人工智能作为探索工具：在线定性调查在社会科学研究中的创新应用

这篇综述探讨了人工智能（AI）如何作为动态探针工具增强在线定性调查的深度与广度。文章系统分析了AI技术（如机器学习、自然语言处理NLP和聊天机器人）在解决传统开放式问卷的应答疲劳、低质量反馈等局限性的潜力，同时强调需平衡技术优势与定性研究的核心价值（如反身性、伦理考量）。研究为混合方法论提供了新视角，呼吁进一步探索AI在提升调查可扩展性与访谈响应性融合中的认识论意义。

　　

Introduction

传统调查工具多用于定量研究，但互联网时代催生了在线定性调查的兴起。尽管开放式问题能捕捉复杂社会现象，受访者疲劳和低质量反馈常限制其有效性。人工智能（AI）通过动态问卷设计、智能探针问题等功能，为提升数据质量提供了新思路。研究表明，结合机器学习算法的自适应提问，以及聊天机器人（chatbot）的对话式界面，可显著改善参与者参与度和回答深度。

AI in contemporary qualitative research

AI技术已渗透到定性研究的多个环节，包括转录、编码和对话式数据收集。大型语言模型（如ChatGPT）能生成访谈摘要，但需警惕语境准确性风险。聊天机器人访谈虽提升灵活性，却面临共情不足的质疑。学界强调需在AI工具与定性研究核心价值（如反身性、情境化知识）间取得平衡。值得注意的是，聊天机器人易引发用户挫败感，因其对话深度有限且可能产生不可预测的响应，这要求研究者建立严格的验证协议。

What can online qualitative surveys offer?

在线定性调查具有成本效益和地理覆盖优势，尤其适合研究敏感话题（如外貌、性健康）。计算机辅助定性数据分析软件（CAQDAS）如NVivo能高效处理大规模文本数据。然而，数字鸿沟问题不容忽视——不仅涉及网络接入，更关乎使用能力。研究指出，定性调查的整体数据丰富度可能被低估，因其常与访谈的个体深度不恰当比较。恰当的脚手架技术（如进度条、示例提示）可有效提升参与者应答质量。

Encouraging disclosure and participation in sensitive topics

"感知匿名性"（felt anonymity）是在线调查的核心优势，即使技术上无法完全匿名，参与者主观安全感仍能促进敏感话题的坦诚披露。比较研究发现，视频访谈的细节表达可能逊于匿名问卷。但需注意：伦理审查必须明确告知数据追踪可能性，并确保存储安全。对于社交焦虑人群（如OCD患者），在线调查能规避面对面互动的压力，同时降低研究者因经验不足引发的伦理风险。

AI as a probing tool

AI探针工具主要呈现两种形态：

1. 1.

   AI增强型问卷：基于自然语言处理（NLP）识别关键词，动态生成深度追问（如Voiceform平台）；

2. 2.

   聊天机器人驱动调查：通过对话界面引导，参与者对AI的耐心可能超过人类研究者。

但关键矛盾在于：传统访谈的追问依赖研究者共情与情境判断，而AI探针受算法逻辑驱动，可能忽视情感维度。生成式AI的非确定性输出还会引发可重复性担忧。更严峻的是，训练数据偏见可能导致对边缘群体观点的扭曲解读。有学者建议将AI定位为"脚手架工具"，协助初步编码，而由研究者完成深度诠释。

Conclusion

AI赋能的定性调查开创了方法论新范式，兼具调查的规模效益与访谈的响应性。感知匿名性和智能探针功能尤其利于敏感研究，但必须配套严格的伦理框架。未来需重点探索：参与者对AI工具的认知差异、对话深度的影响因素，以及如何建立算法透明度。在AI重塑研究格局的背景下，定性学者既要拥抱技术创新，更需坚守解释性研究的本质价值。