Let's Make AGI Real

“人工智能与社会科学研究方法”系列文章四之三

质性研究界正在经历一场罕见的公开分裂。一端，四百一十九位来自三十二个国家的研究者联署声明，拒绝在反思性质性研究中使用生成式人工智能——反思性必须是人的反思，这个命题不容妥协；另一端，自动转录几乎已成默认配置，用大模型辅助编码的研究不断见诸期刊——效率的诱惑是结构性的，也不容否认。两股潮流在同一个共同体内并行，其间的裂缝比定量领域的任何争论都更动摇方法本质。

裂缝的根源在认识论，出路却未必在互相否定。方法史提供了有益的镜鉴：录音设备与质性分析软件初起时，都曾被断言将背离方法之魂，数十年后皆成常规装备，当年忧虑中合理的部分沉淀为使用规范。关于工具边界的断言，应当交由设计严谨的经验比较去检验，而非由先验立场一锤定音。本文以下将展开三步论证：先说明传统质性方法内部对人工智能的兼容程度差异悬殊，笼统的接纳与笼统的拒斥都同样失之粗疏，如何判断应该追问具体程序，为兼容区间内的人机协作拟定编码质量规程——人主导、全透明、系统审核。最后按三分框架归置各类问题：转录与表层语义能力会自行改善，质量标准与训练方式需要范式更新，隐私保密、诠释外包与边缘声音的抹平则须长期严防。质性研究者与其筑墙自守，不如以主人姿态参与定义工具的用法与规矩——把牌桌让给别人，最终可能带来自己出局的危险。

一　一场公开的分裂及其根源

2025年，Jowsey、Braun、Clarke、Lupton与Fine代表来自三十二个国家的四百一十九位质性研究者，在《质性探究》杂志发表联署声明，明确拒绝在反思性质性研究中使用生成式人工智能（Jowsey et al., 2025）。声明的核心论点是方法论的：反思性主题分析一类方法，要求一个有立场、有位置、能自省的研究主体，分析过程本身就是研究者与材料之间的意义共构；把这一过程交给统计模型，无论输出多么可观，都构成方法上的范畴错误。声明同时诉诸社会正义与环境代价。就其所守护的核心而言，这份文件值得严肃对待——它说出了一个真命题。

但真命题也有边界。声明之外的日常实践是另一番景象：自动转录几乎已成访谈研究的默认配置；文本标注效率的证据不断积累（Gilardi, Alizadeh, & Kubli, 2023）；用大模型对成百份访谈记录做初步编码的研究陆续见诸期刊。方法的扩散有其内生推力，不宜简单归咎于研究者的懒惰：质性项目的样本规模与数据体量持续膨胀，混合方法设计要求在有限工期内处理数百份访谈，资助周期与考核节奏并不体谅细读所需的时间。一件能把编码工时压缩过半的工具，其诱惑无须论证。面临如此巨大的诱惑，对使用边界的讨论仅仅停留于道德劝诫是十分无力甚至虚伪的，而须给出可操作的判别标准与质量规程。

方法史在此提供了有益的镜鉴。录音设备进入田野之初，曾被担忧会破坏访谈的亲密与自然；计算机辅助质性分析软件兴起时，“软件会使研究者疏离数据、把分析降格为机械操作”的批评不绝于耳。数十年过去，录音与编码软件都成了质性研究的常规装备，当年担忧中合理的部分沉淀为使用规范，夸大的部分被实践默默淘汰。这段历史不能证明今天的担忧必然过时——大模型对分析过程的介入深度确实前所未有——但它至少提示：关于工具边界的断言，应当交由设计严谨的经验比较去检验，而非由先验立场一锤定音。宣布某类使用“原则上不可能有效”，与宣布它“必然无害”，在方法论上是同一种草率。

裂缝的根源在认识论，必须在认识论层面把话说清。大模型处理语言的方式是统计性的：从海量语料中习得词语搭配的概率结构，输出分布意义上最可能的续写。反思性传统看待分析的方式与此当然完全不同。Braun与Clarke反复申明，主题并不栖身于数据之中等人捡拾，而是研究者带着理论敏感与自身位置主动建构的产物；编码的价值恰在其主观性（Braun & Clarke, 2006, 2019）。让模型执行反思性传统的核心编码，确属范畴错误。但质性研究远大于反思性传统，把适用于一支传统的禁令扩展为对整个领域的桎梏，牺牲的是未来可能带来的无限创新。

