論文の概要: Cortex: Content Analysis Support Software, a Resource for Qualitative Research

• arxiv url: http://arxiv.org/abs/2609.11970v1
• Date: Sat, 29 Aug 2026 18:06:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.649277
• Title: Cortex: Content Analysis Support Software, a Resource for Qualitative Research
• Title（参考訳）: Cortex: 質的研究のためのリソースであるコンテンツ分析支援ソフトウェア
• Abstract要約: データ量が増えるにつれて、組織化、読書、分類に必要な時間も大きな課題になります。 本研究の目的は,学術研究者を対象としたBardinの方法論に基づくコンテンツ分析を支援するWebアプリケーションを開発することである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Qualitative research is widely used in the human and social sciences, characterized by a deep understanding of phenomena through the interpretation of meanings and contexts. Among qualitative data analysis methods, content analysis stands out as a consolidated technique, which allows for the systematic description and interpretation of textual contents. However, as data volume increases, the time required for organization, reading, and categorization becomes a significant challenge, potentially delaying research development. Therefore, this work aimed to develop a web application to support content analysis, based on Bardin's methodology, targeted at academic researchers. The methodology adopted a mixed approach, combining bibliographic research on content analysis with semi-structured interviews with four experienced researchers, aiming to identify real needs and requirements. Based on these inputs, the Cortex software was developed to assist the researcher in the pre-analysis and material exploration stages, generating suggestions for indices, indicators, and categories with full traceability to original documents. The results demonstrate that Cortex is capable of guiding the researcher through the entire methodological workflow, from corpus configuration to results exportation, acting as a methodological collaborator without replacing the researcher's interpretative autonomy.
• Abstract（参考訳）: 質的研究は人間科学や社会科学で広く使われており、意味や文脈の解釈を通じて現象の深い理解が特徴である。 定性的なデータ分析手法の中で、コンテンツ分析は、テキストの内容の体系的な記述と解釈を可能にする統合的な手法として際立っている。 しかし、データ量が増加するにつれて、組織化、読解、分類に要する時間は重大な課題となり、潜在的に研究開発を遅らせる可能性がある。 そこで本研究は,学術研究者を対象としたBardinの方法論に基づくコンテンツ分析を支援するWebアプリケーションを開発することを目的としている。 この手法は、コンテンツ分析に関する文献研究と、実際のニーズと要件を特定することを目的とした4人の経験豊富な研究者との半構造化インタビューを組み合わせた混合アプローチを採用した。 これらのインプットに基づいて、Cortexソフトウェアは、研究者が分析前および物質探査の段階で支援し、原文書に完全なトレーサビリティを持つ指標、指標、カテゴリの提案を生成するために開発された。 その結果,コーテックスはコーパスの構成から結果のエクスポートに至るまで,研究者の方法論的ワークフロー全体を導くことができ,研究者の解釈的自律性を置き換えることなく,方法論的協力者として機能することがわかった。

関連論文リスト

• Which Sections of a Research Paper Best Reveal Its Research Methods? Evidence from Library and Information Science [2.8993790400286876]
  本稿では,その物理的姿勢に応じて全文コンテンツを分割してセグメント組合せ戦略を提案する。 図書館・情報科学の代表的な3誌から1,954件の注釈付き全文コーパスを用いて,各分野の分類性能を評価した。
  論文  参考訳（メタデータ） (2026-06-17T13:17:41Z)
• Large-Scale Multidimensional Knowledge Profiling of Scientific Literature [46.15403461273178]
  2020年から2025年の間に、22の主要なカンファレンスから10万以上の論文をまとめてまとめました。 分析では,安全性の向上,マルチモーダル推論,エージェント指向研究など,いくつかの顕著な変化に注目した。 これらの発見は、AI研究の進化に関するエビデンスベースの見解を提供し、より広範なトレンドを理解し、新たな方向性を特定するためのリソースを提供する。
  論文  参考訳（メタデータ） (2026-01-21T16:47:05Z)
• The Quest for the Right Mediator: Surveying Mechanistic Interpretability Through the Lens of Causal Mediation Analysis [51.046457649151336]
  本稿では,因果媒介分析に基づく解釈可能性研究の視点を提案する。 本稿では, 原因単位(メディエーター)の種類に応じて分類された解釈可能性の歴史と現状について述べる。 我々は,各メディエータの長所と短所について論じ,特定の種類のメディエータや検索手法が最適であるかどうかについての洞察を提供する。
  論文  参考訳（メタデータ） (2024-08-02T17:51:42Z)
• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オンロジはドメインの知識とメタデータを表現するために広く使われている。 直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 1つの簡単な解決策は、統計分析と機械学習を統合することである。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• Automating the Information Extraction from Semi-Structured Interview Transcripts [0.0]
  本稿では,半構造化面接書から情報を取り出す自動システムの開発と応用について検討する。 本稿では,研究者がインタビューデータのテーマ構造を効率的に処理し,視覚化できる,ユーザフレンドリーなソフトウェアプロトタイプを提案する。
  論文  参考訳（メタデータ） (2024-03-07T13:53:03Z)
• A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
  本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。 我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。 最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
  論文  参考訳（メタデータ） (2024-02-20T11:28:50Z)
• Scholastic: Graphical Human-Al Collaboration for Inductive and Interpretive Text Analysis [20.008165537258254]
  解釈学者は、意味のあるテーマが現れるまで、文書を手作業でサンプリングし、コードを適用し、コードをカテゴリに書き換え、照合することで、テキストコーパスから知識を生成する。 大規模なコーパスがあれば、機械学習はデータのサンプリングと分析をスケールするのに役立ちますが、以前の研究は、専門家が一般的に、解釈奨学金の破壊や推進に懸念を抱いていることを示しています。 我々は,機械・イン・ザ・ループクラスタリングアルゴリズムに関わる問題に対処するために,人間中心の設計アプローチを採り入れ,解釈テキスト分析を足場とした。
  論文  参考訳（メタデータ） (2022-08-12T06:41:45Z)
• The CSO Classifier: Ontology-Driven Detection of Research Topics in Scholarly Articles [0.0]
  コンピュータサイエンスオントロジー(CSO)に基づく研究論文の自動分類のための新しい教師なしアプローチを紹介します。 CSOは、研究論文(タイトル、抽象、キーワード)に関連するメタデータを入力として取り、オントロジーから引き出された研究概念の選択を返します。 このアプローチは、手作業による注釈付き記事のゴールドスタンダードで評価され、代替方法よりも大幅に改善されました。
  論文  参考訳（メタデータ） (2021-04-02T09:02:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。