Sēmaσῆμα, das Zeichen

Aus Gesprächen wird belegtes Wissen.

Stell neue Fragen an Interviews, die es schon gibt. Sēma zeigt dir, was belegt ist, wo es nur Hinweise gibt und wo dir noch Wissen fehlt. Zu jeder Aussage siehst du die Stelle im Gespräch.

Probier es mit 39 veröffentlichten Interviews aus.

Zugang nach Bestätigung deiner E-Mail-Adresse. 20 Fragen pro Tag.

So macht Sēma es anders

Mit Zusammenhang lesenJede Aussage wird mit der Frage davor und den Studienfragen gelesen.
Gesagt und gemeint getrennt ablegenDas Zitat im Wortlaut, daneben die Deutung in eigenen Worten und die Situation, in der es fiel.
Feste Etiketten vergebenEine kurze, feste Liste: Art der Aussage, Bereich, Arbeitsschritt. Gefunden wird über diese Etiketten, nicht nur über Wörter.
Gleiche Frage, gleiche BelegeDie Belege zu einer Frage werden nach festen Regeln gefunden, nicht von der KI. Darum bringt dieselbe Frage immer dieselben Belege. Die KI schreibt nur die Antwort daraus.

Jede Deutung lässt sich beim Einlesen prüfen und korrigieren. Mehr dazu im Paper Schema-on-Write for Qualitative MaterialSchema-on-Write for Qualitative Material, Matthias Mueckshoff, in Vorbereitung.

Was du in der Demo ausprobierst

Frag in deinen Worten

Die Antwort stützt sich auf Muster aus vielen Gesprächen, nicht auf ein einzelnes zufälliges Zitat.

Jede Antwort mit Beleg

Zu jedem Satz siehst du, worauf er sich stützt, bis zur Zeile im Transkript.

Lücken bleiben Lücken

Was das Material nicht hergibt, steht als solches da, statt mit einer plausiblen Antwort überdeckt zu werden.

Live-Webinar

Was nach dem klassischen Repository kommt.

Wir stellen die Methode und das Werkzeug vor. Und die Idee dahinter: Interviews sind ein Bestand, der mit jeder Studie mehr wert wird. Du siehst, wie man neue Fragen mit vorhandenen Daten beantwortet, wo das Wissen schon reicht und wo nicht, und wie man neue Studien genau dort einsetzt, wo sie fehlen. Für UX-Teams und Research-Agenturen.

Termin folgt.

Zur Anmeldung

Häufige Fragen

Die Demo nutzt eine veröffentlichte Studie: 39 Interviews mit Lieferfahrer:innen in den USA, 2019. Sie zeigt die Methode, nicht eine wissenschaftliche Auswertung.

Enriquez, Diana. Delivery Gig Worker Interviews on Automation at Work. Princeton University, 2019. doi.org/10.34770/4324-yn77, CC BY 4.0.