二　并非铁板一块：方法传统的兼容性光谱

质性方法对人工智能的兼容程度，大体随方法对“预定义结构”的依赖程度而变化，这条光谱同时是一张创新的地图。依赖编码本的取向——定向内容分析、编码本式主题分析、框架分析——以预先界定的类别体系为分析骨架，编码工作在性质上接近分类作业，编码者间信度本就是其质量指标。这类方法与人工智能辅助在逻辑上相容，工作流与训练并督导一名新编码员并无本质差异；此区域应当放手创新，把规模做到人力时代不敢设想的量级——上千份访谈的框架分析、跨年代档案的定向编码，都是过去写在“局限与展望”里、现在可以写进研究设计里的题目。

光谱的中段是归纳式取向，以扎根理论的开放编码为代表。此处编码框架并不预先存在，恰恰要在与材料的反复对话中逐步生成；让模型参与核心的归纳环节，等于让统计惯性预先框定理论可能到达的范围——模型给出的类别源自语料中的高频模式，而扎根理论要捕捉的常常是低频的、反常的、溢出既有概念的东西。此区域的探索应当继续，但须以对照设计护航：同一批材料，有无模型参与各走一遍，差异本身就是宝贵的方法论证据。光谱的另一端，反思性主题分析、诠释现象学分析、建构主义扎根理论、叙事分析、自我民族志，研究者的主体性与反思性是方法的构成要件，核心分析环节的让渡在方法论上不成立；人工智能的位置在外围——转录、文献整理、材料管理。

判断一项具体环节能否让渡，应该层层追问。先问编码框架是否在分析之前即已确定：框架预定义者，编码近于分类，可以考虑让渡；框架须从材料中生成者，让渡即越界。再问这个环节的质量能否用编码者间信度来衡量：信度概念适用的地方，人机一致率才有意义；信度概念本身与方法相悖的地方——反思性传统正是如此——一致率再高也不构成质量证据。最后问模型在此环节犯下的错误，研究者是否有能力、有程序发现：审核若只是走过场，让渡便等于失控。三问皆通过，方可进入协作；任何一问受阻，环节就必须停留于人的手里。

还有一条纪律须与光谱同讲：方法的选择应当先于工具的选择。若因为想用人工智能而把研究改造成编码本式设计，让工具的便利倒逼方法的降格，损失比误用工具更巨大。这条纪律与创新姿态并不冲突——它保护的正是创新的品质：新工具应当扩大方法库，而非把方法库压缩到只是为了工具顺手。

三　协作编码的质量标准：新技艺与新话语权

在兼容区间之内，人机协作的质量规程可概括为人主导、全透明、系统审核。编码框架、编码规则与最终的主题建构由研究者负责，模型只执行人所定义的分类；研究报告完整披露所用工具与版本、提示词全文、人工审核的范围与方式；对模型输出的审核成系统，而非凭印象抽看几条。

落实到操作，一个稳妥的流程是先小后大：从语料中抽取一个覆盖主要类型的子样本，由两名以上研究者独立编码并协商定标，形成黄金标准；将编码本的每个类别改写为定义精确、附有正反例的提示词，在小样本上试运行，比对分歧、修订提示，迭代至一致率可以接受；然后才在全量数据上运行，并分层审核——模型标记为不确定的条目全数复核，理论敏感性高的代码全数复核，其余按比例抽检，一旦发现系统性问题即扩大范围。提示词的每一版修订都应存档，它实际上就是给机器看的编码手册。

技术质量的评估借用编码者间信度的既有工具：与黄金标准对比的总体一致率与Kappa系数是起点，但总体指标必须按代码分解——模型在事实性类别上的高一致率，掩盖不了它在反讽、言外之意、矛盾表达上的失手。误差的性质比数量更要紧：随机分歧可以逐条消化；系统性偏移——例如一贯把激烈的情绪降格为温和的表述——会在主题层面留下方向性扭曲，必须专门检查、专门报告。技术指标之上还有研究质量三问：模型有没有漏掉频次低却理论价值高的代码？它是否停留在语义表层，错过隐喻与文化脚注？它会不会把边缘的声音归并进主流类别，让数据显得比实际更整齐？这三问指向质性研究的立身之本。

