Искусственный интеллект в социологическом исследовании: опыт использования для обработки и анализа интервью

Ворошилова Анастасия Игоревна ORCID: 0009-0003-2148-7823 магистр; кафедра прикладной социологии; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина 620062, Россия, Свердловская область, г. Екатеринбург, ул. Мира, 19 Voroshilova Anastasiia Igorevna Graduate student; Department of Applied Sociology; Ural Federal University named after the first President of Russia B. N. Yeltsin 19 Mira Street, Yekaterinburg, Sverdlovsk Region, 620062, Russia 79024450663@yandex.ru

Введение

Искусственный интеллект (далее – ИИ) – один из самых значимых феноменов современности, отразивший стремительное развитие технологических достижений и человеческой интеллектуальной активности. По своей сути, ИИ представляет собой совокупность логических и алгоритмических правил, разработанных для имитации когнитивных процессов, что позволяет ему эффективно выполнять задачи, традиционно требующие человеческого интеллекта.

В условиях быстро меняющегося мира вопрос о допустимости применения ИИ стал предметом обширных дискуссий, охватывающих как научные, так и общественные сферы.

С одной стороны, внедрение ИИ в различные области человеческой деятельности обещает значительные преимущества: автоматизация рутинных процессов, повышение производительности труда и оптимизация принятия решений. Эти аспекты, среди прочего, способствуют освобождению временных ресурсов, позволяя людям сосредоточиться на более творческих и сложных задачах. С другой стороны, данный процесс сопряжен с множеством рисков и вызовов. К числу основных проблем, связанных с использованием ИИ, относятся угроза потери профессиональных навыков, недостоверность данных из-за алгоритмической предвзятости и отсутствие ответственных за автоматизированные решения.

Цель данной статьи заключается в анализе и описании опыта применения искусственного интеллекта (ИИ), а именно GPT-4o mini, в рамках социологического исследования для обработки и анализа качественных данных, полученных в ходе полуформализованных интервью. Предметом исследования выступает искусственный интеллект в социологическом исследовании в контексте опыта использования для обработки и анализа интервью.

Актуальность рефлексии подобного исследовательского опыта обусловлена возрастающей и усиливающейся ролью искусственного интеллекта в современных научных исследованиях, а также очевидной потребностью в оценке взаимодействия исследователя и ИИ.

Обзор литературы

Сегодня искусственный интеллект можно отнести к феномену «второй природы», который является продуктом естественного развития человека, создающего и изменяющего окружающий мир ^[1]. Резаев А.В., Старикова В.С. и Трегубов Н.Д. определяют ИИ как «набор рационально-логических, формализованных правил», созданный и запрограммированный человеком, организующий процессы, способствующие имитации интеллектуальной деятельности и выполнению целерациональных действий ^[2].

Тема допустимости использования искусственного интеллекта, как и любого значимого технологического достижения, оказалась в центре дискуссий, характеризующихся разнообразием оценок, полярными мнениями и прогнозами. Положительные аспекты широкомасштабного внедрения ИИ в значительной степени основываются на таких аргументах, как облегчение выполнения сложных, рисковых и рутинных задач, а также увеличение свободного времени для человека за счет выполнения этих рутинных задач ^[3]. Учитывая возможность обработки естественного языка, технологии в данной области будут только развиваться с каждым годом ^[4]. Тем не менее, наряду с положительными эффектами, характеристики, отражающие дилеммы использования ИИ, подвергаются критике как со стороны общественности, так и со стороны научного сообщества.

Противоречивый характер ИИ подтверждают исследования, проведенные ВЦИОМ среди россиян. Данные исследования демонстрируют, что респонденты в числе ключевых негативных последствий развития технологий ИИ называли «риск мошеннических действий, похищение данных (62%), использование ИИ в корыстных целях (61%), отсутствие ответственных за принимаемые решения (58%), риск принятия ошибочных решений (54%)». В числе позитивных эффектов – «сокращение временных затрат на выполнение рутинной и однообразной работы (по 65%), повышение производительности труда (65%), облегчение решения сложных задач (58%), повышение комфортности жизни (58%), повышение уровня безопасности (57%)» ^[5].

