2026 年 11 月 17 日

来源:密苏里大学
美国密苏里大学(Mizzou)的研究团队开发了一种名为“对齐和有用性评分审计”(AURA)的新评估框架,旨在确定人工智能能否从人类访谈数据中提取具有实际意义的见解,而不仅仅是识别表面模式。
在定性研究中,如面试、焦点小组或开放式调查回复的分析,核心挑战在于从海量文本中找出反映参与者经验和观点的模式。这不仅是将相似回应归类,更需要深入理解语境和细微差别。为了验证 AI 在这一过程中的能力,由新闻学、数据科学和护理学专家组成的跨学科团队设计了 AURA 方法,用于对比计算机生成的主题与人类研究人员确定的主题之间的匹配度及实用性。
AURA 框架测试:广泛主题匹配,但缺失语境细节
研究团队利用 AURA 框架分析了 32 次针对护理教师、从业人员及学生的访谈记录,受访者均分享了他们使用生成式人工智能的经验。研究人员首先人工确定了关键主题,随后将这些发现与计算机模型生成的主题进行比对。
结果显示,AI 能够识别出许多与人类研究人员一致的广泛主题。在人类确定的 12 个主题中,有 11 个至少与一个计算机生成的主题高度匹配。然而,这种匹配并不意味着 AI 完全捕捉了主题的全部含义或以最具洞察力的方式组织了信息。
具体而言,AI 生成的主题结构存在偏差:有时它将多个截然不同的主题合并为一个过于宽泛的类别,有时则将单一主题拆解为若干细碎的小项。密苏里州新闻学院助理教授 Chau Tong 指出:“人工智能可以帮助研究人员在大量信息中看到模式,但真正的问题是这些模式告诉我们人们的经验是什么。”
John Robert Bautista 补充道,人们在访谈中的对话往往是非线性的,很少从头到尾局限于单一话题。虽然 AI 有助于组织这些对话并让研究者更易概览内容,但在保留意义和上下文的重要区别方面仍显不足。
辅助工具而非替代者:人类专业知识仍为核心
尽管 AI 在处理大规模信息组织和模式识别方面表现出色,但该团队发现,目前尚无充分证据表明它能持续产生超越人类分析师识别范围的有意义新见解。
MU 数据科学和信息研究所博士研究员 Temitope Eyinla 表示:“我们的研究结果表明,这项技术可以帮助研究人员管理大量的采访、焦点小组和调查回复,但人类的专业知识仍然是解释结果的核心。”
此类评估方法对于患者体验、教育挑战及工作场所关注等需要深入理解人们观点的研究领域具有重要支持作用。不过,鉴于本研究仅基于相对少量的访谈样本,AURA 在不同学科和研究类型中的普适性及工作效率仍需进一步测试验证。
相关研究成果以《比较 BERTopic 输出与人类编码的主题:定性分析的调整和有用性评级审计 (AURA) 工作流程》为题,发表于《国际定性方法杂志》。





