邁向影片數據質性分析的規模化研究
arXiv - Human-Computer InteractionShiyi He
本文提出 QualiVision 設計探針，旨在透過整合影片、逐字稿與 AI 支援的互動式工作空間，協助研究者進行規模化的質性分析。
AI 幫你先抓重點
AI 重點 1
質性分析工具從單一功能轉向「整合式工作空間」的趨勢
滑鼠懸停看 AI 判斷理由
傳統質性分析常在影片播放器與編碼軟體間切換，導致脈絡斷裂。QualiVision 展現了將多模態數據（影片、文字、視覺化）整合在單一介面的重要性，這對於提升研究者的認知負荷管理至關重要。
AI 重點 2
AI 在質性研究中扮演「輔助者」而非「替代者」的角色
滑鼠懸停看 AI 判斷理由
透過將 AI 整合進反思性工作流，研究者可以利用 AI 進行初步整理，但核心的意義建構與詮釋仍由人類主導，這為未來 AI 輔助教育研究提供了新的範式。
核心研究發現
- 1
開發了名為 QualiVision 的設計探針，透過結合試算表架構與影片播放，建立一個整合性的質性分析工作空間。
- 2
系統整合了影片、逐字稿、編碼流、初步報告、啟發式視覺化以及 AI 輔助功能，以支持研究者的分析流程。
- 3
該工具設計的核心目標是幫助研究者在分析演進過程中，能夠保留證據、比較不同解釋，並進行迭代式的反思性意義建構。
對教育工作者的啟發
對於從事教育研究（如觀察課堂互動、學生學習行為）的工作者，本研究啟發了數位工具應具備「證據追蹤」與「多維度對照」的功能。建議在設計或選擇研究工具時，不應僅關注單純的錄影或轉錄，而應優先考慮工具是否能將影片片段、文字紀錄與研究者的反思筆記進行結構化連結，以確保研究過程的可重複性與嚴謹性。
原始文獻資訊
- 英文標題：
- Towards Scaling Qualitative Analysis of Video Data
- 作者：
- Shiyi He
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。