Datos o engaño: participantes impostores en la investigación cualitativa en línea

Área de la Ciencia:

• Métodos de investigación cualitativa
• Recopilación de datos en línea
• Ética de la investigación

Sus antecedentes:

• El reclutamiento y la recopilación de datos en línea en la investigación cualitativa aumentaron durante la pandemia de COVID-19, ofreciendo eficiencias de costos y tiempo.
• El auge de los métodos en línea introdujo riesgos, en particular los 'participantes impostores' motivados por las gratificaciones del estudio.
• Estos impostores crean cargas administrativas y amenazan la integridad de los datos y el muestreo equitativo.

Objetivo del estudio:

• Explorar los desafíos y estrategias relacionados con la identificación y gestión de 'participantes impostores' en la investigación cualitativa en línea.
• Proporcionar información de un estudio canadiense de fotovoice sobre la salud mental de los hombres y el apoyo entre pares.
• Abordar el impacto de los participantes impostores en la integridad de los datos, la carga de trabajo del investigador y la seguridad institucional.

Principales métodos:

• Análisis de experiencias de un estudio canadiense de fotovoice en línea.
• Exploración temática de desafíos que incluyen la detección de impostores, la selección para verificar la autenticidad y la tensión del investigador.
• Revisión de herramientas tecnológicas, estrategias humanas y consideraciones éticas para la selección de participantes.

Principales resultados:

• Los 'participantes impostores' plantean riesgos significativos para la integridad de los datos y aumentan los costos del proyecto en la investigación cualitativa en línea.
• La detección y disuasión efectivas requieren una combinación de herramientas tecnológicas y estrategias centradas en el ser humano.
• Equilibrar la selección de participantes para verificar la autenticidad con la inclusión es crucial para evitar la exclusión de personas elegibles.

Conclusiones:

• La prevalencia de participantes impostores requiere estrategias sólidas de detección, disuasión y apoyo al investigador.
• Los sistemas universitarios requieren actualizaciones para mejorar la seguridad y la gestión de riesgos contra estafas generadas por IA.
• Abordar la tensión y la fatiga del investigador es vital para mantener la calidad y la conducta ética de la investigación cualitativa en línea.