对研究人员来说，质性编码框架不难，但琐碎。AI 适合承担“第一稿”和“查漏”的角色：你提供访谈材料，它给出编码表的结构化版本；你再用专业判断修改。关键是控制好一个风险——过早下结论。

这个任务里 AI 的位置

  • 适合：访谈材料比较多、需要快速形成编码表初稿，或者需要换个角度查漏补缺的时候。
  • 谨慎：材料涉及未公开或敏感信息、结论需要专业资质背书，或者容易出现“过早下结论”的情况。
  • 不适合：需要现场判断、当面沟通或承担最终责任的环节——这些仍由研究人员本人完成。
  • 预期：AI 负责“快”和“全”，你负责“准”和“对”。把节省下来的时间用在复核和沟通上，整体质量才会提升。

搭建步骤

  1. 固定输入：用统一的表格或表单收集访谈材料，字段固定，AI 才能稳定处理。
  2. 固定提示词：把效果最好的提示词保存为模板或“自定义指令”，只替换变量部分。
  3. 固定输出：要求 AI 按表格、JSON 或固定小标题输出编码表，方便直接粘贴到后续系统。
  4. 串联工具：在允许的前提下，利用办公软件的自动化功能或 AI 助手的批处理能力，把“收集—生成—通知”串起来。
  5. 保留人工关卡：自动化到“草稿”为止，发出或归档前仍由人确认，尤其要检查过早下结论。

固定格式输出

请严格按以下格式输出编码表，不要添加格式外的内容：
## 摘要（不超过 3 句）
## 正文
- 要点：…… | 依据：……
## 待确认
- ……
## 需人工核对
- ……

如果需要放进表格或系统，可以要求输出为表格或 JSON，并指定字段名。格式越明确，后续复制粘贴越省事。

人机分工

  • AI 可以做：整理材料、搭结构、写初稿、改写语气、列出可能遗漏的点。
  • 必须人工做：确认事实和数字、判断取舍、处理“过早下结论”这类风险、对外发送前的最终确认。
  • 双人复核的情况：涉及金额、合同、个人信息、对外承诺或专业意见时，建议再找一位同事看一遍。

相关文章

提示：本文不提供未经核实的统计数字；各 AI 工具的功能、价格与数据政策以官方最新说明为准。