Использование ИИ в научной сфере также несет в себе ряд негативных последствий. Во-первых, одним из основных аспектов является угроза потери профессиональных навыков у исследователей и научных работников. Автоматизация аналитических процессов может привести к снижению роли человеческого интеллекта в интерпретации данных, что, в свою очередь, может повлиять на креативность и критическое мышление.

Во-вторых, использование ИИ в научных исследованиях может способствовать возникновению проблем с надежностью и качеством данных. Алгоритмы могут быть подвержены предвзятости, что может исказить результаты анализа и привести к неверным выводам. Это подчеркивает необходимость более жесткой верификации получаемых результатов.

В-третьих, существует опасность зависимости от технологий. Избыточное использование ИИ может привести к снижению мотивации исследователей к освоению фундаментальных знаний и методов, что может стать препятствием для дальнейших научных открытий.

Однако, несмотря на приведенные недостатки ИИ, в последнее время появляется все больше работ, нацеленных на осмысление опыта использования ИИ в исследовательской деятельности. Существует мнение, что с помощью ИИ возможно оптимизировать научную деятельность, и, в связи с этим данная тема становится все более актуальной ^[6]. Применение инструментов, основанных на ИИ, таких как алгоритмы обработки естественного языка и его последующего транскрибирования, позволяет исследователям автоматизировать часть процедур анализа, что может способствовать более быстрой интерпретации данных и выявлению взаимосвязей, которые могли бы остаться незамеченными при использовании традиционных методов.

Так, например, ChatGPT уже был опробован зарубежными исследователями для анализа качественных данных и показал себя как вполне способного вычленять ключевые аспекты интервью. Однако, его ответы были предвзяты и порой бессмысленны ^[7]. Тем не менее, вопрос потенциальной предвзятости в качественном анализе данных несколько отличается, поскольку данные, на которые запрашивается информация, предоставляются исследователем, и предвзятости, возникающие в этом случае, будут теми предвзятостями, которые были присущи оригинальному набору данных. Например, если утверждения участников содержат расистский или сексистский язык и предположения, то это может быть воспроизведено в ответах ИИ. Один из способов избежать таких предвзятостей — полагаться на запросы, которые, по сути, спрашивают: «Проанализируй фрагменты интервью. Что говорят эти участники о…», а не запрашивать более интерпретативные размышления. Очевидно, что на данный момент использование ChatGPT при анализе качественных данных, нельзя рассматривать как «идеальный» инструмент. Скорее, его стоит рассматривать как дополнительное средство, которое нуждается в тщательной проверке со стороны исследователя. Таким образом, использование ИИ «выступает показателем того, насколько каждый из нас может быть совершенен, равно как и ограничен» ^[3]. В целом внедрение технологий ИИ в практику социологических исследований, в частности практику качественных исследований, несет в себе не только потенциал, но и вызовы, такие как необходимость учета этнических, культурных и социальных контекстов в интерпретации данных.

В рамках нашей статьи следует разграничить понятия искусственного интеллекта и GPT-4o mini. Было бы неверно утверждать, что искусственный интеллект (ИИ) и GPT-4o mini – это одно и то же. ИИ – это широкий термин, который охватывает любые системы, способные выполнять задачи, требующие «умных» действий, таких как обучение, распознавание образов, принятие решений и др. GPT-4o mini (Generative Pre-trained Transformer 4) – это конкретная архитектура и модель ИИ, разработанная компанией OpenAI, которая специализируется на обработке естественного языка и генерации текста. Таким образом, GPT-4o mini является одним из множества приложений ИИ, но не охватывает все его аспекты. Поскольку данная статья посвящена опыту использования GPT-4o mini применительно к обработке качественных данных, вопросы, касающиеся обработки и анализа количественных данных, затронуты не будут.