值得点明的是，这套规程本身是一门新技艺，而技艺即话语权。把编码本转写为可靠提示词的能力、诊断模型系统性偏差的能力、设计分层审核的能力，正在成为质性方法论的新内容。这些标准由谁制定，直接决定未来的协作工具顺着谁的需要生长。质性研究者若集体缺席，标准将由工程师与定量研究者代拟，其结果可想而知；率先进场的质性学者，则是在为自己的共同体立法。

质性材料的敏感性给协作加上一重硬约束，此处没有讨价还价的余地。访谈记录承载着被访者的隐私、创伤与信任，把它上传至商用接口，意味着材料进入研究者无法审计的第三方系统，多数知情同意书并未涵盖这一用途。能去标识化的先彻底去标识化；涉及敏感人群与敏感议题的材料，只在本地部署的模型上处理，或者干脆不用模型处理；知情同意书与伦理审查申请应明确说明人工智能工具的使用方式。保密承诺是质性研究者与被访者关系的基石，任何效率都不足以构成松动它的理由。

四　三类问题，三种对策

把质性研究面对的问题按性质归类，姿态就清晰了。会随技术迭代明显改善的一组：转录的准确率与多语种覆盖、长访谈的整体处理能力、表层语义编码的精度，都在逐代进步；今天模型在细腻语用上的部分失手，未必是明天的失手，对“模型永远读不懂言外之意”一类断言，恰当的态度是持续用数据重测，而非当作公理引用。质量差距应当被动态跟踪，而非静态供奉。

需要观念与范式更新的一组更值得投入。质量标准的更新首当其冲：编码者间信度本为人类协作设计，人机协作需要与之对应的可信性框架——按代码分解的一致率、系统性误差分析、覆盖率与多样性审计，这套框架的成形本身就是方法论贡献。训练方式也须更新：编码的手工劳动同时是质性研究者的养成过程，逐行阅读、反复比较、在犹疑中形成判断，沉淀为日后评估任何编码的能力底座；教学因此应刻意保留素手编码的训练阶段，如同飞行训练必须从目视飞行开始——这是为了造就能驾驭新工具的人，而非为了怀旧。还有一种值得探索的新实践：让模型充当分析过程中的批评性对话者，研究者完成自己的编码与备忘录之后，请模型给出另一种读法，用它的输出挑战而非替代自己的判断。此种用法保持人的分析主权，其风险——模型的读法出自语料的主流分布，长期对话可能把诠释拉向平均——本身就是值得研究的新课题。

必须长期严防的一组，前文已各就其位：隐私与保密的底线，诠释外包的诱惑，边缘声音的统计性抹平，以及去技能化对学科根基的慢性侵蚀。这些问题不会被任何版本的模型解决，只能靠规程、审查与教学制度看住。分层审核、按代码分解、伦理条款的更新，值守的正是这几处。

质性研究在这轮技术浪潮中的真实处境，与流行的悲观叙事恰好相反：它的核心能力——在场、共情、位置自觉、对意义的负责任诠释——是模型最难企及的，工具越强大，这些能力的相对价值越凸显；而它的痛点——编码工时、语料规模、混合方法的接口——恰是工具最能分担的。守住不可让渡的，放开可以让渡的，把节省的时间投回沉浸与反思，质性研究从这轮变革中赢得的将多于失去的。前提只有一个：由质性研究者自己来主导这场协商，而非把桌子让给别人。下一篇讨论生成式社会科学——当模型从分析工具变为研究对象的扮演者，一个新的方法范式正在等待它的立法者。

参考文献

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa

Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597. https://doi.org/10.1080/2159676X.2019.1628806

Gilardi, F., Alizadeh, M., & Kubli, M. (2023). ChatGPT outperforms crowd workers for text-annotation tasks. Proceedings of the National Academy of Sciences, 120(30), e2305016120. https://doi.org/10.1073/pnas.2305016120

Jowsey, T., Braun, V., Clarke, V., Lupton, D., Fine, M., & 414 Signatories. (2025). We reject the use of generative artificial intelligence for reflexive qualitative research. Qualitative Inquiry. Advance online publication. https://doi.org/10.1177/10778004251401851