Истории как данные: чему научил проект «Больше историй — 2026» и где в оценке может помочь искусственный интеллект
Как сохранить смысл человеческой истории, превратить собранные рассказы в обоснованные выводы и использовать искусственный интеллект, не передавая ему право на интерпретацию? Эти вопросы стали центральными на сессии «Истории как данные: от сбора к анализу и оценочным суждениям», прошедшей 28 октября в рамках ежегодной конференции Ассоциации специалистов по оценке программ и политик (АСОПП). Участники проекта «Больше историй — 2026» представили результаты своих исследований, рассказали о методических находках и трудностях и обсудили, какие возможности открывает ИИ для самостоятельной оценочной практики НКО.
Собрать историю — ещё не значит научиться её анализировать
Открывая сессию, её модератор, исполнительный директор АНО «Эволюция и Филантропия» Ольга Евдокимова напомнила, что проект «Больше историй» развивается с 2023 года . За это время накоплена значительная база практических кейсов, инструментов и методических материалов, представленных в онлайн-руководстве по сторителлингу в оценке (презентация).
Каждый новый цикл проекта становится возможностью проверить и развить подходы к работе с историями. В 2026 году особое внимание уделили нарративному анализу, количественному обобщению качественных данных и применению искусственного интеллекта.
Одна из главных методических проблем, по словам Ольги Евдокимовой, обнаружилась ещё в предыдущих циклах: организации собирают истории, но затем нередко анализируют их с помощью обычного тематического кодирования. При этом теряется то, ради чего и был выбран сторителлинг, — целостность рассказа, последовательность событий, поворотные моменты и связи между ними.
В новом цикле участники попробовали дополнить тематический анализ нарративным. Однако практика вновь показала, что получить полноценную историю сложнее, чем кажется. Даже специально разработанные гайды часто оказываются перегружены оценочными вопросами, и вместо связного рассказа интервьюер получает последовательность ответов.
Возникает следующий вопрос: как анализировать совокупность таких материалов и на каком основании переходить от отдельных высказываний к оценочным суждениям?
Именно этот переход Ольга Евдокимова назвала одной из важнейших точек роста проекта и профессиональной практики оценки в целом.
«Дедморозим»: что происходит с семьями спустя десять лет?
Первый кейс представила Галина Меркушева из Благотворительного фонда «Дедморозим» (Пермский край). Исследование было посвящено работе службы сохранения семей, которая помогает женщинам, оказавшимся перед решением об отказе от новорождённого ребёнка (презентация).
За годы работы службы 87 детей остались в семьях. Но количественная статистика не позволяла ответить на важный вопрос: как складывается жизнь этих семей спустя пять–десять лет после кризиса?
Команда собрала семь историй женщин, которые сохранили детей и продолжили их воспитывать. Особое внимание уделили этике исследования. Беседы начинались с позитивных событий жизни женщины, а не с прямых вопросов о травматичном прошлом. Участницы сами выбирали, о чём рассказывать, могли прекратить интервью и получали возможность проверить расшифровку.
Из семи интервью только два оказались полностью нарративными, ещё три содержали отдельные связные эпизоды, а два больше напоминали ответы на вопросы. Тем не менее анализ позволил увидеть, как женщины воспринимают принятое решение, свою родительскую роль и поддержку фонда.
Во всех семи изученных случаях семьи продолжали справляться с повседневными жизненными задачами. Все женщины называли помощь фонда важной, а четыре из семи — решающей.
Особенно интересным оказалось различие между женщинами, воспринимавшими решение сохранить ребёнка как собственное, и теми, кто связывал его прежде всего с поддержкой специалистов. Это наблюдение уже стало предметом обсуждения внутри службы: психологи рассматривают возможность усилить работу по формированию самостоятельной родительской позиции.
В дискуссии Ольга Евдокимова поставила вопрос о доказательной силе семи историй: насколько убедительными они будут для органов власти, если одна из целей оценки — подтвердить долгосрочную ценность работы службы?
Представители фонда пояснили, что истории предполагается использовать вместе с имеющимися количественными данными. Они помогают показать, что стоит за статистикой, и дополнить её конкретным человеческим опытом.
Участники также обсудили ограничения выборки, влияние доверительных отношений между интервьюером и респондентами и этические сложности изучения случаев, когда сохранить ребёнка в семье в долгосрочной перспективе не удалось.
«Открывая горизонты»: подростки и кураторы видят результаты по-разному
Второй кейс представили Анастасия Тришкина и Анастасия Юркина из Благотворительного фонда «Открывая горизонты» (презентация).
Команда оценивала программу «Твоя траектория», которая помогает подросткам в трудной жизненной ситуации развивать навыки общения, лучше понимать себя, готовиться к профессиональному самоопределению и самостоятельной жизни.
До участия в проекте «Больше историй» фонд уже использовал количественные данные, диагностику, наблюдение и обратную связь после занятий. Сторителлинг должен был помочь глубже понять, какие изменения замечают сами подростки и с какими элементами программы они их связывают.
Исследователи собрали 14 интервью: десять с подростками и четыре с кураторами. Полностью нарративных историй среди них не оказалось. Но даже частично связные рассказы дали важный материал.
