Bereiten Sie Forschungsdaten von Teilnehmern für KI vor
Teilnehmerdaten können durch ein markantes Zitat, seltene Erfahrungen oder Attributkombinationen identifizierbar bleiben. Das Ersetzen von Teilnehmernamen reicht nicht aus, um Anonymität oder die Erlaubnis zur Nutzung eines anderen Verarbeiters zu gewährleisten. Beginnen Sie mit dem genehmigten Zweck der Studie und der Empfangsumgebung.
Für Forschungsoperationen und autorisierte Studienteams
Synthetisches Beispiel: Test eines Codierungsrahmens
Ein fiktives Studienteam möchte eine thematische Codierungstabelle testen. Die Antworten sind erfunden, enthalten überlappende Themen und Mehrdeutigkeiten; sie sind keine Teilnehmerzitate, Studienergebnisse oder Belege für eine Population.
Womit Sie arbeiten
- Ein DOCX-Interviewauszug mit Namen, Orten und persönlichen Erfahrungen.
- Eine XLSX-Teilnehmertabelle mit demografischen Daten und Rekrutierungsreferenzen.
- Ein vorgeschlagenes Codebuch mit Definitionen von Themen und Beispielen.
Ein sichererer Ansatz
- Verwenden Sie zunächst erfundene Antwortauszüge, um die Struktur des Codebuchs zu testen.
- Halten Sie Teilnehmerzuordnungen und Rekrutierungsdaten außerhalb des KI-gebundenen Materials.
- Bewahren Sie Unsicherheiten auf und erlauben Sie mehrere Kandidatencodes mit unterstützendem Text.
Erwartetes Ergebnis: Der Assistent schlägt vor, wie das vorgeschlagene Codebuch auf synthetische Auszüge angewendet wird. Forschende prüfen Meinungsverschiedenheiten und überarbeiten die Methode, ohne generierte Kategorien als tatsächliche Studienergebnisse darzustellen.
Arbeiten Sie das Verfahren durch
Verifizieren Sie die Studiengrenze
Identifizieren Sie den verantwortlichen Eigentümer und die dokumentierten Berechtigungen für Verarbeitung und Weitergabe. Legen Sie die KI-Aufgabe, Eingabe und Ziel fest. Leiten Sie keine Erlaubnis daraus ab, dass das Team die Daten bereits besitzt; Methodentests können oft mit erfundenen Antworten fortgesetzt werden, während die Genehmigung geklärt wird.
Trennen Sie Analyse von Teilnehmerverknüpfung
Entfernen Sie unnötige Identifikatoren und Rekrutierungsreferenzen aus genehmigten Auszügen. Berücksichtigen Sie seltene Kombinationen von Altersgruppe, Standort, Beruf und Erfahrung. Bewahren Sie den Verknüpfungsschlüssel im autorisierten Studienarchiv auf und verwenden Sie extern geteilte Bezeichnungen nicht über verschiedene Studien hinweg.
Schützen Sie die Bedeutung bei Minimierung
Dokumentieren Sie, wo ein genehmigter Auszug verallgemeinert wurde, damit Leser seine Einschränkungen verstehen. Vermeiden Sie es, ein echtes Zitat umzuschreiben und dann als wörtlich darzustellen. Prüfen Sie Dokumentkommentare, versteckte Tabellenspalten und Eigenschaften und verwenden Sie vollständig synthetisches Material, wenn sichere Verallgemeinerung die Forschungsfrage verzerren würde.
Überprüfen Sie Codierungsstreitigkeiten
Fordern Sie unterstützende Passagen und plausible alternative Codes an. Lassen Sie Forschende Auslassungen, Mehrdeutigkeiten und unterschiedliche Interpretationen prüfen. Bewahren Sie eine Aufzeichnung genehmigter methodischer Änderungen auf und wandeln Sie die Ausgabe eines Modells nicht ohne den etablierten Analyse- und Überprüfungsprozess der Studie in Teilnehmerergebnisse um.
Was vor dem Fortfahren zu prüfen ist
1. Autorisierte Analyse
- Bereit, wenn
- Der Studienleiter bestätigt, dass das vorgeschlagene Material und Ziel dem dokumentierten Umfang entsprechen.
- Wenn die Prüfung fehlschlägt
- Verwenden Sie erfundene Beispiele oder halten Sie die Aktivität innerhalb genehmigter Studienwerkzeuge.
2. Indirekte Identifikation
- Bereit, wenn
- Das Team hat markante Zitate und Attributkombinationen überprüft.
- Wenn die Prüfung fehlschlägt
- Reduzieren Sie den Auszug, aggregieren Sie angemessen oder schließen Sie ihn aus dem Workflow aus.
3. Interpretative Nachvollziehbarkeit
- Bereit, wenn
- Vorgeschlagene Codes verweisen auf den bereitgestellten Text und bewahren alternative Interpretationen.
- Wenn die Prüfung fehlschlägt
- Geben Sie die Ausgabe zur Überprüfung an Forschende zurück, anstatt ein sicheres Label zu akzeptieren.
Häufige Fehler vermeiden
- Ein durchsuchbares Zitat kann einen Teilnehmer identifizieren, selbst wenn Namen und direkte Kontaktdaten entfernt wurden.
- Die Verallgemeinerung einer Antwort kann deren Bedeutung verändern; verbergen Sie diese Transformation nicht und präsentieren Sie bearbeiteten Text nicht als wörtliches Zitat.
Bewerten Sie diesen Workflow mit Aona
Wo Aona helfen kann
Verwenden Sie synthetische Studiendokumente, um Aonas konfigurierte Prompt- und Dateirichtlinien zu testen. Unterstützte DOCX-, XLSX- und PDF-Formate erfordern eine Verifizierung beim tatsächlichen Anbieter und Browser-/nativen Pfad.
Was zu bestätigen ist
Aona stellt keine Forschungseinwilligung fest, garantiert keine Anonymität und validiert keine thematischen Ergebnisse. Die verwaltete Richtlinienbewertung nutzt regionale Verarbeitung, die in der genehmigten Datenhandhabungsprüfung der Studie enthalten sein muss.
Verwalten Sie diesen Dokumentenworkflow im Team?
Überprüfen Sie Ihr KI-Tool, Dokumentenformat und Datenhandhabungsanforderungen. Verwenden Sie ein synthetisches Beispiel, um unterstützte Kontrollen und die Prüfungen zu besprechen, die Ihr Team noch durchführen muss.
FAQ