使用 AI 驱动的工具为您的分析注入活力
ATLAS.ti AI Lab 不断致力于通过一系列 AI 驱动的技术为您的研究提供支持，这些技术可以即时过滤和细分您的数据，识别相关数据，并自动对您的数据进行编码。在本文中，我们将介绍如何轻松分析观点、概念、情绪、实体、关键字和同义词，以及词频和词性。
Neringa Kalpokas（内林加·卡尔波卡斯）
培训与伙伴关系发展总监
人工智能工具如何帮助进行定性数据分析？
定性研究具有释放创新见解的巨大潜力，因为数据是以开放式方式收集的，使人们能够表达自己并谈论他们认为相关的任何内容。但有一个问题：分析定性数据可能非常耗时！这仅仅是因为存在如此多的信息–无论是在明确的、表面的细节方面，还是在所说的内容背后的微妙细微差别方面。长期以来，设计能够有效地自动分析丰富数据（如访谈、焦点小组、调查、评论和其他类型的文本）的数字技术是极其困难的。然而，随着技术继续以指数级的速度发展，这些时代现在已经落后了！
程序员和软件开发人员已经构建了结合自然语言处理 （NLP） 的人工智能 （AI） 技术，研究人员最终可以利用 AI 驱动的工具来促进他们的定性数据分析。ATLAS.ti AI 实验室一直在努力开发符合研究人员需求的 NLP 功能，ATLAS.ti 现在提供了广泛的工具，可以为任何方法和任何研究问题释放新的潜力。
准确理解词云在说什么
理解定性数据的本质是分析词语：参与者谈论了什么？给定的文本中发生了什么？当您掌握数据的那一刻，您就可以开始使用 ATLAS.ti Desktop 中的词云探索和发现潜在的模式。
例如，您可能刚刚收集了调查数据，要求人们评估视频游戏，例如 Minecraft。甚至在打开并阅读每个人的回答之前，您就可以准确地看到词云中所说的内容，该词云显示了文本中出现的所有单词以及每个单词的频率。使用停止词表、Go列表和设置阈值来专注于重要的事情。从Minecraft的调查数据中，你已经可以看到，参与者主要谈论感觉、思维、人，“伟大”这个词出现了很多。ATLAS.ti 通过推断基本形式或自动组合同一单词的所有变体（例如“play”、“played”和“playing”），使理解提到了哪些单词变得更加容易。如果你真的想准确地解读所说的内容，你可以让 ATLAS.ti 根据特定的词性过滤结果。例如，您可能只想关注数据中存在的形容词，以了解受访者如何描述游戏。除了看看大家都说了什么，比较不同群体的受访者（比如玩游戏的人和不玩游戏的人）也很有趣。ATLAS.ti 中的词云可用于搜索项目的任何部分：文档、引文、代码和组。您还可以通过导出单词列表和词云来共享您的发现，并使其他人更容易准确理解您的数据中所说的内容。
使用文本搜索查找所有相关数据
当您想查看有关您感兴趣的特定单词或主题的内容时，您不想花时间筛选整个文本正文，也不想冒着错过一些相关实例的风险！ATLAS.ti 的文本搜索将为您浏览文本，并显示带有搜索词的所有数据——以及任何同义词和变形形式–您可以立即将代码（或标签）附加到结果中，以保存您的发现并节省您宝贵的时间。
例如，要分析受访者对视频游戏《我的世界》的评价，您可能想了解他们对构建事物的看法，因为这是游戏的核心功能。然而，使用简单的文本搜索会错过受访者谈论建造、制造或组装事物的例子。ATLAS.ti 文本搜索中包含的智能搜索还包含同义词和屈折形式，为您查找所有相关数据，因此您不必担心遗漏任何内容。您可以立即在一个列表中查看所有结果，并轻松附加代码。无论您有多少文本，或者您正在搜索哪些单词或短语，“文本搜索”都可以立即捕获您感兴趣的结果。
通过命名实体识别发现所有人员、地点和组织
如果您想准确了解人们在谈论什么怎么办？您的数据中可能会出现特定的人、地点或组织，但您不可能创建一个详尽的列表来自己搜索和查找每个人员。借助 ATLAS.ti 的命名实体识别，自然语言处理可以即时识别和编码所有人员、地点、组织和其他实体（例如艺术作品、语言、政党等）。
