用 AI 辅助定性分析并保留反例

AI 可以帮助聚类代码、比较案例和提出替代解释，但定性分析不是自动主题摘要。 研究者需要在语境中反复阅读材料，说明主题如何回答研究问题，为每个解释保留 原始片段、反例和分析备忘录，并避免把出现次数直接等同于重要性。

快速摘要	内容
输入	研究问题、获授权材料、代码本、来源 ID、案例背景和分析备忘录
输出	候选主题、证据矩阵、案例比较、反例、替代解释和限制
AI 合适任务	汇总代码共现、找不同案例、检查主题重叠、生成反证问题
人工责任	解释语境、判断重要性、处理伦理、命名主题和承担结论责任

适用与不适用

适合访谈、观察笔记、开放问卷和文档材料的辅助比较。不适合把词频列表称为主题 分析，也不能在没有阅读原文时让 AI 自动写发现。涉及身份与敏感经历时，要控制 原话呈现和再识别风险，并遵循既定研究方法。

6 步分析流程

1. 重申问题与立场：记录研究目的、材料范围和研究者已有假设。
2. 整理代码与备忘录：检查代码定义、未编码片段、分歧和数据质量问题。
3. 发展候选主题：说明主题的中心意义、包含代码、边界和对问题的贡献。
4. 建立主题—证据矩阵：为不同案例保留来源片段，不只选择最顺畅引语。
5. 主动寻找反例：要求 AI 列出不符合主题、提供替代解释或暴露范围限制的材料。
6. 重写解释并审计：区分描述、解释和建议，记录主题合并、拆分与舍弃理由。

示例：从代码到有边界的主题

示例输入

研究问题：新生首次预约时如何应对不确定信息？
已核对片段：
[P01] 不懂“资源类型”，退出后问同学，再返回完成。
[P03] 不懂同一术语，尝试不同选项后完成。
[P05] 表示术语清楚，但找不到确认按钮，未完成。
请给候选主题、支持证据、反例或边界和不能推出的结论。

示例输出

候选主题：面对分类术语不确定时，部分参与者通过外部求助或试错继续任务。
支持：[P01] 展示求助后返回；[P03] 展示试错后完成。
边界/反例：[P05] 没有术语问题，失败来自确认按钮；因此主题不能解释所有中断。
不能推出：多数新生会求助；求助一定成功；分类术语是唯一或最大障碍。
下一步：比较不同应对方式需要什么条件，并检查其他材料中是否有直接放弃案例。

主题表达包含“部分”和情境条件，没有把三个案例扩大成比例结论。

主题复核表

检查项	合格表现	风险信号
回答问题	主题说明一种有意义模式	只是把代码换成大标题
证据广度	跨案例且保留差异	只依赖一句精彩引语
语境	片段前后和案例条件清楚	把相同词当作相同含义
反例	主动呈现不符合材料	所有材料被强行归入主题
解释层次	原话、解释、建议分开	直接从抱怨跳到产品方案
结论强度	与取样和方法匹配	用次数代表总体重要性

常见错误

• 把 AI 自动聚类的标签直接作为研究主题，没有中心意义和边界。
• 只保留支持预期结论的片段，把反例当作“噪声”删除。
• 用提及次数排名重要性，忽略问题严重度、语境和取样方式。
• 让 AI 根据短引语推断情绪、身份、需求或潜在动机。
• 从参与者描述直接生成设计建议，没有说明中间解释与替代方案。

主题证据链稳定后，再扩展辅助分析

需要复用已验证的主题比较与反例检查模板时，可以查看 OfApp.cn 当前公开能力。具体支持范围请以控制台或官方文档为准。

查看 OfApp.cn

常见问题

主题出现次数少还重要吗？

可能重要。定性研究中的意义取决于问题、情境、严重度和解释价值，不应仅用频次 决定。应透明说明材料范围和为什么保留该主题。

AI 能自动判断数据饱和吗？

不能仅凭文本数量可靠判断。饱和与研究问题、取样、分析深度和方法定义有关， 需要研究团队记录新增信息与取样决定，不能由模型给一句结论。

引语需要原样放进报告吗？

引语应忠实且保护身份，可在不改变含义的前提下按规范处理口头冗余并说明方式。 敏感片段可能需要改述或不展示，具体遵循同意和伦理安排。

怎样处理研究者和 AI 的主题分歧？

把分歧当作复核线索，回到代码定义、原文和研究问题。记录采纳或拒绝建议的理由， 不要用多数票或模型置信语气代替分析判断。

相关文章

• 用 AI 辅助访谈编码：建立可追溯代码本。
• 用 AI 明确研究问题：让主题回应清楚问题。
• 用 AI 写研究摘要：呈现主题、证据和限制。
• 用 AI 设计问卷：处理开放题和预测试材料。
• 研究工作中心：查看完整研究路径。

带走什么

定性分析的价值来自有语境的解释、反例和透明决定。让 AI 帮助比较与质疑，但 每个主题都要有原始证据、清楚边界和研究者备忘录，不能用自动摘要代替分析。