PropertyValue
?:about
?:abstract
  • In dem Beitrag werden Parallelen aufgezeigt zwischen Verfahren des sog. Deep Learnings im Kontext von künstlicher Intelligenz (KI) und gängigen Ablaufschemata im Bereich qualitativ-rekonstruktiver Verfahren empirischer Sozialforschung: Methodologien wie die Dokumentarische Methode, die Objektive Hermeneutik, die Grounded Theory oder das Narrationsstrukturelle Verfahren haben alle mehr oder weniger nicht methodisierbare Bereiche, auf die mit Begriffen wie Abduktion oder Intuition eingegangen wird. Die Parallele zur KI wird in den sog. Hidden layers gesehen, also den verborgenen Schichten algorithmischer Berechnung bei sprachverarbeitenden Systemen, die von Informatiker*innen ebenfalls nicht oder nur unter unverhältnismäßig großem Aufwand rekonstruiert werden können. Vor diesem Hintergrund werden die angesprochenen qualitativ-rekonstruktiven Methodologien als Verfahren Tiefer Interpretation rekonstruiert und abschließend ein Forschungsprojekt vorgestellt, welches eruiert, inwiefern eine QDA1-Software für das Interpretieren mit der Dokumentarischen Methode (DokuMet QDA2) durch KI unterstützt werden kann. (xsd:string)
?:contributor
?:dateModified
  • 2022 (xsd:gyear)
?:datePublished
  • 2022 (xsd:gyear)
?:doi
  • 10.3224/zqf.v23i1.04 ()
?:duplicate
?:hasFulltext
  • true (xsd:boolean)
is ?:hasPart of
?:inLanguage
  • de (xsd:string)
?:isPartOf
?:issn
  • 2196-2146 ()
?:issueNumber
  • 1 (xsd:string)
?:linksDOI
?:linksURN
is ?:mainEntity of
?:name
  • Möglichkeiten und Grenzen der Optimierung von Verfahren Tiefer Interpretation durch Softwareunterstützung (xsd:string)
?:provider
?:publicationType
  • Zeitschriftenartikel (xsd:string)
  • journal_article (en)
?:sourceInfo
  • GESIS-SSOAR (xsd:string)
  • In: Zeitschrift für Qualitative Forschung, 23, 2022, 1, 30-49 (xsd:string)
rdf:type
?:url
?:urn
  • urn:nbn:de:0168-ssoar-87442-6 ()
?:volumeNumber
  • 23 (xsd:string)