朱逸、阙明坤：人机合作：探索生成式AI在质性研究中的应用图景

以下文章来源于科学与社会，作者朱逸、阙明坤

人机合作：探索生成式AI在质性研究中的应用图景

朱逸1,2 阙明坤3

(1上海杉达学院;2复旦大学网络空间国际治理研究基地;3浙江大学国家高端智库教育学院)

DOI:10.19524/j.cnki.10-1009/g3.2025.01.115

生成式AI的快速发展为质性研究领域带来了新的机遇与挑战。本研究聚焦于中文语境下生成式AI在质性研究中的应用图景，旨在通过实证分析揭示人工与机器在质性数据分析中的质量差异。研究以家庭教育访谈文本为数据基础，选取国内自主研发的生成式AI（KIMI、智谱清言），采用扎根理论与主题分析两种质性研究方法，通过人工与机器的独立编码及专家匿名评估，系统比较两者的编码一致性、理论构建能力及分析质量差异，最终为本土化“AI+质性研究”的实践路径提供了科学依据。

研究核心问题围绕三方面展开：其一，生成式AI在质性研究不同方法（扎根理论、主题分析）中的表现差异及其成因；其二，中文语境下本土生成式AI的分析质量是否与国外工具的研究结论一致；其三，人工与机器在编码规范性、合理性和有效性上的质量差异如何体现。

研究发现，生成式AI在质性研究的初阶编码阶段展现出显著优势。在扎根理论的开放性编码中，机器组（KIMI、智谱清言）分别生成66个和72个代码，与人工组的89个代码在数量上接近，且部分概念为人工编码提供了补充视角。然而，随着编码阶段的深入，机器的局限性逐渐显现。专家评分显示，人工组在扎根理论中的综合质量得分（8.4分）显著高于机器组（6.2分）。相较之下，在主题分析中，人工与机器的表现差距大幅缩小（人工8.7分 vs. 机器8.5分），尤其在关键词提取效率上，机器仅需25秒即可完成人工2小时的工作量，且主题聚合结果与人工高度一致。这一差异源于扎根理论依赖逐级抽象的理论化构建，而主题分析更注重概念的聚合，后者与生成式AI的“高频词计算”逻辑更为契合。

研究进一步揭示了中文语境下本土生成式AI的独特性。相较于国外研究多以英文文本和ChatGPT为对象，本土生成式AI依托于中文语料库，在分词策略和语境理解上更贴近本土文化特征。此外，机器在分析偏好上呈现出开放性思维，为人工研究提供了新的启发。这些发现不仅验证了本土生成式AI的技术成熟度，也为中文质性研究的智能化转型提供了工具选择依据。

本研究的理论意义在于：一是系统评估了生成式AI在质性研究中的效能；二是揭示了生成式AI在不同质性方法中的适配性差异；三是超越编码一致性的单一维度，引入规范性、合理性等多指标质量评估体系。实践层面，研究为质性研究者提供了明确的操作指南，在初阶编码阶段可借助AI提升效率，而在理论构建阶段需依赖人工的诠释能力。同时，建议开发针对扎根理论等复杂方法的AI增强功能，如上下文关联算法与概念聚合提示机制。

创新点体现于三方面：其一，研究首次将本土生成式AI工具纳入质性分析比较实验，突破了国外ChatGPT主导的研究范式；其二，通过扎根理论与主题分析的对比，揭示了AI在不同质性方法中的效能边界，为方法论创新提供了依据；其三，构建了“人机优势互补”的合作模型，通过初阶编码支持、多模态数据解析、全流程嵌入等方式赋能质性研究，而非替代人类研究者。

展望未来，研究建议从三方面深化“生成式AI+质性研究”的探索：一是推动人机协同的范式革新，通过AI处理海量文本数据，释放研究者的理论创造力；二是拓展多模态数据分析，利用AI的图像识别、语音转录等功能，丰富质性研究的素材维度；三是开发全流程智能支持系统，从虚拟访谈、数据清洗到可视化呈现，实现质性研究范式的整体升级。

作者简介

朱逸，上海杉达学院教授，复旦大学网络空间国际治理研究基地特聘研究员。研究方向为社会研究方法、STS研究;

阙明坤，浙江大学国家高端智库教育学院分中心执行主任。研究方向为教育政策。

END