Данные и методы

Анализ проведен на основе материалов исследования «Маркетинговая этика как поле манипулирования поведением потребителей», проведенного ноябре-декабре 2024 г. с помощью GPT-4o-mini. Как указано на сайте производителя OpenAI, GPT-4o mini – это малая модель, которая позволяет выполнять широкий спектр задач. Она способна справляться с задачами на рассуждение, владеет математикой. В качестве методологии предметной области исследования в данной статье были использованы дескриптивный метод, метод категоризации и метод анализа.

В ходе исследования был проведен ряд полуформализованных интервью с экспертами – маркетологами по проблеме выявления границ маркетинговой этики и манипулятивных практик, а также их влияния на поведение потребителей (n=12). Данные интервью обрабатывались с помощью GPT-4o mini.

Результаты и обсуждение

Транскрибирование

Первый этап, на котором GPT-4o mini может оказаться полезным, – транскрибирование интервью. Транскрибирование интервью является важным этапом в социологическом исследовании, независимо от способа записи, способствующим нескольким ключевым аспектам аналитического процесса. Во-первых, транскрипция позволяет обеспечить точность и воспроизводимость данных, что критически важно для верификации результатов исследования. Во-вторых, этот процесс способствует детальному анализу вербальных высказываний информантов, упростив идентификацию ключевых тем и паттернов в ходе качественного анализа. Важно не просто составить письменный текст, но и отмечать все детали, например, такие как междометия и эмоциональные реакции информанта. Поскольку транскрибирование занимает большое количество времени, делегировать эту задачу GPT-4o mini кажется разумной.

Транскрибирование осуществляется по следующему принципу: пользователю необходимо предоставить запись видео или аудиозапись интервью, задается промт. Вскоре GPT-4o mini возвращает текстовый файл с транскриптом интервью. По результатам транскрибации 12 интервью нами были выявлены следующие проблемы. Во-первых, GPT-4o mini искажает некоторые слова. Например, вместо термина «брендбук», произнесенного информантом, в транскрипции появлялось слово «брандбук», а вместо «<...> мы говорим про отдел маркетинга <...>» GPT-4o mini предложил «<...> мы говорим про дел маркетинга <...>». Иногда ИИ объединяет и двоит слова, например, «то есть есть какая-тосторонняя оценка». Также встречаются орфографические ошибки, такие как замена слова «гиперболизация» на «гиперполизация». Часто для понимания искаженного слова необходимо переслушивать интервью. Примером может служить случай, когда в транскрипте встречалась фраза информанта: «ну, как бы напрямую не сказали, не сказали, мало ли кто это пурится». Без повторного прослушивания интервью сложно догадаться, что речь идет о сленговом выражении «париться». Стоит отметить, что во всех 12-ти транскриптах орфографические ошибки встречались в каждом тексте как минимум 4 раза, а самое большое количество орфографических ошибок в одном тексте, в рамках нашего эксперимента, – 37.

В большинстве случаев GPT-4o mini успешно выполняет задачу разделения реплик интервьюера и информанта: из 12-ти интервью транскрипты, пригодные для работы, получились у 11-ти. Все они содержат ошибки, однако в целом это не создает трудностей для понимания:

«Участник 00

[00:31:45]-[00:31:56] Такой вопрос, а насколько, на твой взгляд…Потребители осведомлены о том, что маркетологи используют такие манипулятивные приемы?

[00:31:56]-[00:32:12] Да-да-да. Это, безусловно, это игра такая в обе стороны. Они прекрасно знают, нормальные люди считают это все, в шелуху находят. У нас всегда написано «подробнее тут-то». Или там «созвонитесь тут-то». Ну, то есть обсудите. Я думаю, все все прекрасно понимают. Надо быть…У нас, я говорю, у нас хоть они молодые, целевая аудитория, но уже, когда ты открываешь ресторан, ты уже на логовую сходил, еще кто-то там, люди уже жизнью побиты. Я думаю, все все понимают. Ну мне бы хотелось в это верить» (OpenAI, 2025).

