Szkolenie pt.: „Metody mieszane (ilościowe i jakościowe) w analizie danych empirycznych z wykorzystaniem AI”

O czym jest to szkolenie?

Szkolenie pokazuje, jak łączyć analizę ilościową i jakościową w jednym projekcie badawczym oraz jak wykorzystać sztuczną inteligencję do wsparcia poszczególnych etapów analizy danych empirycznych.

Uczestnicy poznają logikę metod mieszanych według Creswella, nauczą się określać rolę części ilościowej i jakościowej w procesie badawczym, przeprowadzać statystyczną weryfikację hipotez oraz analizować dane tekstowe według procedury opartej na podejściu Kvale’a. Ostatnia część szkolenia obejmuje integrację obu rodzajów wyników i ich prawidłową prezentację w artykule naukowym.

Uczestnicy będą mieli możliwość stworzyć własnego asystenta AI, którego będą mogli dostosowywać do własnych potrzeb badawczych.

Dla kogo?

• Naukowcy i doktoranci prowadzący badania empiryczne.
• Osoby wykorzystujące dane ilościowe i jakościowe w swoich projektach badawczych.
• Badacze, którzy chcą zastosować metody mieszane w artykule naukowym.
• Osoby zainteresowane wykorzystaniem AI do analizy danych empirycznych i przygotowania publikacji.

Program szkolenia

1. Metody mieszane w badaniach empirycznych

Omówienie istoty metod mieszanych według Creswella, roli podejścia ilościowego i jakościowego oraz zasad doboru logiki badania do problemu i pytań badawczych.

2. Projektowanie analizy ilościowej i jakościowej

Formułowanie pytań badawczych i hipotez, określanie kolejności i roli obu części badania oraz planowanie sposobu integracji wyników.

3. Analiza ilościowa – statystyczna weryfikacja hipotez

Przygotowanie danych, dobór metod statystycznych, weryfikacja hipotez dotyczących związków i różnic oraz interpretacja wyników i kontrola poprawności analizy z wykorzystaniem AI.

4. Analiza jakościowa tekstu według Kvale

Kodowanie materiału jakościowego, identyfikowanie tematów, kondensacja i interpretacja znaczeń oraz rozpoznawanie mechanizmów wyjaśniających.

5. Integracja wyników ilościowych i jakościowych

Porównywanie wyników obu części badania, wykorzystanie analizy jakościowej do wyjaśniania wyników ilościowych oraz identyfikowanie zgodności, uzupełnień i rozbieżności między wynikami.

6. Prezentacja wyników w artykule naukowym

Opisywanie procedury badawczej, raportowanie wyników ilościowych i jakościowych oraz przygotowywanie tabel, wykresów, cytatów i spójnej części wynikowej z wykorzystaniem AI.

7. Sesja Q&A

Omówienie pytań uczestników oraz możliwości zastosowania metod mieszanych w indywidualnych projektach badawczych.

Zakładane efekty szkolenia

• Uczestnik pozna zasady projektowania badań łączących analizę ilościową i jakościową oraz określania roli obu części badania zgodnie z logiką metod mieszanych.
• Uczestnik pozna sposoby formułowania pytań badawczych i hipotez adekwatnych do przyjętego projektu badawczego.
• Uczestnik pozna zasady doboru podstawowych metod statystycznych do weryfikacji hipotez.
• Uczestnik pozna etapy analizy jakościowej, od kodowania danych po interpretację znaczeń.
• Uczestnik pozna sposoby integrowania wyników ilościowych i jakościowych w celu przygotowania spójnej interpretacji.
• Uczestnik pozna sposoby identyfikowania zgodności, uzupełnień i rozbieżności między wynikami analiz.
• Uczestnik pozna zasady przygotowywania części metodycznej i wynikowej artykułu naukowego opartego na metodach mieszanych.
• Uczestnik pozna możliwości wykorzystania AI do wspierania analizy, interpretacji i raportowania wyników. 
• Uczestnik pozna sposób przygotowania i rozwijania własnego asystenta AI do pracy z danymi empirycznymi, którego będzie mógł dostosowywać do własnych potrzeb badawczych.

Wymagania techniczne

Uczestnik powinien mieć:

• komputer z dostępem do Internetu (więcej szczegółów poniżej w części „Platforma”),
• podstawową znajomość logiki badań empirycznych,
• opcjonalnie dostęp do programu wykorzystywanego do analizy statystycznej.

