Let's Make AGI Real

第一篇：当大模型遇见质性研究——人文学科的十字路口

深夜十一点，社会学系研究生小林盯着电脑屏幕上密密麻麻的访谈记录发愁。三十份深度访谈，每份两万字，她需要在一周内完成编码分析。导师布置这个任务时说：“这是质性研究的基本功，急不得。”可论文截稿日期近在眼前。

就在这时，实验室的师兄探头进来：“要不要试试ChatGPT？我上次用它帮忙编码，一天就搞定了。”小林心动了，但又想起方法论课上老师的告诫：“质性研究是研究者与数据的深度对话，岂能假手于人？”

这个场景，正在全球无数社会人文学科的研究者身边上演。2025年的一项调查显示，95%的质性研究者已经至少尝试过使用生成式AI工具。然而就在同年年初，416位国际知名学者联名发表声明，明确拒绝在反思性质性研究中使用AI。这两个看似矛盾的事实，揭示了我们正处于一个前所未有的方法论十字路口。

从“格物致知”到算法预测：认识论的冲击

中国古代哲学强调“格物致知”——通过对事物的深入观察来获得知识。质性研究的精髓也在于此：研究者深入田野，与被研究者建立信任，在数据中浸泡，最终“涌现”出理论洞见。这个过程，古人称之为“工夫”，今人称之为“反思性”(reflexivity)。

生成式AI的工作原理却截然不同。它基于海量训练数据的统计模式进行预测，本质上是“依样画葫芦”。当我们让ChatGPT分析访谈数据时，它并非真正“理解”受访者的生活世界，而是在匹配它见过的类似文本模式。用古人的话说，这是“不知其然，只知其然”。

这种认识论差异带来的影响是深远的。Journal of Medical Internet Research的实证研究显示，使用ChatGPT进行扎根理论分析，可以将原本需要三周的编码工作压缩到一天完成。效率提升是惊人的，但代价呢？研究者与数据的“深度对话”变成了“快速匹配”，那种在数据中反复沉浸才能获得的顿悟，还会出现吗？

四百一十六位学者的联名反对

2025年初，由主题分析法权威Virginia Braun和Victoria Clarke领衔的416位质性研究学者，在顶级期刊《Qualitative Inquiry》发表了一份措辞严厉的联合声明。他们的核心观点是：只有人类能够进行反身性质性分析工作，在反身性质性分析的所有阶段使用AI都是不恰当的。

这份声明不是保守主义的固步自封，而是对质性研究哲学根基的捍卫。声明指出，反思性分析要求研究者将自己作为研究工具，不断审视自己的立场、偏见和权力位置如何影响研究过程。AI没有“自我”，没有社会位置，没有文化背景，它如何进行反思？

然而同样在2025年，斯坦福大学的AI Index Report显示，使用AI辅助的质性研究论文发表数量增长了340%。矛盾吗？不，这恰恰说明学术界正在经历一场深刻的分裂与重组。

两条岔路：增强还是替代？

目前的学术辩论正在形成两个阵营。“拒绝派”以Braun、Clarke等人为代表，认为AI即使只用于初步编码，也会从根本上改变研究的性质，将建构主义的质性研究推回实证主义的老路。

“整合派”则认为AI是工具，关键看怎么用。他们强调“人在回路”(human-in-the-loop)模式：AI负责繁重的初步编码（类似于图书馆员充当数据科学家的工作，先期对于处理加工数据的脏活累活都在这里完成，但没有经验、不了解技术能力、不能够与充满洞察和假设的社会科学研究者进行合作也是不行的），研究者保留最终的解释权和判断权。这种立场听起来很中庸，但实践中面临微妙的挑战——当AI已经提供了一套看似合理的编码方案，研究者还有多大动力去推翻重来？

庖丁解牛的故事告诉我们，技艺的精进来自反复的实践。如果初学者一开始就依赖AI完成编码，他们还能培养出那种“游刃有余”的分析直觉吗？这不是技术恐惧，而是对方法论传承的深层担忧。

温故而知新：重新审视质性研究的价值

在AI的冲击下，我们反而需要更清晰地回答一个根本问题：质性研究的独特价值到底是什么？

答案不是“样本小”或“不能统计”这些弱点，而是对意义的理解、对情境的敏感、对权力的批判。AI可以识别文本模式，但很难理解一个受访者沉默背后的创伤；AI可以统计关键词频率，但目前还无法感知一个社区的权力结构；AI可以生成流畅的报告，但无法对不公正表达出感同身受的愤怒。

质性研究是一种人文主义的知识生产方式，它的核心不是效率，而是深度。当我们拥抱AI时，需要时刻警醒：我们是在用技术增强人的能力，还是在用技术替代人的思考？

给研究者的建议

作为正在尝试采用AI研究方法的你，不必在“全盘接受”和“全盘拒绝”之间做选择。更重要的是培养批判性的AI素养：

• 先学会手工编码。只有掌握了传统技艺，才能判断AI的输出质量。
• 保持反思性日志。无论是否使用AI，都要记录自己的思考过程、困惑和顿悟。
• 关注认识论。每次使用AI前，问问自己：这个工具的使用，会改变我研究的哲学基础吗？
• 寻找人类导师。AI可以回答技术问题，但无法传授学术品味和伦理判断。

延伸思考

• 如果AI能在一天内完成原本需要三周的编码工作，质性研究者应该如何重新分配节省下来的时间？
• 当你的论文审稿人质疑：“你怎么证明这些主题不是AI生成的？”你会如何回应？
• 五年后，方法论教材中关于“编码”的章节会如何改写？