Reflexis：通过支持审议的设计促进协作定性分析中的反思性与严谨性

文献标题

Reflexis: Supporting Reflexivity and Rigor in Collaborative Qualitative Analysis through Design for Deliberation

出版信息

• 主题领域: 强调反思性和方法学严谨性的协作定性分析工具。
• 关键词: 反思性主题分析、定性数据分析、协作、反思性、代码演化、立场性、AI辅助工具、透明性、审议、解释性方法。

背景与问题

• 问题/挑战: 当前的定性分析工具优先考虑速度和共识，往往忽视了反思性、透明性以及对反思性主题分析（RTA）至关重要的富有成效的分歧。诸如记录代码演化和整合立场性等实践支持不足。
• 意义: 填补这些空白对于生成严谨且有影响力的定性洞察至关重要，尤其是在HCI、社会学和教育等领域，解释深度至关重要。
• 动机与相关工作: 虽然像NVivo和ATLAS.ti这样的工具专注于自动化和可扩展性，但它们往往压制了解释性多样性。最近的AI驱动系统强调效率，但未能支持反思性实践或原则性分歧。Reflexis基于对突出模糊性并支持反思性的AI系统的呼吁。

解决方案

• 提出的方法: Reflexis，一个协作工作空间，旨在将反思性、分析历史和立场性直接嵌入定性分析工作流程中。
• 创新性:
  1. 通过现场反思性提示，将研究者的视角直接与编码决策联系起来。
  2. 通过详细的历史记录和主动漂移警报实现透明的代码演化跟踪。
  3. 立场性感知的协作工具，将解释性差异框定为富有成效的对话。
• 流程和关键技术: Reflexis通过以下功能实现反思性：ReflexiveLens用于现场反思，Analysis History用于跟踪代码演化，Discussion Focus通过立场性感知提示支持协作解释。AI辅助是建议性的，确保以人为主导的决策。

结果

• 具体发现:
  • Reflexis提高了现场反思性，参与者报告在编码过程中进行了更细致和深思熟虑的反思。
  • Analysis History功能因增强透明性和严谨性而受到普遍赞誉，而Code Drift Alert则激发了对代码定义的批判性反思。
  • Discussion Focus优化了协作工作流程，使分歧讨论更加高效和有针对性。
• 相较基线的优势: Reflexis通过自动化透明性、揭示解释性差异以及将反思性嵌入工作流程，填补了现有工具的空白。参与者认为，与他们分散的手动方法相比，这种方式新颖且具有影响力。
• 实验/评估: 一项针对12位经验丰富的定性研究者的配对分析师研究证明了Reflexis支持反思性、透明性和协作的能力。参与者在结构化会议中使用合成数据集，提供了定性和定量反馈。
• 局限性与未来工作:
  • 仅限于单次会议评估；需要纵向研究以评估长期采用情况。
  • 立场性操作化可能会简化复杂身份；未来工作应探索动态或团队层面的表示。
  • 未研究较大团队和权力不对称情况；需要进一步研究以了解Reflexis在多样化协作环境中的适用性。

总结

Reflexis引入了一个优先考虑反思性、透明性和原则性分歧的定性分析协作工作空间。通过ReflexiveLens、Analysis History和Discussion Focus等功能，它将反思性从总结性活动转变为一种集成的、细致的实践。一项针对12位研究者的配对分析师研究证明了其支持更深层次反思、增强方法学透明性以及促进富有成效协作的能力。通过设计审议而非效率，Reflexis提供了一种原则性方法来构建增强解释性知识工作的人工智能系统，同时保留研究者的自主性。