O prowadzącym:

dr Przemysław Tomczyk, doktor nauk ekonomicznych w zakresie nauk o zarządzaniu. Doktorat obronił w Szkole Głównej Handlowej w Warszawie (2015). Adiunkt w Katedrze Marketingu Akademii Leona Koźmińskiego.

Specjalizuje się w zakresie roli sztucznej inteligencji w tworzeniu prac naukowych oraz wprowadzaniu automatyzacji do nauki. Autor kilkudziesięciu publikacji naukowych oraz kanału na YouTube „dr Przemek Tomczyk AI”.

https://www.youtube.com/@drprzemek

Prowadzi szkolenia z zakresu analizy statystycznej i wykorzystania sztucznej inteligencji w pracy naukowej.

Ostatnio opublikowane teksty na temat wykorzystania nowoczesnych technologii (w tym AI) w pisarstwie naukowym:

• Tomczyk, P. (2026). Researcher as manager of the academic writing process with generative artificial intelligence. Framework for systematic literature review in management. International Journal of Social Research Methodology, 1-19.
  https://www.tandfonline.com/eprint/EDKXX6WQAFPNX8BNCFXP/full?target=10.1080/13645579.2026.2651311
• Tomczyk, P., Brüggemann, P., & Vrontis, D. (2026). AI meets academia: transforming systematic literature reviews. EuroMed Journal of Business, 21(1), 345-369.
  https://www.emerald.com/emjb/article/21/1/345/1249905?casa_token=HhBJvmBN3AYAAAAA:w8fUYzm1V8UEhdkMUPEiaSVji0VsIETyXx0sZs6ek3zy11Guebu101WTdF6NUipsXhl4IiSinX2CqAer
• Tomczyk, P., Brüggemann, P., Mergner, N., & Petrescu, M. (2026). Are AI tools better than traditional tools in literature searching? Evidence from E-commerce research. Journal of Librarianship and Information Science, 58(1), 135-145.
  https://journals.sagepub.com/doi/abs/10.1177/09610006241295802
• Tomczyk, P. (2025). Don’t write, manage! Researcher as manager of systematic literature review process in management. Scientific Papers of Silesian University of Technology. Organization & Management / Zeszyty Naukowe Politechniki Slaskiej. Seria Organizacji i Zarzadzanie, (227).
  https://managementpapers.polsl.pl/wp-content/uploads/2025/09/227-Tomczyk.pdf 
• Tomczyk, P. (2025). Zrzucanie czaru, czyli pozamagiczne argumenty za i przeciw współpracy naukowca ze sztuczną inteligencją, PWN Nauka, 1/2025.
• Tomczyk, P. (2025). AI napisze za nas tekst naukowy? Forum Akademickie.
  https://forumakademickie.pl/zycie-akademickie/ai-napisze-za-nas-tekst-naukowy/
• Tomczyk, P., Brüggemann, P., & Paul, J. (2024). Variable science mapping as literature review method, Journal of Marketing Analytics, pp. 1-13.
  https://doi.org/10.1057/s41270-024-00336-9
  https://link.springer.com/article/10.1057/s41270-024-00336-9
• Tomczyk, P., Brüggemann, P., Mergner, N., & Petrescu, M. (2024). Exploring AI’s role in literature searching: traditional methods versus AI-based tools in analyzing topical e-commerce themes, in Digital Marketing & eCommerce Conference (pp. 141-148). Springer, Cham.
  https://link.springer.com/chapter/10.1007/978-3-031-62135-2_15
• Tomczyk, P., Brüggemann, P., & Doligalski, T. (2024). The Automation of Science? Possibilities and Boundaries of AI Applications for Conducting Systematic Literature Reviews. International Journal on Artificial Intelligence Tools.
  https://www.worldscientific.com/doi/abs/10.1142/S0218213024500234

Uczestnictwo w szkoleniu wymaga umiejętności podstawowej obsługi komputera (tj. instalacja prostego programu, umiejętność logowania się do aplikacji typu ChatGPT, pracy z programem Word itp.)

Niektóre aplikacje, bądź ich funkcjonalności, zaprezentowane podczas szkolenia są płatne. Nie ma konieczności zakupu ich na potrzeby uczestnictwa w szkoleniu. Zostaną omówione w sposób wskazujący jakie funkcjonalności lub jakie ograniczenia są dostępne w wersjach bezpłatnych a jakie wymagają ewentualnego wykupienia subskrypcji. Informacje przekazane na szkoleniu pozwolą uczestnikowi na świadome podjęcie decyzji o sposobie dalszego korzystania z prezentowanych aplikacji.