AI 能开展真正的研究访谈吗？Wuttke 等人 2026 年的一项研究围绕移民态度，对 571 名受访者开展了由 AI 主持的对话式访谈，发现 AI 访谈能够揭示标准化问卷遗漏的推理过程，而且受访者对 AI 访谈的评价不低于甚至高于问卷。AI 访谈是可行的，但访谈方式（语音或文字）影响很大。
\n\n研究者检验了大语言模型能否以问卷的规模开展开放式、半结构化访谈。在论文 AI Conversational Interviewing: Scaling Up Semi-Structured and In-depth Interviews（Wuttke、Lang、Klamm、Würschinger & Kreuter，2026）中，来自 Prolific 和 Payback 样本库的受访者先由 AI 主持人就移民政策进行访谈，随后填写一份内容对应的标准化问卷，从而对两种数据收集方法进行直接比较。
\n关键在于，这项研究的设计针对的是研究领域长期存在的一个矛盾：深度与规模之间的权衡。由人工开展的深度访谈内容丰富，但耗时且成本高；问卷可以大规模发放，却会抹平细微差异。研究要回答的问题是：AI 访谈员能否在保留问卷覆盖面的同时，提供定性访谈的一部分深度？
\n\n据 Wuttke 等人（2026）介绍，文字访谈员基于 OpenAI 的 GPT-4o（模型 gpt-4o-2024-11-20，temperature 0.8），语音访谈员使用 OpenAI 的 GPT Realtime 模型（gpt-realtime-2025-08-28，temperature 0.7）。值得注意的是，研究团队报告称，将文字访谈员切换到 GPT-5 后出现了\"访谈员表现的明显下降\"——这提醒我们，更新的模型并不自动意味着更好的访谈员。
受访者被随机分配到三种条件：
\n最初分配的 1,039 名受访者在各条件间没有显著失衡（χ²(2)=3.67，p=0.159），最终分析样本为 N=571，均完成访谈且与问卷记录相匹配。
\n\n语音访谈产生的内容明显更多。根据 Wuttke 等人（2026）的数据，具体如下：
\n| 指标 | 语音访谈 | 文字访谈 |
|---|---|---|
| 每位受访者平均字数 | 608.8 | 299.8 |
| 平均时长 | 8.3 分钟 | 11.5 分钟 |
| 说话/打字速度 | 52.5 词/分钟 | 21.1 词/分钟 |
简而言之，语音访谈产生的字数约为文字访谈的两倍，而且用时更短，因为说话比打字快。但也有代价：流失集中在纯语音条件中；当受访者可以自由选择时，他们\"绝大多数选择了聊天方式\"。作者将语音条件的流失归因于其实现中\"可以改进的不足\"，而非语音访谈本身的根本局限——这说明瓶颈在于语音交互体验，而不在于这一方法本身。
\n\n评价是正面的。在完成访谈的受访者中，对 AI 访谈的评价在所有方式下都不低于甚至高于标准化问卷（Wuttke 等人，2026）。这一点很重要，因为对 AI 访谈的常见质疑是它会让人感觉冷漠或受挫；而在这里，完成访谈的人反而更喜欢它，而不是熟悉的问卷形式。研究留下的悬而未决的问题是完成率，而非满意度：如何让人们坚持完成访谈——尤其是语音访谈——仍是需要继续做设计工作的地方。
\n\n最核心的方法论发现是：对话记录揭示了\"全面的标准化量表组无法捕捉的考量和推理\"。AI 访谈发现，在问卷上态度得分相近的受访者，对移民问题持有明显不同的心智模型。两个人可能出于完全不同的理由在 7 点量表上选了同一个分值——只有开放式对话才能让这种差异显现出来。这正是支持 AI 访谈的核心论据：它在不放弃规模的前提下，找回了数字背后的\"为什么\"。
\n\n对学术、UX 和市场研究者来说，有三点实用启示尤为突出：
\n如果你想开展此类研究，QualiTaTi 的 AI Interviewer 可以大规模开展语音或文字访谈并自动转录，随后 ThemeLens 可以对访谈记录进行主题编码——把研究中所说的\"为什么\"转化为结构化分析。
\n\n不能完全取代，但可以大幅扩展访谈规模。这项 2026 年的研究表明，AI 主持的访谈能捕捉问卷遗漏的推理，并获得受访者的好评，因此非常适合招募人工访谈员不现实的大样本观点和体验研究。
\n二者服务于不同目标。语音产生的字数约为文字的两倍（608.8 对 299.8 词），回答也更快，但流失率更高；在可以自由选择时，大多数受访者选择了文字。若追求最大的内容丰富度，应采用语音并做好交互体验；若重视完成率和舒适度，则应提供聊天方式。
\n文字访谈员使用 OpenAI 的 GPT-4o，语音访谈员使用 OpenAI 的 GPT Realtime 模型。作者发现在访谈任务上 GPT-4o 的表现优于 GPT-5，说明模型选择应经过验证，而非想当然。
\n有——研究发现，问卷态度得分相同的受访者，其背后的心智模型存在实质差异，而这些差异只有对话数据才能揭示。AI 访谈能找回数字背后的推理。
\n\n原始文献：Wuttke, A., Lang, M. M., Klamm, C., Würschinger, Q., & Kreuter, F. (2026). AI Conversational Interviewing: Scaling Up Semi-Structured and In-depth Interviews. arXiv:2606.20064.
\n最后更新：2026 年 7 月 31 日。本文是对第三方研究的独立编辑摘要，与该研究作者无关联，亦未获其背书。
","related":[{"slug":"digital-twins-survey-respondents-2026-study","title":"数字孪生能取代问卷受访者吗？2026年研究结论","description":"哥伦比亚商学院 2026 年研究发现，在 164 项结果指标上，LLM 数字孪生与真实问卷回答的相关系数仅为 r = 0.20：它们是哈哈镜，而非替代品。","category":"指南","date":"2026-07-29","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"is-ai-qualitative-coding-biased-2025","title":"AI 定性编码有偏差吗？2025 年一项研究的发现","description":"2025 年发表于 Sociological Methods & Research 的研究发现，ChatGPT 和 Llama 2 的编码错误与受访者特征相关；而小型监督模型更准确、偏差更小。","category":"指南","date":"2026-07-28","readTime":"8 分钟阅读","author":"Qualitati 研究团队"},{"slug":"best-llm-thematic-analysis-reliability-study","title":"哪个 LLM 最擅长主题分析？2026 年信度研究解读","description":"2025 年 12 月的一项研究让 Gemini 2.5 Pro、GPT-4o 与 Claude 3.5 Sonnet 各运行六次做主题分析，用 Cohen’s kappa 与余弦相似度测量评分者间信度，三者均超过 0.80 的优秀阈值，Gemini 以 0.907 领先。本文解读研究设计、结果与对定性研究者的启示。","category":"指南","date":"2026-07-27","readTime":"8 分钟阅读","author":"Qualitati 研究团队"}]}