De scheidingslijn tussen kwalitatief en kwantitatief vervaagt mede door Generatieve AI

In deze driedelige serie laat onze Data Specialist Demian van Gils zien hoe AI de manier verandert waarop we kwalitatief en kwantitatief onderzoek combineren. Waar deel 1 en 2 gingen over het verzamelen van rijke tekstuele data met Conversational AI en AI-probing, draait het laatste deel om de analyse: wat kunnen we eigenlijk met al die tekstdata die we nu veel makkelijker kunnen verzamelen?

Generatieve AI

Traditioneel zagen we kwalitatief (verhalen, nuance, emoties) en kwantitatief (getallen, statistiek) als twee gescheiden werelden. Generatieve AI verandert dat op twee fronten:

1. We verzamelen nu méér en rijkere tekstuele data (meer diepgang, meer variatie).
2. We kunnen die data automatisch structureren, kwantificeren en snel analyseren waardoor tekstuele inzichten meetbaar en herhaalbaar worden.

Binnen onze aanpak gebruiken we AI voor verschillende analysetaken die samen zorgen voor een compleet beeld van wat respondenten zeggen én bedoelen.

1. Categoriseren: structuur aanbrengen in open antwoorden

De eerste stap in de analyse is het categoriseren van tekstuele data. Hierbij worden antwoorden automatisch ingedeeld in één of meerdere overkoepelende thema’s. Ons systeem werkt daarbij in twee stappen:

1. Bepalen van categorieën
   AI analyseert eerst de dataset en stelt een lijst met relevante thema’s of categorieën voor. Deze lijst kan vervolgens worden bekeken en waar nodig aangepast door een onderzoeker.
   
   
2. Classificeren van antwoorden
   Daarna worden individuele antwoorden automatisch toegewezen aan één of meerdere categorieën.

Het grote pluspunt is dat open antwoorden niet alleen kwalitatief inzicht bieden, maar ook kwantitatief analyseerbaar worden. Zo kun je bijvoorbeeld achterhalen hoe vaak bepaalde onderwerpen worden genoemd, trends over tijd volgen, wegingen toepassen en statistische toetsen uitvoeren.

Daarnaast is een groot voordeel dat je de respondent niet dwingt om een keuze te maken uit antwoordopties die je op voorhand zelf hebt bedacht, maar juist de ‘antwoordopties’ bepaalt op basis van wat er wordt gezegd. Zo weet je zeker dat je vraag écht aansluit op wat er speelt.

2. Sentimentanalyse: begrijpen hoe mensen ergens over denken

Naast het identificeren van thema’s helpt AI ook om te begrijpen hoe respondenten ergens over denken. Met uitgebreide sentimentanalyse wordt bepaald of een tekstfragment positief, negatief of neutraal is, en hoe sterk dat sentiment is. Hierbij knippen we teksten op in kleinere delen, zodat nuances behouden blijven.

Een respondent kan bijvoorbeeld in één antwoord zowel positief als kritisch zijn: ‘Het product werkt goed, maar ik vind het wel vrij duur’. Door sentiment per tekstfragment te analyseren, ontstaat een nauwkeuriger beeld van de onderliggende houding van respondenten.

3. Samenvattingen, wordclouds en quotes

Analysetechnieken die onderzoekers al langer gebruiken blijven zeker relevant. Je wilt de rijke tekstdata niet volledig platslaan door deze alleen te kwantificeren. Juist door deze analysetechnieken te combineren ontstaat een veel completer beeld van wat er leeft bij je doelgroep. AI kan hierbij ondersteunen door sneller samenvattingen te genereren, veelgebruikte woorden zichtbaar te maken in wordclouds en representatieve of spraakmakende quotes uit te lichten.

Generatieve AI maakt van kwalitatieve tekstdata een meetbaar én schaalbaar onderdeel van marktonderzoek. Hierdoor vervaagt de traditionele scheidingslijn tussen kwalitatief en kwantitatief onderzoek. Het resultaat: verhalen die meetbaar worden en cijfers die de menselijke context behouden.

Benieuwd hoe generatieve AI jouw onderzoek kan verrijken? Neem gerust contact met ons op!