生成式人工智能何以融入质性研究-以生成田野为起点的功能评价与伦理审思.pptx

--------------------------powerpointdesign--------------------------2025.5主讲人：时间：202X生成式人工智能何以融入质性研究——以生成田野为起点的功能评价与伦理审思ONTENTS一、引言二、生成式人工智能的田野生成功能三、生成式人工智能的受访者模拟功能评价四、生成式人工智能的编码模拟功能评价目录05五、生成式人工智能融入质性研究的伦理审思06六、结语

01一、引言

质性研究是一种在自然情境中搜集一手资料，通过形成性分析得出先导性、启发性结论的研究方法，适用于社会科学领域，影响力逐步提高。质性研究的定义与重要性2023年，基于生成式人工智能技术的流畅对话、概念提取等功能，学界开始尝试将其融入质性研究，达成“辅助但不代替”的共识。生成式人工智能的融入趋势质性研究方法概述

02二、生成式人工智能的田野生成功能

传统田野的定义与特点传统田野是特定的、具体的物理空间，研究者需进入物理空间进行观察和访谈。虚拟田野的定义与特点虚拟田野是基于互联网虚拟社群的研究空间，无需进入物理空间，但有共享的兴趣、资源等。生成田野的定义与特点生成田野是基于人工智能技术制造的田野，虚拟了自然环境、社会环境和人际关系，研究者通过虚拟现实或人机对话“下田野”。010302传统田野、虚拟田野和生成田野

社会环境虚拟化通过大语言模型制造虚拟的社会环境，体现文化属性。人际关系虚拟化利用数据库和算法制造虚拟的人际关系，但缺少真实的人际互动。自然环境虚拟化生成田野借助世界模型制造虚拟的物理空间，反映物质背景。生成田野的三重虚拟属性

03三、生成式人工智能的受访者模拟功能评价

为使人工智能更接近人类受访者，需给予人物设定，包括知识信息类、个人特质类和人际关系类。人工智能对知识信息类设定反应较好，对个人特质类设定反应不稳定，对人际关系类设定反应较差，难以模仿人类的人生经历。人物设定的重要性测试结果分析受访者的人物设定及其测试效果

0102问题类型划分根据访谈者对答案类型的期望，问题分为事实类、故事类和观点类。回答特点分析人工智能具有“对应倾向”“常识回应”和“关系模糊”特性，信息供给能力强，但故事性和判断供给能力弱。受访者的分类问题回答及其测试效果

04四、生成式人工智能的编码模拟功能评价

编码环节概述质性研究访谈文本编码包括阅读、摘录、分类、描述、解释、分析等环节，需对话交流丰富视角。人工智能编码步骤人工智能需设定为“成熟的质性研究者”，按照阅读、摘录、分类、描述、解释、分析的步骤进行编码。模拟编码的依据和步骤

01人工智能能准确阅读文本，但存在遗漏。阅读环节表现02人工智能能摘录核心文本，但有总结倾向和分析倾向，提前进行主题概括和理论分析。摘录环节表现03人工智能能进行主题分类，但分类结果多为学界常识，缺少创新。分类环节表现基础环节的编码功能评价

人工智能能概括受访者人生经历要点，但叙事风格简练、客观、平淡，缺少故事感。叙事环节表现人工智能难以发现文化持有者的内部眼界和常识性悖论，倾向于用学界常识批判文化持有者。解释环节表现人工智能在缺少投喂的情况下，理论分析多为既有常识的总结；投喂常识性悖论后，能生成有一定新意的理论分析。分析环节表现030201解析环节的编码功能评价

构建生成式人工智能的访谈文本编码能力模型，明确其擅长、可为和难为的区域。模型构建该模型有助于研究者了解人工智能在质性研究编码中的优势和局限，合理分配编码任务。模型意义人工智能的访谈文本编码能力模型

05五、生成式人工智能融入质性研究的伦理审思

人工智能在访谈阶段信息供给能力强，但故事性和判断供给能力弱，研究者应避免采用其生成的故事和判断。访谈阶段的伦理问题人工智能在编码阶段效率高，但难以发现本土概念和常识性悖论，研究者需自主寻找和解释。编码阶段的伦理问题能不能：生成式人工智能的质性研究融入能力

01研究者的主体性质性研究以研究者本人为研究工具，研究者应谨慎让渡研究权利，避免被技术工具取代。02技术的局限性研究者需认识到技术的局限性，将人工智能作为模拟工具提升研究能力，而非完全依赖。让不让：质性研究者应思考研究权利的让渡问题

学界应开放“真实路线”与“虚拟路线”的并列运行，研究者在真实田野中进行访谈和编码的同时，尝试接纳人工智能的模拟功能。真实与虚拟路线并行人工智能的模拟功能可作为信息参照和灵感启发，帮助研究者提升访谈技术和适应情境。模拟功能的价值该不该：学界可首先将生成式人工智能用于质性研究过程模拟

06六、结语

人工智能在生成田野中具有一定的质性研究融入能力，但在访谈和编码阶段存在局限性。01人工智能的功能表现研究者应谨慎让渡研究权利，合理利用人工智能提升研究能力。02研究者的角色学界应明确