AI and Qualitative Research: From Research Tool to Methodological Challenge Yuan Ren 6月26日 人工智能与质性研究：从研究工具到方法论挑战 人工智能不再是一位站在研究室门外客气等候的“未来访客”；在这篇文章中，它已经大步迈入了医疗健康、教育和科学探索的腹地。Dellafiore、Saba、Collaro 与 Artioli 开篇便清晰阐明了这一宏阔背景：作为一门横跨计算机科学、工程学、数学、语言学和心理学的交叉学科，AI 正在迅速重塑科学研究方法；预测型 AI 利用机器学习和统计模型来识别模式并做出决策，而生成式人工智能则通过大型基础模型生成文本、图像、音频与视频（Dellafiore et al., 2026）。然而，本文并未对技术唱诵一味赞歌，而是将核心争议全面摆在台前：当 AI 进入质性研究领域，效率与便利的承诺旋即与认识论、伦理学以及深层次的人文关切迎面碰撞，迫使人们重新审视研究者能否继续保持在质性探索中的主体核心地位。 为了将这些抽象的张力转化为具身的

Healthcare interview analysis with open-source AI 作者：Yuan Ren · 6月15日 *图注：基于开源 AI 的医疗访谈分析* 定性分析从不缺少标签 大语言模型让编码过程显得格外简单。只要输入一组访谈转录文本，模型就能迅速返回听起来在分析上颇有价值的短语：患者教育、医生支持、沟通障碍、情绪困扰、治疗负担。输出流畅、有条理，且往往合情合理。然而，定性分析的难点从来都在于标签之后的工作，因为研究者从不缺少生成标签的能力。真正艰巨的工作始于打标签之后：判断一个编码是否保留了语境、是否只是用不同词汇重复了另一个编码、能否支撑主题提炼，以及是否切实有助于解释受访者的亲身体验。 Misra 及其同事通过一个具有挑战性的实证案例检验了这一问题：对美国阿巴拉契亚乡村地区 34 位患有 2 型糖尿病的患者进行半结构化访谈，重点关注他们如何与医护人员讨论自身病情。这些访谈此前已由两位受过专业训练的定性研究者采用传统归纳法完成了编码。该研究随后让两个开源大语言模型（Gemma2 与 Llama3.1）分析相同的文本

AI Agents in Online Surveys 作者：Yuan Ren · 6月7日 在线调查中的 AI 智能体 如果你如今运行在线调查，你的受访者很可能来自某个在线招募平台。这些平台如今支撑着相当大份额的行为研究，塑造着心理学、公共卫生、经济学和政治学的学术工作。它们也支持着产品设计与公共传播中影响重大的商业决策。 但大语言模型（LLM）的兴起，让一个由来已久的担忧变得空前紧迫：回答这些调查的人，真的是他们看起来的那个人吗？研究者现在担心两个相互关联的问题。一个是注意力不集中或不诚实的人使用 LLM 辅助作答（Rilla 等，2025）。另一个是自动化智能体大规模生成合成回答。Westwood（2025）近期的一项研究把第二种可能性推到了聚光灯下：一个由 LLM 驱动的合成受访者可以维持连贯的人设、产出内部一致的反应模式，并躲过大量标准质量控制。这一发现加剧了关于"标准调查质量控制是否仍能可靠地区分人类受访者与高级自动化"的争论（Westwood，2025）。 能力不等于普遍存在 Andrew Gordon 及其同事（2026）把论文的

作者：Yuan Ren · 5月31日 GATOS 为何重要 当数字不够用时，社会科学家常常转向定性数据。开放式问卷回答、访谈和书面反思能够捕捉那些难以化约为数字的意义。正如 Saldaña（2011）所指出的，定性数据分析从根本上是一个意义建构的过程：研究者构建模式、识别关系，并在归纳与演绎推理之间来回穿梭。 困难在于，这项工作非常耗时。对定性数据进行编码，通常需要研究者手工阅读、解读、比较、修改并组织大量文本。这一过程的价值恰恰在于它的细致，但当研究者面对成千上万条开放式回答时，它很难规模化。Katz、Coloyan Fleming 和 Main 的研究《Thematic analysis with open-source generative AI and machine learning: a new method for inductive qualitative codebook development》正是在这一张力背景下展开的。他们在文中提出了"生成式人工智能赋能的主题组织与结构化"工作流，简称 GATOS。 GATOS...