Одна из участниц рассказала, что раньше боялась обратиться за помощью или самостоятельно зайти в кафе, а теперь чувствует себя гораздо увереннее. При этом она не смогла выделить одно занятие, ставшее поворотным моментом: изменения происходили постепенно, благодаря всей программе.
Другой подросток пришёл на занятия по просьбе матери, а впоследствии стал волонтёром и начал лучше понимать собственные цели.
Сопоставление интервью выявило интересное расхождение. Подростки чаще говорили об уверенности в себе, общении и перспективах трудоустройства. Кураторы прежде всего замечали развитие гибких навыков и изменения в поведении участников.
Исследование помогло команде уточнить направления развития программы: усилить психологическую составляющую занятий, уделить больше внимания подготовке кураторов и волонтёров, а в дальнейшем проверить, как продолжительность участия связана с результатами.
Отдельной темой стала трудоёмкость анализа. Анастасия Юркина призналась, что переход от привычного качественного исследования к количественному обобщению историй потребовал серьёзной перестройки мышления.
В ходе обсуждения прозвучал вопрос: оправданна ли работа с большими аналитическими таблицами, когда собрано всего 14 интервью?
По мнению Анастасии Юркиной, небольшое количество материалов действительно можно изучить и без сложных расчётов. Однако таблицы позволяют увидеть связи и сопоставления, которые трудно удержать в памяти при простом чтении. Кроме того, созданная аналитическая структура может использоваться в следующих циклах оценки.
Ещё один вопрос касался возвращения результатов самим подросткам. Команда признала, что этот этап пока не состоялся: для обсуждения выводов с подростками необходим более подходящий формат, возможно, игровой или групповой.
Искусственный интеллект: помощник аналитика или источник новых ошибок?
Заключительная часть встречи была посвящена использованию ИИ. Своим опытом поделилась эксперт проекта Ольга Заводилкина, сопровождавшая команды на этапе анализа данных (презентация).
Первоначально систематическое применение искусственного интеллекта в аналитической работе не планировалось. Однако некоторые участники начали самостоятельно использовать нейросети для кодирования историй, и результаты оказались проблематичными.
ИИ предлагал слишком общие категории, которые могли бы подойти практически к любой социальной программе. Из анализа исчезали особенности конкретного проекта, его результаты и механизмы изменений.
Это заставило пересмотреть подход к постановке задач.
Выяснилось, что для содержательной работы с историями ИИ необходимо предоставлять контекст: оценочные вопросы, предполагаемые социальные результаты, правила кодирования и примеры. Причём саму инструкцию желательно сначала разработать и проверить, а уже затем применять к массиву данных.
Вместе с тем опыт проекта показал несколько направлений, где ИИ может существенно облегчить работу НКО.
Он помогает составлять и объяснять формулы, проверять расчёты, готовить подробные инструкции по обработке данных, строить диаграммы и визуализировать связи между результатами.
Ольга Заводилкина привела пример проверки гипотезы о различиях между активными и менее активными участниками программы. С помощью ИИ была подготовлена формула для расчётов, которые показали: у активных участников в среднем оказалось на 55% больше высказываний, связанных с социальными результатами. Этот результат стал примером возможностей количественного обобщения историй, но сам по себе не доказывает большего эффекта программы.
Особое внимание эксперт уделила качеству взаимодействия с нейросетью. Вместо короткого запроса «проанализируй данные» полезнее сформулировать подробное техническое задание, попросить ИИ объяснять свои действия и задавать уточняющие вопросы, если ему недостаточно информации.
В дискуссии обсуждалась возможность создавать библиотеки промптов и готовые сценарии обработки данных, которыми могли бы пользоваться разные организации.
Однако участники отметили и ограничения такого подхода. Один и тот же запрос способен приводить к разным результатам, а ошибки нейросети могут оставаться незамеченными. Анастасия Юркина, в частности, обратила внимание на сложности распознавания отрицаний при обработке качественных данных.
Главный вывод обсуждения: ИИ может облегчить техническую и аналитическую работу, но ответственность за интерпретацию, обоснованность оценочных суждений и рекомендации должна оставаться за человеком.
Что остаётся после проекта?
Обсуждение показало, что одна из главных трудностей самостоятельной оценки для НКО связана с переходом от сбора данных к анализу и использованию результатов.
Участники двух представленных кейсов сумели пройти этот путь, хотя и с ограничениями. Полученные выводы уже помогают им пересматривать практики работы, уточнять гипотезы и планировать дальнейшие исследования.
Вместе с тем открытыми остаются вопросы о том, как получать более целостные истории, выбирать способы анализа для разных типов интервью, сочетать качественные и количественные данные, возвращать результаты респондентам и делать прозрачными основания оценочных суждений.
Проект «Больше историй» продолжает искать ответы на эти вопросы, соединяя методическую разработку с реальной практикой организаций.
Завершая встречу, Ольга Евдокимова рассказала о планах продолжить проект в 2027 году. В следующем цикле предполагается изначально встроить использование искусственного интеллекта в разные этапы работы — от подготовки инструментов до анализа и представления результатов.
Организации, заинтересованные в участии, смогут следить за будущими анонсами проекта.
Материалы и накопленный опыт проекта «Больше историй» доступны в онлайн-руководстве по сторителлингу.