例如，您可能正在分析一个特定的实体，例如视频游戏 Minecraft，但了解参与者如何将其与其他类似实体进行比较也很重要。此外，许多视频游戏已经获得了庞大的在线社区，可以在各种平台上玩，检查这些社区互动和游戏的位置可以让您获得更深入的见解。通过命名实体识别，可以轻松查看参与者谈论了哪些游戏机，例如任天堂和 Xbox，以及玩家如何使用 YouTube 学习和分享内容。ATLAS.ti 通过自动建议每个实体的代码来进一步支持您的分析，只需单击一下即可附加到所有相关数据。
通过情感分析掌握人们的反应和情绪
了解人们对某事的感受通常是分析的关键部分。当参与者有机会用自己的话表达自己时，他们说话的语气可以揭示很多关于这个人的信息，以及更深层次或更微妙的模式。ATLAS.ti 的情感分析利用先进的自然语言处理来自动识别和编码数据中表达的任何积极、中立和消极情绪。
例如，一旦您收到对调查的回复，您可能就想检查每个人对您正在研究的主题的看法。情绪分析使您可以轻松地深入研究出现的反应和感受：您可以在一个列表中查看所有结果，并且可以使用 ATLAS.ti 为每种情绪建议的代码立即对结果进行编码。只需单击一下，您就可以对数据中的所有感受进行编码，从而为您探索参与者中占主导地位的情绪、比较不同的参与者群体等铺平道路。
使用概念搜索发现主题、主题或联系
理解正在谈论的内容似乎是一项简单的任务，但随着许多细微差别的出现以及对调查结果进行分类的多种途径似乎是合理的，它很快就会变得非常复杂。识别和综合数据中存在的主要主题对于找到可以带来创新见解的联系和模式至关重要。ATLAS.ti 的概念搜索可以在任何文本正文中找到最常被提及的名词以及相关单词，因此您可以立即编码和探索数据中的潜在主题、主题或联系。
例如，您可能已经收集了要阅读的各种文章、报告或网页，以便您可以了解有关您的主题的更多信息。也许您正在研究儿童和青少年如何从 Minecraft 等视频游戏中学习，并且您知道学习的方式有很多种。与其花时间筛选您收集的所有相关文献来确定您可以检查的各种学习方法，不如运行概念搜索并立即查看所有文本中讨论了哪些概念和子概念，例如基于游戏的学习、共同学习和创造性学习。您可以轻松地将主要概念视为词云或单词列表，然后单击任何概念以查看所有子概念和文本的确切片段。这使您可以立即参与文本中的信息并提取更深入的见解，因为您可以轻松查看总体模式并放大以准确检查这些模式是如何表达和编织在一起的。只需单击一下，您就可以将 ATLAS.ti 的建议代码附加到您选择的概念或子概念上，从而让您立即对细节进行编码，并专注于可以阐明对您重要的问题的模式。
通过意见挖掘加深您的见解
当人们被问到开放式问题时，就不同主题发表意见的可能性几乎是无穷无尽的。了解人们在谈论什么当然很重要，但了解人们对这些不同事物的感受同样有价值：他们喜欢还是不喜欢它？他们同意还是不同意？探索数据中的意见并获得更深入的见解。
例如，一旦您收到对调查的回复，您可能就会有兴趣了解表达了哪些意见。通过 ATLAS.ti 的意见挖掘，您可以立即看到正在谈论的内容以及每个主题或概念是正面还是负面。彩色条形图使您轻松理解数据中的意见，您可以单击以查看每个意见背后的数据。如果您正在分析父母对视频游戏 Minecraft 的评价，您可以立即看到对该游戏的喜欢和不喜欢。自动附加 ATLAS.ti 建议的代码以保存您的发现，您可以专注于构建您的分析。
使用其他分析工具解锁创新见解
ATLAS.ti AI Lab 开发了强大的工具，可以自动搜索、过滤甚至编码您想要分析的任何文本。将代码附加到相关数据段通常是分析定性数据中最耗时的部分，但由于人工智能和自然语言处理的发展，您可以在几分钟内对数据进行编码，而不是几天。
一旦你对你的数据进行了编码，你就可以轻松地查询它，并使用ATLAS.ti的其他功能以各种方式继续深入挖掘。您可以使用代码共现表检查对不同实体表达了哪些感受，或者使用代码-文档表比较不同参与者组的意见。导出不同类型的输出，例如表格、电子表格、词云图像、网络和桑基图，以吸引人的视觉效果展示您的发现，从而有效地将您的观点传达给您的受众。这些 AI 驱动的工具可促进您的分析，帮助您识别和编码相关数据，您可以依靠 ATLAS.ti 软件、学习资源、示例项目和 ATLAS.ti 支持团队来帮助您探索新兴模式并开发有意义的见解。
准备好试用 ATLAS.ti 了吗？
直观的 AI 工具可帮助您完成研究项目。通过免费试用 ATLAS.ti 来查看它们。
