Kan AI de kloof dichten tussen kwantitatief en kwalitatief onderzoek?
door: Wilmar Schaufeli
Deel 1: Het beste van twee werelden?
Kwantitatief versus kwalitatief onderzoek
Sinds mensenheugenis woedt er een methodestrijd in de sociale wetenschappen tussen voorstanders van kwantitatieve en kwalitatieve benaderingen. De eerste groep zweert bij vragenlijsten waarin mensen enkel kruisjes kunnen zetten, terwijl de tweede zich richt op interviews en open vragen waarin mensen hun eigen woorden kiezen. Kwantitatief onderzoek is efficiënt: grote groepen mensen kunnen worden onderzocht en de resultaten worden gemakkelijk geanalyseerd met statistische software. Maar critici stellen dat zo’n kruisje niet veel zegt. Het mist de subjectieve kleuring van persoonlijke ervaringen, wat juist volgens de voorstanders van kwalitatieve methoden rijkere gegevens oplevert.
De uitdaging van kwalitatief onderzoek
In mijn tijd als docent psychologie wilden studenten vaak kwalitatief onderzoek doen. Het is logisch dat jonge mensen in dit veld dichter bij “echte” menselijke ervaringen willen staan. Toch ontmoedigde ik hen vaak. Niet omdat kwalitatief onderzoek minder waardevol is, maar omdat het een enorme hoeveelheid werk vereist. Het analyseren van grote hoeveelheden tekst en het trekken van wetenschappelijk verantwoorde conclusies is ingewikkeld en tijdrovend. Je moet de teksten in kleine stukken hakken, ze ordenen en interpreteren, en hoewel computers dit werk makkelijker hebben gemaakt, bleef het voor een groot deel handwerk.
De opkomst van AI: Een oplossing?
En toen kwam AI. De afgelopen jaren zijn verschillende AI-programma’s enorm populair geworden, met enthousiaste gebruikers als gevolg. Op papier lijkt AI in staat om de methodestrijd te beslechten, aangezien het gebaseerd is op patroonherkenning, iets dat essentieel is bij de verwerking van kwalitatieve gegevens. Stel je voor: AI kan losgelaten worden op enorme datasets met antwoorden van duizenden mensen, waarbij het de antwoorden automatisch in categorieën indeelt. Vervolgens kunnen we deze gekwantificeerde, kwalitatieve data verwerken met de bekende statistische methoden. Het beste van beide werelden: rijke, kwalitatieve gegevens van veel mensen, gekwantificeerd voor diepere analyse. Mijn studenten zouden hier dol op zijn geweest.
Kritische vraag: Kan AI deze belofte waarmaken?
Maar kritisch als ik ben, vraag ik me af: kan AI deze belofte echt waarmaken? Hoe fantastisch zou het zijn als we de antwoorden op open vragen uit bijvoorbeeld een online medewerkersonderzoek systematisch kunnen laten categoriseren? Dit zou ons in staat stellen om deze kwalitatieve antwoorden te vergelijken met de scores van gesloten vragen. Neem het voorbeeld van energiebronnen op de werkplek, zoals sociale steun en autonomie. Deze worden vaak gemeten met gesloten vragen die een bepaalde score opleveren. Maar hoe verhouden deze scores zich tot wat mensen zelf in hun eigen woorden zeggen wanneer je vraagt waar ze op hun werk energie van krijgen? Als AI de belofte inlost, zouden de kwantitatieve scores en kwalitatieve antwoorden met elkaar overeen moeten komen.
Een sprong naar de toekomst
Het zou werkelijk revolutionair zijn als AI dit zou kunnen: een brug slaan tussen de kwantitatieve en kwalitatieve benaderingen in de sociale wetenschappen. In deel 2 van deze blog neem ik de proef op de som, want zoals het gezegde gaat: “the proof of the pudding is in the eating”.
