Protocolo metodológico para el desarrollo de análisis de contenido asistido por inteligencia artificial fiable y válido: guía práctica con ChatGPT
DOI:
https://doi.org/10.3145/thinkepi.2025.e19a07Palabras clave:
Análisis de contenido, Inteligencia artificial, ChatGPT, Protocolo metodológicoResumen
Desde el surgimiento de la inteligencia artificial generativa, siendo ChatGPT uno de sus principales exponentes, la codificación automatizada de texto mediante análisis de contenido se ha visto considerablemente facilitada. Sin embargo, a pesar de estos avances, aún no se dispone de un protocolo metodológico que analice esta adaptación y ofrezca recomendaciones para un uso riguroso de la inteligencia artificial en el análisis de contenido. El presente estudio propone una guía metodológica de fácil aplicación para la implementación de análisis de contenido automatizado con inteligencia artificial, con el objetivo de garantizar la rigurosidad en términos de fiabilidad y validez de los datos obtenidos. Asimismo, se busca que dicho protocolo sea práctico y accesible para investigadores sin formación especializada en programación o ciencias sociales computacionales, razonando sobre los procesos más relevantes.Descargas
Citas
Goyanes, Manuel; De-Marcos, Luis; Domínguez-Díaz, Adrián (2024). “Automatic gender detection: a methodological procedure and recommendations to computationally infer the gender from names with ChatGPT and gender APIs”. Scientometrics, v. 129, n. 11, pp. 6867-6888. https://doi.org/10.1007/s11192-024-05149-2
Goyanes, Manuel; Piñeiro-Naval, Valeriano (2024). “Análisis de contenido en SPSS y KALPHA: Procedimiento para un análisis cuantitativo fiable con la Kappa de Cohen y el Alpha de Krippendorff”. Estudios sobre el mensaje periodístico, v. 30, n. 1, pp. 123-140. https://doi.org/10.5209/esmp.92732
Iang, Qile; Gao, Zhiwei; Karniadakis, George-Em (2025). “DeepSeek vs. ChatGPT vs. Claude: A comparative study for scientific computing and scientific machine learning tasks”. Theoretical and Applied Mechanics Letters, v. 15, n. 3. https://doi.org/10.1016/j.taml.2025.100583
Krippendorff, Klaus (2004). “Reliability in content analysis: Some common misconceptions and recommendations”. Human communication research, v. 30, n. 3, pp. 411-433. https://doi.org/10.1111/j.1468-2958.2004.tb00738.x
Hayes, Andrew F.; Krippendorff, Klaus (2007). “Answering the call for a standard reliability measure for coding data”. Communication methods and measures, v. 1, n. 1, pp. 77-89. https://doi.org/10.1080/19312450709336664
Maj, Agnieszka; Makowska, Marta; Sacharczuk, Katarzyna (2025). “The content analysis used in nursing research and the possibility of including artificial intelligence support: A methodological review”. Applied nursing research, v. 82, 151919. https://doi.org/10.1016/j.apnr.2025.151919
Mervaala, Erkki; Kousa, Ilona (2025). “Out of Context! Managing the Limitations of Context Windows in ChatGPT-4o”. Journal of data mining & digital humanities, jdmdh:15090. https://doi.org/10.46298/jdmdh.15090
Moon, Hak (2025). Comparación del rendimiento de modelos lingüísticos extensos en problemas de cálculo avanzado. arXiv. https://doi.org/10.48550/arXiv.2503.03960
Riffe, Daniel; Lacy, Stephen; Fico, Frederick; Watson, Brendan (2019). Analyzing media messages. Using quantitative content analysis in research (4th Ed.). Routledge.
Yacouby, Reda; Axman, Dustin (2020). Probabilistic extension of precision, recall, and F1 Score for more thorough evaluation of classification models. In Proceedings of the First Workshop on Evaluation and Comparison of NLP Systems (pp. 79-91). https://doi.org/10.18653/v1/2020.eval4nlp-1.9
Descargas
Publicado
Cómo citar
Dimensions
