بشكل جيد في الدراسات الصغيرة. يستخدم التخطيط البسيط صفاً واحداً لكل مقتطف.

• العمود A: رمز المشارك.
• العمود B: المقتطف، منسوخاً كما هو تماماً.
• العمود C: رمز الجولة الأولى.
• العمود D: رمز الجولة الثانية.
• العمود E: السمة المرشحة.

يتيح لك التصفية حسب السمة رؤية كل مقتطف داعم في عرض واحد. كما يوضح عدد الصفوف لكل سمة ولكل مشارك بلمحة سريعة ما إذا كانت السمة تعتمد على مقابلة واحدة مع شخص كثير الكلام. لكن العائق يكمن في حجم البيانات؛ فبعد بضع مئات من المقتطفات، يصبح الفرز وإعادة الترميز يدوياً أمراً بطيئاً، وهنا يوفر التجميع بمساعدة الذكاء الاصطناعي أكبر قدر من الوقت.

إذا كان مشروعك يتضمن أيضاً مراجعة للدراسات المنشورة، فإن دليلنا لكتابة مراجعة الدراسات السابقة باستخدام الذكاء الاصطناعي يغطي هذا الجزء.

أخطاء شائعة

• معاملة الموضوعات كسمات. "التواصل" هو موضوع، بينما السمة تقول شيئاً محدداً عنه.
• قبول رموز الذكاء الاصطناعي دون جولة ثانية. غالباً ما ترمز رموز الجولة الأولى الكلمات السطحية بدلاً من المعنى.
• رفع بيانات تحدد الهوية. اجعل النصوص مجهولة الهوية قبل أي عملية رفع.
• اعتبار التكرار دليلاً كافياً. يدعم التكرار السمة، لكنه لا يؤسسها بمفرده.
• تخطي البحث عن أمثلة مضادة. السمة التي لم يتم تحديها قط تكون أضعف مما تبدو عليه.
• السماح للذكاء الاصطناعي بتسمية السمات. تحمل الأسماء الحجة البحثية، لذا اكتبها بنفسك بمجرد استقرار السمات وتحديدها.

إن تجنب هذه الأخطاء هو ما يميز التحليل الموثوق عن مجرد ملخص بعناوين رئيسية. إذا كنت تريد إنجاز القراءة والترميز والتجميع بشكل أسرع على نصوصك الخاصة، يمكنك تجربة Powerdrill Bloom في دراسة واحدة.

الأسئلة الشائعة

ما هو التحليل الموضوعي بعبارات بسيطة؟

التحليل الموضوعي هو طريقة للعثور على أنماط المعنى وتفسيرها في البيانات النوعية، مثل المقابلات. يقوم الباحث بترميز البيانات، وتجميع الرموز في سمات، وشرح ما تقوله كل سمة عن سؤال البحث.

ما هي الخطوات الست للتحليل الموضوعي؟

مراحل براون وكلارك الست هي: التعرف على مجموعة البيانات، والترميز، وتوليد السمات canidate الأولية، وتطوير السمات ومراجعتها، وتنقيح السمات وتحديدها وتسميتها. والمرحلة السادسة هي الكتابة والتقرير. وتشيران إلى أن هذه المراحل ليست قواعد جامدة.

هل يمكن للذكاء الاصطناعي إجراء التحليل الموضوعي؟

يمكن للذكاء الاصطناعي المساعدة في الأعمال التي تتطلب معالجة كميات كبيرة من البيانات، مثل تلخيص النصوص، واقتراح الرموز، واستخراج المقتطفات. لكن العمل التفسيري المتمثل في تحديد ما تعنيه السمة لا يزال يتطلب الباحث البشري. تصف براون وكلارك التحليل النوعي بأنه عملية ماهرة، ومحددة بالسياق، وذاتية.

كم عدد السمات التي يجب أن يحتوي عليها التحليل الموضوعي؟

تذكر براون وكلارك أنه "لا توجد صيغة دقيقة لتحديد عدد السمات في التحليل الموضوعي (TA)". فالأمر يعتمد على البيانات، وسؤال البحث، وطول التقرير. يمكن للتحليل أن يعرض سمة واحدة بعمق أو يقدم نظرة عامة أوسع.

ما الفرق بين التحليل الموضوعي وتحليل المحتوى؟

يفسر التحليل الموضوعي أنماط المعنى وينتج سمات. بينما يصنف تحليل المحتوى المضمون وغالباً ما يحسب مدى تكرار ظهور الفئات. اختر التحليل الموضوعي لفهم التجارب والآراء، وتحليل المحتوى لقياس التكرار.

المصادر: براون وكلارك، التحليل الموضوعي · فهم التحليل الموضوعي · إجراء التحليل الموضوعي الانعكاسي · الأسئلة الشائعة حول التحليل الموضوعي. المثال العملي وجدول النتائج توضيحية.