人機合作：探索生成式AI在質性研究中的應用圖景

朱逸1,2 闕明坤3

(1上海杉達學院;2 復旦大學網絡空間國際治理研究基地;3 浙江大學國家高端智庫教育學院)

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

生成式AI的快速發展為質性研究領域帶來了新的機遇與挑戰。本研究聚焦于中文語境下生成式AI在質性研究中的應用圖景，旨在通過實證分析揭示人工與機器在質性數據分析中的質量差異。研究以家庭教育訪談文本為數據基礎，選取國內自主研發的生成式AI（KIMI、智譜清言），采用扎根理論與主題分析兩種質性研究方法，通過人工與機器的獨立編碼及專家匿名評估，系統比較兩者的編碼一致性、理論構建能力及分析質量差異，最終為本土化“AI+質性研究”的實踐路徑提供了科學依據。

研究核心問題圍繞三方面展開：其一，生成式AI在質性研究不同方法（扎根理論、主題分析）中的表現差異及其成因；其二，中文語境下本土生成式AI的分析質量是否與國外工具的研究結論一致；其三，人工與機器在編碼規范性、合理性和有效性上的質量差異如何體現。

研究發現，生成式AI在質性研究的初階編碼階段展現出顯著優勢。在扎根理論的開放性編碼中，機器組（KIMI、智譜清言）分別生成66個和72個代碼，與人工組的89個代碼在數量上接近，且部分概念為人工編碼提供了補充視角。然而，隨著編碼階段的深入，機器的局限性逐漸顯現。專家評分顯示，人工組在扎根理論中的綜合質量得分（8.4分）顯著高于機器組（6.2分）。相較之下，在主題分析中，人工與機器的表現差距大幅縮小（人工8.7分 vs. 機器8.5分），尤其在關鍵詞提取效率上，機器僅需25秒即可完成人工2小時的工作量，且主題聚合結果與人工高度一致。這一差異源于扎根理論依賴逐級抽象的理論化構建，而主題分析更注重概念的聚合，后者與生成式AI的“高頻詞計算”邏輯更為契合。

研究進一步揭示了中文語境下本土生成式AI的獨特性。相較于國外研究多以英文文本和ChatGPT為對象，本土生成式AI依托于中文語料庫，在分詞策略和語境理解上更貼近本土文化特征。此外，機器在分析偏好上呈現出開放性思維，為人工研究提供了新的啟發。這些發現不僅驗證了本土生成式AI的技術成熟度，也為中文質性研究的智能化轉型提供了工具選擇依據。

本研究的理論意義在于：一是系統評估了生成式AI在質性研究中的效能；二是揭示了生成式AI在不同質性方法中的適配性差異；三是超越編碼一致性的單一維度，引入規范性、合理性等多指標質量評估體系。實踐層面，研究為質性研究者提供了明確的操作指南，在初階編碼階段可借助AI提升效率，而在理論構建階段需依賴人工的詮釋能力。同時，建議開發針對扎根理論等復雜方法的AI增強功能，如上下文關聯算法與概念聚合提示機制。

創新點體現于三方面：其一，研究首次將本土生成式AI工具納入質性分析比較實驗，突破了國外ChatGPT主導的研究范式；其二，通過扎根理論與主題分析的對比，揭示了AI在不同質性方法中的效能邊界，為方法論創新提供了依據；其三，構建了“人機優勢互補”的合作模型，通過初階編碼支持、多模態數據解析、全流程嵌入等方式賦能質性研究，而非替代人類研究者。

展望未來，研究建議從三方面深化“生成式AI+質性研究”的探索：一是推動人機協同的范式革新，通過AI處理海量文本數據，釋放研究者的理論創造力；二是拓展多模態數據分析，利用AI的圖像識別、語音轉錄等功能，豐富質性研究的素材維度；三是開發全流程智能支持系統，從虛擬訪談、數據清洗到可視化呈現，實現質性研究范式的整體升級。

作者簡介

朱逸，上海杉達學院教授，復旦大學網絡空間國際治理研究基地特聘研究員。研究方向為社會研究方法、STS研究;

闕明坤，浙江大學國家高端智庫教育學院分中心執行主任。研究方向為教育政策。