GPT-4o mini корректно разделяет фразы интервьюера и информанта, при этом присутствуют таймкоды; однако все предложения не разделены пробелами, и слова все еще записываются с ошибками.

Стоит отметить, что GPT-4o mini наилучшим образом справляется с интервью, в которых голоса интервьюера и информанта имеют заметные отличия в тембре и высоте звучания. В случае, если информант и интервьюер одного пола, имеют примерно один возраст и подобный тембр голоса, система GPT испытывает трудности в определении, кто именно говорит, что приводит к объединению всех реплик в одну. Так произошло в одном интервью.

«[00:10:51]-[00:11:07] Вот, Этика, наверное, это об этом. Да, не транслировать обидные вещи. Хорошо, поняла. А вот если мы сузим это понятие до сферы маркетинга, это будет означать то же самое или тут другая специфика? Ну, именно ты имеешь в виду в коммуникациях, то есть, ну, вот в рекламе, да, и так далее. Да, да, да. В целом то же самое, но плюс тут, наверное, ещё добавляется, ну, с точки зрения, мне кажется...» (OpenAI, 2025).

Здесь мы видим, что в середине текста есть вопрос интервьюера, но, поскольку сам темп беседы был достаточно подвижный, а голоса были похожи друг на друга, GPT-4o mini не справился с разделением реплик.

Отдельное внимание следует уделить проблеме пунктуации в тексте, сгенерированном GPT-4o mini. Часто система не способна корректно определить, где начинается фраза и где она заканчивается. В результате наблюдается тенденция «обрывистой» формулировки предложения, что существенно затрудняет восприятие текста. Кроме того, короткие паузы в речи информанта нередко интерпретируются как окончание предложения, что приводит к потере смысловой целостности и снижению качества итогового транскрипта. Это говорит о необходимости тщательной проверки текста, созданного с помощью ИИ, особенно в контексте качественных исследований, где понимание и интерпретация текста играет критическую роль. Таким образом, неадекватная пунктуация может значительно исказить реальный смысл сказанного и создать трудности для последующего анализа данных.

Как уже говорилось ранее, эмоции и невербальные реакции информанта во время интервью не менее важны, чем то, что он говорит. Однако GPT-4o mini основывается на алгоритмах, работающих с текстовыми данными, и не имеет способности учитывать невербальные сигналы, такие как интонация или смех, которые могут быть индикаторами эмоционального состояния информанта. Выражение тревоги, радости или иронии часто выражается не только словами, но и интонацией, что может быть упущено в автоматической транскрибировании. Например, в приведенном ниже фрагменте информант напевал мелодию из рекламы. Часть мелодии информант напел без слов, при этом в транскрипте отразился только тот момент, где были слова. Важно здесь то, как информант делал это, двигая телом и головой, улыбаясь, показывая всем видом, насколько глубоко эта реклама засела у него в голове. Это определенно то, что может подтолкнуть исследователя на некоторые размышления.

«[00:10:51]-[00:11:07] Я вам сейчас напою, а вы вспомните. Где мясные котлеты и гриль. Понимаете, да? Ну, это же незаконно. Просто попасть в мою голову и остаться там на 20 лет, допустим, да? То есть, это хороший маркетинг» (OpenAI, 2025).

Еще одной значимой проблемой, с которой мы столкнулись, является наличие местами некачественного звука в записях интервью, будь то аудио или видео. Хотя такой звук различим человеческим ухом, для GPT-4o mini он представляет собой трудность. В результате, система часто игнорирует эти фрагменты и продолжает транскрибирование с той части, где текст становится снова вполне отчетливым и понятным. Это еще раз помогает понять, что любой транскрипт нуждается в тщательной доработке человеком.

Данная модель демонстрирует эффективность в автоматизации процесса транскрибирования, что существенно экономит время исследователей и способствует более быстрой обработке данных. Однако, при этом, результаты транскрипции обнаруживают множество недочетов, включая искажения слов, орфографические ошибки и недостаточную пунктуацию, что влияет на четкость и интерпретируемость итогового текста.