人工智能（AI）正以惊人的速度改变学术研究的基本面貌。从研究构想到数据生成，从文稿撰写到期刊出版，AI正渗透进学术生态的每一环节（Van Quaquebeke et al., 2025）。在这篇发表于《The Leadership Quarterly》的文章中，Van...

引言 生成式人工智能（Generative AI）正在深刻重塑消费者研究，既能增强创意构思、辅助定性分析，也重塑了该领域的发展轨迹。来自牛津大学出版社《消费者研究期刊》的三篇实证研究及一篇综述文章提供了互补的框架与实践指南，揭示了 人与人工智能协作的巨大潜力及其潜在陷阱 。...

告别 2024 年，我们回顾了创新和成就非凡的一年。 我们的征程始于几款突破性产品的推出，这些产品改变了研究方法。 我们推出了智能聊天机器人 "咪咪"，它已成为研究人员的宝贵伙伴，能将他们的需求与 400 多种 GenAI 专业工具进行专业匹配。...

想象一下，您正试图将数以千计的产品评论整理成主题或话题。 传统上，研究人员要么必须手动阅读所有内容（费时又费钱），要么使用老式的计算机程序，而这些程序往往会遗漏重要的上下文。 OSF 的一份最新预印本显示，GPT-4、Claude 和 Gemini...

想象一下，如果我们能自动发现突破性的科学假说，比以往任何时候都更快地开启新的可能性。 三个研究团队朝着这个方向迈出了重要的一步，推出了一个机器学习框架，旨在以显著的效率生成和评估科学假说。 新框架围绕三个基本阶段展开：提取、生成和评估假设。...

本文题为 "大型语言模型能否为研究论文提供有用的反馈？A Large-Scale Empirical Analysis"（一项大规模实证分析），是由来自不同学术背景和机构的研究人员组成的研究团队共同努力的成果。这项研究发表于 2024 年 7 月 17 日的《NEJM...

美国国家科学院院刊发表的一项新研究发现，人工智能聊天机器人 GPT 是分析多语言文本中心理结构的有效工具。 来自斯坦福大学、普林斯顿大学和纽约大学的研究人员测试了 GPT 检测 12 种不同语言文本中的情感、情绪、冒犯性和道德基础的能力。他们发现，GPT...

Anton Korinek, JOURNAL OF ECONOMIC LITERATURE 生成式人工智能（AI）的发展日新月异，对经济研究产生了重大影响。 自这篇文章最初发表于《经济文献杂志》*（Korinek，2023年）以来，大型语言模型（LLMs）的进步带来了各种创...

Christopher A. Baila, aDepartment of Sociology, Duke University https://doi.org/10.1073/pnas.2314021121 这篇由 Christopher A. Bail...

Alberto Acerbi https://orcid.org/0000-0001-5827-8003 alberto.acerbi@unitn.it and Joseph M. Stubbersfield https://orcid.org/0000-0001-8...

Gaël Le Mens https://orcid.org/0000-0003-4800-0598 gael.le-mens@upf.edu , Balázs Kovács https://orcid.org/0000-0001-6916-6357 , Michael...

Fabrizio Gilardi https://orcid.org/0000-0002-0635-3048 gilardi@ipz.uzh.ch , Meysam Alizadeh https://orcid.org/0000-0001-6696-6471 , and...

Vittoria Dentella https://orcid.org/0000-0001-6697-9184 vittoria.dentella@urv.cat , Fritz Günther https://orcid.org/0000-0002-9205-6786...

对评论报告的研究发现了几十个AI最爱使用的形容词，这些特定的形容词可以表明文本是在聊天机器人的帮助下撰写的。 斯坦福大学的梁伟新领导的一项研究（预印本，尚未经过同行评议）表明，计算机科学会议的同行评议报告中有高达 17% 可能被 ChatGPT...

Peiyao Li, Noah Castelo, Zsolt Katona, Miklos Sarvary Published Online:25 Jan 2024 https://doi.org/10.1287/mksc.2023.0454...

Jan Ole Krugmann & Jochen Hartmann 摘要 在快速发展的生成式人工智能时代，大型语言模型（LLM）（如 ChatGPT）站在了颠覆市场营销实践和研究的最前沿。本文全面探讨了 LLM 在情感分析方面的能力，情感分析是营销研究中了解消费者情感、观...