人工智能时代的定性研究：数据分析、工作流与计算的务实方法

计算技术的发展——尤其是人工智能——正在重塑社会科学研究，并为民族志和定性访谈等深度方法提出了新问题。基于关于定性数据分析 (QDA) 中计算机的经典争论，我们重新审视了自动化、大语言模型 (LLM) 聊天机器人和“大数据”时代的机遇与风险。我们引入了一种关于在定性研究中使用计算机的当代方法的类型学：精简工作流、扩大项目规模、混合分析方法、计算社会学以及技术拒绝。借鉴扩大规模的团队民族志和整合计算社会科学 (CSS) 的独立研究，我们描述了贯穿研究生命周期的方法论选择，从文献综述到数据收集、编码、文本检索和表征。我们认为，在具备相关知识、目的和伦理承诺的前提下加以部署时，新技术具有解决长期方法论挑战的潜力。然而，鉴于快速变化的工具兼具生成性与危险性，一种超越技术乐观主义与技术摒弃的务实方法是必不可少的。计算如今已渗透到研究基础设施中，从算法文献搜索到学术度量，使得计算素养成为社会学内外核心的方法论能力。我们得出结论，若谨慎且透明地使用，当代计算工具能够有意义地拓展——而非取代——定性研究不可简化的洞见。