Deze studie onderzoekt of ChatGPT kan worden ingezet als tweede codeerder bij het analyseren van interview transcripten binnen deductief kwalitatief onderzoek. Het coderen van interviews is een cruciale, maar tijds- en arbeidsintensieve stap binnen kwalitatief onderzoek. Met de opkomst van Generatieve Kunstmatige Intelligentie onderzoekt deze studie of ChatGPT deze taak op een betrouwbare, efficiënte en verantwoorde manier kan ondersteunen.

Hiervoor presenteert het artikel een stapsgewijze methode om ChatGPT te implementeren als tweede codeerder, waarbij gefilterde interviewtranscripten en een vooraf gedefinieerd codeerschema worden gebruikt. De studie vergelijkt de codeerprestaties van ChatGPT met die van een menselijke tweede codeerder. Eerst werden de interviews geanalyseerd door de primaire onderzoeker volgens een deductieve aanpak. Vervolgens werden zowel een tweede menselijke onderzoeker als ChatGPT (ChatGPT-4o Plus) aangesteld als tweede codeerders om onafhankelijk de codering te controleren en te valideren.

De resultaten tonen aan dat ChatGPT meer dan 99% overeenstemming bereikt met menselijke codeerders na een gestructureerde discussie. Het gebruik van ChatGPT verlaagt de tijds- en kostendruk van het codeerproces, en maakt constructieve, iteratieve gesprekken over coderingsverschillen mogelijk. Het artikel bevat daarnaast gedetailleerde prompts, praktische richtlijnen en kritische reflecties om onderzoekers te ondersteunen bij een verantwoorde implementatie van deze methode.

Deze studie toont onderzoekers het potentieel van GenAI in kwalitatief onderzoek door de inzet van ChatGPT bij het coderen van interviewtranscripten. Er worden praktische tips aangereikt om GenAI op een zinvolle manier te integreren in het kwalitatieve onderzoeksproces.