Особое внимание следует уделить факту, что GPT-4o mini не в состоянии учесть невербальные сигналы и эмоциональные нюансы, которые могут существенно обогатить смысловые контексты высказываний респондентов. Это подчеркивает необходимость ручной проверки и доработки автоматически сгенерированных текстов, особенно в рамках качественных исследований, где нюансы восприятия и выражения играют критическую роль. Таким образом, хотя GPT-4o mini может служить полезным инструментом в контексте социологических исследований, его результаты требуют тщательной коррекции и анализа со стороны исследователей.

Анализ

Прежде чем пробовать GPT-4o mini для анализа интервью, мы спросили у него самого, чем он может помочь нам в анализе данных. Он выделил 6 функций, однако самыми любопытными показались следующие:

1. Выделение ключевых тем. Здесь GPT-4o mini предлагает помочь «в идентификации ключевых тем и паттернов» (OpenAI, 2025);
2. Выявление сходств и различий;
3. Группировка данных. Подразумевается объединение цитат информантов по темам и категориям, выявленных самим ChatGPT или заданных исследователем заранее;
4. Генерация выводов. Помощь в формировании промежуточных или конечных выводов.

Для проверки возможностей GPT-4o mini ему последовательно были предоставлены файлы нескольких интервью и был дан промт: «Выдели ключевые темы, которые обсуждались в этих интервью». В результате был сгенерирован список 5-ти ключевых тем. В целом можно сказать, что все выделенные темы крайне поверхностны и не дают никакой новой аналитической информации. Большая часть тем, предоставленных GPT-4o mini, относится к второстепенным аспектам интервью и не отражает глубину и сложность обсуждений. Это может указывать на определенные ограничения в способности ИИ к анализу более глубоких, контекстуально насыщенных тем, которые требуют более тонкого понимания предмета исследования и эмоциональной нагрузки высказываний информантов.

Еще одним заданием для GPT-4o mini стал предварительно подготовленный перечень ответов информантов на один и тот же вопрос. Формулировка задания заключалась в следующем: «Проанализируй ответы информантов на вопрос. Что общего есть в ответах? Какие видишь различия?» Тем не менее, в данной формулировке присутствует очевидный недостаток: мы настраиваем GPT-4o mini на то, что в формулировках информантов уже точно имеются как различия, так и общие черты. Несмотря на это, перед началом анализа мы предварительно убедились, что такие характеристики действительно имеют место. С выполнением данного задания GPT-4o mini справился значительно лучше. Во-первых, система достаточно точно выделила общие смыслы, присутствующие во всех интервью, хотя следует отметить, что глубина анализа была явно недостаточна. Во-вторых, GPT-4o mini применял специальные термины и в своих комментариях о различиях указывал количество информантов, которые обозначили те или иные аспекты. Например, он формулировал мысли так: «один информант выделяет необходимость…» или «один из респондентов отмечает…» (OpenAI, 2025).

Группировка данных, как утверждает GPT-4o mini, представляет собой процесс выделения основных тем интервью с последующей классификацией цитат информантов в соответствии с этими темами. Загрузив 12 интервью и задав промт: «Проанализируй 12 интервью. Выдели в них основные темы и сгруппируй цитаты из интервью, подходящие по смыслу», были получены следующие результаты. Во-первых, выделено всего три основные темы, из которых две являются второстепенными. Во-вторых, GPT-4o mini не сумел различить вопросы интервьюера и ответы информантов, отразив в каждой категории также и соответствующий вопрос в качестве цитаты. В-третьих, в каждой из трех категорий оказались всего две цитаты: одна из них представляет собой вопрос, а другая – ответ. При этом не указано, из какого именно интервью был взят данный вопрос. А также в тексте явно присутствуют орфографические ошибки. Вот пример одной из категорий:

«Этика в маркетинге:

• "Нельзя давать конечному потребителю ложные мысли, ложные сведения о продукте."
• "Насколько популярно сегодня у маркетологов вообще ответствовать каким-то этическим ожиданиям?"» (OpenAI, 2025).

