Verwendung von Large Language Models für die thematische Analyse. Offene Aufforderungen, bessere Terminologien und thematische Karten

Abstract

In diesem Beitrag baue ich auf einer ersten Forschungsarbeit auf, in der ich Verfahren zur Nutzung von Large Language Models (LLMs) in der qualitativen Datenanalyse entwickelt habe, indem ich eine thematische Analyse (TA) mit LLMs durchführe. Die TA dient der Identifizierung von Mustern durch eine anfängliche Kennzeichnung qualitativer Daten, gefolgt von der Organisation der Kennzeichnungen/Codes nach Themen.

Zunächst schlage ich einen neuen Satz von LLM-Aufforderungen für die anfängliche Kodierung und Generierung von Themen vor. Diese neuen Prompts unterscheiden sich von den typischen Prompts, die für eine solche Analyse eingesetzt werden, da sie völlig offen sind und auf TA-Sprache beruhen. Zweitens untersuche ich den Prozess des Entfernens doppelter Anfangscodes durch eine vergleichende Analyse der Codes jedes Interviews mit einem kumulativen Codebuch. Drittens untersuche ich die Konstruktion von thematischen Karten aus den Themen, die durch das LLM hervorgerufen wurden. Viertens bewerte ich die vom LLM erzeugten Themen im Vergleich zu den Themen, die manuell von Menschen erzeugt wurden. Für die Durchführung dieser Untersuchung habe ich ein kommerzielles LLM über eine Anwendungsprogrammschnittstelle (API) eingesetzt. Zwei Datensätze von frei zugänglichen halbstrukturierten Interviews wurden analysiert, um die methodischen Möglichkeiten dieses Ansatzes zu demonstrieren. Ich schließe mit praktischen Überlegungen zur Durchführung von TA mit LLM, um unser Wissen über das Feld zu erweitern.