This study was co-designed with Anthropic's AI model, Claude, from the first day. Claude has been a fifth member of the team at every stage: research co-design and adversarial reading, the interview guide co-drafting, the sampling and recruitment strategy co-design, the analysis plan, and, yes, even this page.

Бұл зерттеуді алғашқы күннен бастап Anthropic компаниясы әзірлеген Claude жасанды интеллект жүйесімен бірге жобаладық. Claude әр кезеңде команданың бесінші мүшесі болды: зерттеуді бірге ойластырды, жоспарымызды сын көзбен оқып шықты, сұхбат сұрақтарын бірге жазды, кімді қалай іріктеп, қалай шақыратынымызды бірге шешті, талдау жоспарын бірге құрды және, иә, осы бетті де бірге жазды.

Это исследование мы с первого дня разрабатывали вместе с Claude, системой искусственного интеллекта компании Anthropic. На каждом этапе Claude был пятым членом команды: вместе мы продумывали замысел и искали в нём слабые места, писали вопросы для интервью, решали, кого и как приглашать, составляли план анализа и, да, делали даже эту страницу.

Following the promise in our ethics protocol, we are committed to being transparent and clear with every participant about the use of their data. The original audio recordings stay only on our own computers, where we transcribe them. Every name, place and detail that could point to participants is removed from the transcripts. Only de-identified transcripts are shared and analysed with Claude, and every participant is made aware of AI-assisted analysis in their consent form.

Этика хаттамасында берген уәдемізге сай, деректердің қалай қолданылатынын әр қатысушыға ашық әрі анық айтамыз. Дыбыс жазбаларының түпнұсқасы тек өз компьютерлерімізде сақталады, оларды мәтінге де сонда түсіреміз. Қатысушыны танытуы мүмкін барлық есім, жер атауы және басқа да мәлімет сұхбат мәтінінен алынып тасталады. Claude жүйесіне тек осылай тазартылған мәтіндер ғана беріледі, талдау да солармен жүргізіледі. Талдауға жасанды интеллект көмектесетінін әр қатысушы келісім формасынан біледі.

Как мы обещали комитету по этике, мы честно и понятно рассказываем каждой участнице, что происходит с её данными. Сами аудиозаписи остаются только на наших собственных компьютерах, там же мы их и расшифровываем. Из расшифровок мы убираем все имена, названия мест и любые подробности, по которым можно узнать участницу. Claude мы передаём только обезличенные расшифровки и анализируем их вместе с ним, а каждая участница заранее узнаёт из формы информированного согласия, что в анализе участвует система искусственного интеллекта.

Why bring an AI model in at all? Because, as in other fields, we want to see how AI can augment the design and analysis of qualitative data. One method we want to test is embedding-based analysis of our transcripts. A large language model turns each written passage into a long list of numbers, a position in a space with hundreds of dimensions, where passages that mean similar things sit close together. That holds across languages: one woman's answer in Qazaq and another's in Russian can land side by side if they say the same thing, with no translation in between. Once every answer to a question like “what do people here think a woman should do” is a point in that space, you can ask the space questions. Which answers cluster? How far apart do “what people here think” and “what I think myself” sit for each woman? Which women sit between the groups the human readers built? We do not give the model our categories. We ask what groups it finds on its own, then compare them with ours. Whether this works for Qazaq is itself a test: we check the model against a simple word-count baseline and a public Qazaq and Russian parallel corpus, and we check that it is not just sorting participants by language.

Жалпы жасанды интеллектті неге қосып отырмыз? Себебі басқа салалардағыдай біз де жасанды интеллект сапалық зерттеуді жоспарлау мен деректерді талдауды қалай күшейте алатынын көргіміз келеді. Сынап көргіміз келетін әдістің бірі — сұхбат мәтінін сандарға айналдырып талдау, оны эмбеддинг деп атайды. Үлкен тілдік модель мәтіннің әр үзіндісін ұзын сандар тізбегіне, яғни жүздеген өлшемі бар кеңістіктегі бір нүктеге айналдырады. Мағынасы ұқсас үзінділер сол кеңістікте бір-біріне жақын орналасады. Бұл тілге қарамайды: бір әйелдің қазақша жауабы мен екінші әйелдің орысша жауабы бір нәрсені айтып тұрса, аудармасыз-ақ қатар түседі. «Мұндағы жұрт әйел не істеуі керек деп ойлайды?» деген сияқты сұраққа берілген әр жауап осындай нүктеге айналған соң, сол кеңістікке сұрақ қоюға болады. Қай жауаптар топтасады? Әр әйелде «мұндағы жұрт не ойлайды» мен «өзім не ойлаймын» бір-бірінен қаншалықты алыс тұр? Мәтінді оқыған адамдар құрған топтардың арасында қай әйелдер қалады? Модельге өз санаттарымызды бермейміз. Ол қандай топтар табатынын өзінен сұраймыз, содан кейін оларды өз топтарымызбен салыстырамыз. Бұл әдіс қазақ тілінде жұмыс істей ме, жоқ па, оның өзі бөлек сынақ. Модельді сөз санауға негізделген қарапайым әдіспен салыстырамыз және бір мәтіннің қазақша және орысша нұсқалары қатар берілген ашық жинақпен тексереміз. Сонымен бірге модель қатысушыларды жай ғана тіліне қарай бөліп тұрмағанына көз жеткіземіз.

Зачем вообще привлекать искусственный интеллект? Затем же, зачем его привлекают в других областях: мы хотим понять, чем он может помочь и при подготовке исследования, и при анализе интервью. Один из методов, которые мы хотим проверить, — анализ расшифровок с помощью векторных представлений текста. Работает это так. Большая языковая модель превращает каждый отрывок расшифровки в длинный ряд чисел. Эти числа — координаты точки в пространстве с сотнями измерений, и отрывки с близким смыслом оказываются в нём рядом. То же верно и для разных языков: ответ одной женщины на казахском и ответ другой на русском могут оказаться рядом, если в них сказано одно и то же, и переводить ничего не нужно. Когда каждый ответ на вопрос вроде «что здесь думают о том, как должна жить женщина» становится такой точкой, можно посмотреть, как эти точки расположены. Какие ответы собираются в группы? Насколько у каждой женщины расходятся «что думают здесь» и «что думаю я сама»? Какие женщины оказываются между группами, которые выделили мы сами, читая интервью? Своих категорий мы модели не даём. Мы смотрим, какие группы она найдёт сама, а потом сравниваем их с нашими. Подходит ли этот метод для казахского языка, мы тоже проверяем. Мы сравниваем модель с простым подсчётом слов и проверяем её на открытом казахско-русском параллельном корпусе, то есть на собрании текстов, где одно и то же написано и по-казахски, и по-русски. И следим, чтобы модель не делила участниц просто по языку.