《Qualitative Research in Psychology》：Letting AI into analysis: towards a postdigital qualitative inquiry
编辑推荐：
研究人员提出将后数字质性探究（Postdigital Qualitative Inquiry, PDQI）作为一种方法论概念化，以凸显数字物质性（digital materiality）和表征（representation）在质性意义建构中的核心作用。研究人员
研究人员提出将后数字质性探究（Postdigital Qualitative Inquiry, PDQI）作为一种方法论概念化，以凸显数字物质性（digital materiality）和表征（representation）在质性意义建构中的核心作用。研究人员分享了如何通过分析一所住宅式治疗社区（residential therapeutic community）前居民的物品引导访谈（artefact-elicited interviews）来发展PDQI，这些前居民讲述了物品如何代表他们持续的康复（sustained recovery）。研究人员将生成式人工智能（Generative Artificial Intelligence, GenAI），特别是付费版ChatGPT 4.0，作为混合主题分析过程中的共同代理（co-agent）。研究并未呈现康复叙事的完整描述，而是分享了部分选择性描述，以披露研究人员的分析决策以及与GenAI的互动。该研究通过展示如何让GenAI进入分析，在维持研究者认识论权威（epistemic authority）的同时增强可信度（trustworthiness），从而提出并发展了PDQI。该研究方法为心理学及其他学科中应对数字纠缠（digital entanglements）的质性研究者提供了一种模型，并为关于GenAI在质性探究中的地位及其负责任使用的辩论做出了贡献。
在生成式人工智能（GenAI）日益介入质性研究的背景下，关于意义如何产生、谁拥有解释权威以及分析工作与数字系统共享后会发生什么等问题引发广泛讨论。现有讨论常假设质性研究在此之前是稳定的，而GenAI突然打破了这种状态；实际上，质性研究早已与数字技术深度纠缠，例如数字民族志、NVivo等软件、Zoom访谈等。当前“后数字”条件下，数字技术已嵌入日常生活，质性研究者需要一种方法论来反思这种纠缠。研究人员提出后数字质性探究（PDQI），以数字物质性和表征为中心概念，探讨当GenAI作为共同代理进入分析时，如何保持研究者的认识论权威并增强研究的可信度。
研究数据来自新西兰奥特亚罗瓦（Aotearoa）一所住宅式治疗社区（TC）的8名前居民。他们参与了物品引导访谈，带来代表其持续康复的个人物品，包括毕业证书、绿玉（pounamu）、照片、信件、珠宝及手工制作的taonga等。研究旨在回答两个问题：TC毕业生在主要生活领域的成功经验是什么？前居民认为TC的哪些方面有助于他们在治疗结束后的成功？
主要技术方法如下：研究人员采用Swain（2018）的混合主题分析（hybrid thematic analysis），结合演绎和归纳编码，并借助Auriacombe和Schurink（2012）的意义螺旋（spiral of meaning-making）作为迭代反思的框架。在初步主题熟悉和编码折叠后，引入付费版ChatGPT 4.0作为反思性共同代理。研究设置了四个边界：不直接接受GenAI输出；返回原始转录验证；记录GenAI的影响；提示词仅聚焦措辞与主题边界，不进行个案重建。样本队列来源为Aotearoa一所住宅式治疗社区的前居民，通过物品引导访谈收集数据。该方法旨在利用GenAI生成替代性解读，通过接受、修改或拒绝来保持研究者的解释权威。
研究结果如下。
概念框架：PDQI的核心特征。通过理论分析，研究人员提出PDQI具有三个核心特征：第一，数字与非数字方面的纠缠；第二，数字技术可以积极塑造而非仅仅中介意义生成；第三，研究者必须对这些纠缠在探究各阶段的作用进行批判性反思。PDQI反对将数据从个体（尤其是边缘化群体）中提取并普遍化的数据提取（data extraction）模式，而是在数字转换无法避免的前提下发展反思性实践。
认识论与理论基础。PDQI植根于批判建构主义传统，承认非人类行动者在知识生产中的能动性。与后质性研究方法在关系本体论上有所共鸣，但PDQI更关注将这些承诺落实到研究设计中的方法论框架。数字物质性指算法、数据库和数字界面如何通过组织、访问和解释知识的方式对研究遭遇产生实质性影响；数字表征指参与者的想法、身份和信念如何通过数字方式被建构和中介。
PDQI中的反思性。研究将反思性扩展至数字领域，认为数字技术本身可成为“不可见资源”（in/visible resources）。例如转录软件可能因强调某些声学特征而抹平意义，数据管理系统通过其组织逻辑偏向特定数据形式。在PDQI中，反思性要求研究者审视这些数字基础设施如何影响编码、综合和呈现。
GenAI在PDQI中的角色。GenAI被定位为“语言合作者”或“共同代理”，它通过模式识别生成替代性框架，但不对人类经验做出真实理解。其输出没有解释权威，而是作为“陌生化提示”促使研究者回到数据、自身立场和理论承诺中进行检验。这保证了认识论责任仍在研究者手中。
实施PDQI：分析过程。在实证演示中，研究人员先完成初步主题熟悉，将编码折叠为主题族，然后引入GenAI。GenAI提出的建议以三种方式被处理：接受并修改、直接拒绝、作为生产性摩擦。例如GenAI提出的“时间桥梁锚定记忆、身份和愿望”被修改为“时间锚：物品作为过去、现在和未来之间的桥梁”；“象征性里程碑”合并被拒绝，因为抹平了社区认可与个人意义建构之间的区别；关于婚礼照片的二元解读虽被拒绝，但帮助澄清了个人转变叙事与对他人的责任如何同时呈现。所有交互均在四个边界内进行，防止解释漂移。
伦理与认识论约束。研究在伦理上征得前居民和机构的同意，仅使用去识别化的摘录，关闭聊天历史和模型训练功能。认识论上，由于去除与whakapapa（族谱）相关的信息，GenAI无法理解文化背景，这种约束被视作正确且必要的。研究承认平台的数据处理仍存在不确定性，提出发展本地托管和iwi治理的AI基础设施作为未来方向。
讨论部分指出，GenAI作为“思考对象”（object-to-think-with）支持了反思性，但其对不同类型恢复资本（recovery capital）的识别能力不均衡：对人力资本和社会资本的识别较好，对文化资本和结构资本则有限。这强化了GenAI作为反思性伙伴而非独立分析者的定位。研究还指出数字鸿沟对资源匮乏的社会服务机构（SSOs）的影响，提出本地AI可能作为替代方案。未来研究应检验其他质性分析方法中的共同代理模式，并探索非英语或原住民语境下的适用性。研究结论认为，质性研究应保持人类主导，但可以且有时必须承认数字纠缠。GenAI系统是由人类历史、话语和文化生产构成的，引入分析过程并不免除研究者的反思责任。研究者需要发展新的素养，以批判性地理解技术如何塑造知识生产，并在人机组合中保持伦理责任。
