人工智能辅助定性数据分析：学生研究者与教师研究者的效能对比

本研究针对AI在定性数据分析中的应用效能差异问题，通过对比学生与教师研究者使用ChatGPT进行归纳主题分析的结果，发现AI辅助分析能高效识别主题（教师组100%匹配，学生组91.7%），但需专家复核。该研究为教育场景下AI工具的科学部署提供了实证依据。

　　

在当今科研领域，定性数据分析因其能揭示复杂现象背后的深层逻辑而备受重视，但耗时耗力、主观性强等问题始终困扰着研究者。尤其当教师带领学生开展此类研究时，学生缺乏专业训练可能导致分析结果偏差。与此同时，人工智能（AI）技术如ChatGPT的崛起为这一困境提供了新思路——它能快速处理文本、识别模式，但其在学术研究中的可靠性仍存争议。

为此，一项发表于《Currents in Pharmacy Teaching and Learning》的研究团队设计了一项创新实验：比较学生与教师研究者使用ChatGPT进行归纳主题分析（Inductive Thematic Analysis）的效果差异，并与传统人工分析结果对照。研究选取了三组医疗教育相关数据（包括药技师的职业倦怠调查和学生课程评价），通过标准化提示词让AI生成主题，再由专家评估一致性。结果显示，教师使用AI的成果与人工分析完全吻合，学生使用AI的匹配率达91.7%，但学生组更易遗漏细微主题。这表明AI可作为高效初筛工具，尤其在师生协作项目中能显著提升效率，但其输出仍需专家把关。

关键技术方法包括：1）使用OpenAI的ChatGPT（生成式预训练转换器）分析三类定性数据集；2）对比教师/学生AI辅助分析与传统人工编码的差异；3）通过主题匹配率和时间效率评估AI实用性。数据来源涵盖药技师调查¹²和医学教育评估文本。

结果部分

• 方法学对比：教师AI组识别全部24个原始主题，学生AI组识别22个，两者共同识别62.9%的主题。
• 效率优势：AI将传统240分钟的分析缩短至12分钟内完成初步编码。
• 误差分析：学生组更易产生无关子主题（平均16.5个），但AI生成的主题摘要准确性较高。

讨论与意义
该研究首次揭示了AI在师生协作研究中的差异化价值：教师能更精准地驾驭AI工具，而学生可通过AI快速入门定性分析。尽管AI无法替代人工复核（尤其对隐含主题的识别），但其在医疗教育等领域的应用能突破时间与训练资源的限制。未来研究可探索AI提示词优化对结果的影响，以及跨学科场景的适用性边界。这一发现为高等教育中"AI-人类"协同研究模式的规范化提供了重要参考。