Приведенные примеры подчеркивают ряд ограничений в текущем подходе GPT-4o mini к анализу качественных данных. Система демонстрирует недостаточную способность к различению типов высказываний, что может привести к искажению анализа. Более того, отсутствие указания на источник затрудняет интерпретацию результатов.

При выполнении задач по выделению общих смыслов и различий в ответах информантов система проявила невысокую степень точности, глубина анализа оставалась явно ограниченной. Проблемы, связанные с идентификацией источников высказываний и исправлением орфографических ошибок, дополнительно затрудняют интерпретацию данных и могут подрывать доверие к выводам.

Генерация выводов

Последний пункт для проверки – это генерация промежуточных и итоговых выводов. Прежде всего, стоит уточнить у GPT-4o mini, что же для него означает формулирование промежуточных и итоговых выводов. Под промежуточными выводами понимаются выводы, формулирующиеся на различных этапах исследования и обладающие «временным, частичным характером, отражая предварительные результаты анализа» (OpenAI, 2025). Итоговые выводы, в свою очередь, подводят итог всему исследованию и обобщают все собранные данные, представляя полную картину. Попросив проанализировать интервью и дать промежуточные и итоговые выводы, был получен следующий ответ:

«Для анализа интервью и формирования промежуточных и итоговых выводов, я выделю несколько ключевых тем и паттернов, которые можно наблюдать в предоставленных материалах. Обратите внимание, что выводы могут быть условными, поскольку для настоящего анализа была бы необходима более детальная информация» (OpenAI, 2025).

Важно отметить, что сам чат предупреждает о том, что выводы могут носить условный характер и для анализа потребуется более детальная информация. Далее снова был представлен список тем, по большей части второстепенных, по нашему мнению, не углубляющий анализ.

Способность системы генерировать выводы ограничена, что приводит к акцентированию на второстепенных аспектах исследования и, соответственно, негативно сказывается на аналитической ценности получаемого результата. Напоминая о необходимости большего объема информации для достоверного анализа, GPT-4o mini подчеркивает важность контекстуальной насыщенности данных в процессе выводов. Таким образом, несмотря на практическое применение ИИ в качестве инструмента для автоматизации научного анализа, следует учитывать его ограничения и важность человеческого участия для достижения более точных и глубоких результатов в социологических исследованиях.

Заключение

Таким образом, результаты анализа свидетельствуют о том, что, несмотря на определенные ограничения в глубине интерпретации, модель GPT-4o mini может быть полезной для исследователей в ряде аспектов. В первую очередь, это касается автоматизации процесса транскрибирования. Важно отметить, что любой транскрипт интервью, выполненный с использованием искусственного интеллекта, должен подвергаться тщательной проверке со стороны исследователя, так как модель иногда не способна корректно различать, например, вопросы интервьюера и ответы информантов. Также наблюдаются случаи допущения орфографических ошибок, что может негативно сказаться на качестве итоговых данных.

В ходе исследования возможностей GPT-4o mini для анализа качественных данных выявлены значительные ограничения, касающиеся как глубины анализа, так и способности к различению типов высказываний. Несмотря на обозначенные функции, такие как выделение ключевых тем и группировка данных, результаты анализа оказываются поверхностными и не предоставляют аналитически ценной информации, что подчеркивает недостаточную контекстуальную чувствительность ИИ. Эти аспекты указывают на необходимость тщательной корректуры и анализа результатов самим исследователем.

Тем не менее, использование GPT-4o mini значительно экономит время исследователя, позволяя сосредоточиться на более глубоком анализе полученных данных. Важно отметить, что в роли помощника при анализе данных GPT-4o mini продемонстрировал посредственные результаты, ограничиваясь поверхностными выводами. В целом, полученные результаты подчеркивают потенциал GPT-4o mini как инструмента для автоматизации обработки текстовых данных. Вместе с тем, выявляют тот факт, что для полноценного анализа качественной информации необходим человеческий вклад.