AI 质性数据分析是什么，如何用于研究材料
AI 质性数据分析是指用大模型辅助处理访谈逐字稿、田野笔记等文本材料，自动生成开放编码、主轴编码、选择编码等结构化编码结果， 每条编码都能回溯到原文的确切位置，供研究者核对与复核。它不是替代研究者的判断，而是把材料整理、初始编码等重复性工作交给 AI 先做一遍草稿，研究者在此基础上核实、调整、并完成最终的理论判断。
适用人群和研究场景
面向需要处理访谈、田野调查和其他文本研究材料的研究者、学生及相关专业人员，常见场景包括扎根理论研究、访谈资料的初步整理、 以及需要在大量文本中快速定位相关论述的探索性分析。
AI 能处理哪些文本、输出什么
支持访谈逐字稿、访谈记录、田野笔记等文本材料。当前三级编码上传界面支持 .docx、.txt，标注单文件最大 20MB，可多选；具体接收以上传校验为准。音频、视频需先转为经校对的文本；上传前请完成脱敏并确认材料使用授权。
研究者在哪些环节复核
研究者需要复核：AI 生成的标签是否准确反映原文含义、相近概念是否需要合并或进一步拆分、主轴范畴的归纳是否合理， 以及最终的核心范畴与理论解释——这部分始终由研究者本人完成，AI 不输出学术结论。
操作流程
- 上传访谈逐字稿、访谈记录或田野笔记；
- 系统生成开放编码、主轴编码、选择编码草稿；
- 逐条核对编码是否准确，回溯原文位置确认上下文；
- 调整、合并或拆分编码类别，完成人工复核；
- 如需衔接 NVivo，导出 .qdpx 文件继续深入分析。
产品限制与不适用场景
AI 编码存在遗漏、误判等固有局限，仅作为研究辅助工具，不构成学术结论；对材料的合法性、授权链条（如受访者同意范围）需要研究者自行确保。 若研究需要处理音视频等非文本材料，或需要更完整的项目管理与团队协作能力，可参考灵析与 NVivo 的适用场景比较。
先用一份材料核对完整流程
新建三级编码项目时，写清研究问题与材料范围，再上传经脱敏的文本。先核对切片和原文位置，再检查标签及范畴关系；保留、修改或删除草稿时，记录理由。导出后还应在目标软件中检查层级与引文位置。
把人工复核写成可追溯的记录
教学模拟片段 P03：“不确定提交后是否还要确认，就截图问同门。”假设一份草稿将其概括为“技术能力低”，研究者应指出原文只支持“完成状态不确定”和“请求同伴确认”，不足以推断能力。修订时保留原文位置、旧标签、新标签和修改理由，再寻找不依赖同伴也能完成任务的反例。这是人工编写的教学示例，不是模型测试结果。
可对照完整的三级编码与反例修订示例，或使用编码表字段与填写示例组织复核记录。
方法依据与参考来源
以下资料分别用于理解生成式 AI 的人类监督与质性分析的过程记录，不构成对灵析准确率或研究效果的证明。
- UNESCO（2023）. Guidance for generative AI in education and research：研究中的人类能动性、隐私与适用性评估。
- Nowell, L. S., Norris, J. M., White, D. E., & Moules, N. J.（2017）. Thematic Analysis: Striving to Meet the Trustworthiness Criteria：分析决定与审计轨迹。