最后更新：2026 年 6 月 24 日
\n\n开源 LLM 能够加快定性编码的速度，但目前还无法替代人类编码者。在 2026 年发表于 International Journal of Qualitative Methods 的一项研究中，Gemma2 和 Llama3.1 对 34 份患者访谈进行了编码——结果约有一半的 AI 生成编码缺乏上下文、存在重复，或与研究者提炼的主题不一致。演绎式（框架引导）编码明显优于归纳式编码，而且模型偶尔能发现研究者遗漏的编码。
\n\n研究提出了一个很实际的问题：免费可得的开源语言模型，能否把定性编码的第一轮做得足够好，从而真正帮到研究团队？根据 Misra、Dahal、Kirk、Khan、Dogan、Chataut 和 Gyawali（2026）发表的论文《Large Language Models in Qualitative Analysis: Comparing Traditional and Researcher-Interpreted Approaches》，研究者分析了34 份半结构化访谈，受访者是参与一项为期 12 周的糖尿病生活方式干预、正在管理慢性病的成年人。
\n他们在两种条件下测试了两个开源模型——Gemma2 和 Llama3.1：一种是演绎式方法（由预先设定的框架引导编码），另一种是归纳式方法（编码从数据中自然浮现）。以研究者主导的传统定性分析作为人工基线，团队随后逐条评估每个机器生成的编码，考察其上下文、重复情况以及与研究者手工识别主题的一致性。
\n\n喜忧参半——数量充足，相关性不足。模型生成了数千个编码，但其中很大一部分是噪音。作者指出，近一半由 LLM 生成的编码缺乏足够的上下文、内容重复，并且与研究者提炼的主题契合度很低。
\n有两个现象尤为突出。第一，模型过度生成：在演绎式方法下，Llama3.1 共生成 2,040 个编码（其中 1,042 个不重复），而 Gemma2 为 1,666 个（723 个不重复）。第二，与人工主题的一致性普遍偏低——表现最好的条件（Gemma2 演绎式）与研究者主题的“契合良好”比例也仅为 27.1%。
\n\n最清晰的一项发现是：框架引导的（演绎式）编码几乎在所有指标上都优于开放式的（归纳式）编码。下表汇总了 Misra 等人（2026）报告的结果。
\n| 指标 | Gemma2（演绎式） | Llama3.1（演绎式） | Gemma2（归纳式） | Llama3.1（归纳式） |
|---|---|---|---|---|
| 生成编码总数 | 1,666 | 2,040 | 1,530 | 1,632 |
| 不重复编码数 | 723 | 1,042 | 715 | 829 |
| 提供上下文的编码 | 45.6% | 43.7% | 38.9% | 22.9% |
| 与研究者主题契合良好 | 27.1% | 26.8% | 19.2% | 11.7% |
| 审阅者一致性（评分者间信度） | 94% | 78% | 74% | 87% |
重复始终是个问题：作者报告，29.5%–36.2% 的演绎式编码和 16.3%–28.5% 的归纳式编码存在重复。换句话说，模型生成的编码越多，研究者就要花越多时间去重和剔除。
\n\n是的——这也是最令人鼓舞的结果。Misra 等人（2026）指出，模型生成了少量此前被研究者遗漏的额外编码，这些编码本可以用来强化主题或发展出新的子主题。这指向一个真实但有限的用途：把 LLM 作为减少偏差的第二轮检查，用来标记被忽略的模式，而不是让它担任主要编码者。
\n\n应把开源 LLM 当作第一轮编码的助手，而非自主编码者。这项研究给出三条实用启示：
\n这与专用工具解决问题的思路一致。像 QDA Workspace 这样的平台同时支持归纳式和演绎式编码，并把研究者审阅内置于流程之中；ThemeLens 则把编码映射回研究问题，并让每个主题都锚定在受访者原话上——直接解决了这项研究发现的“缺乏上下文”这一失败模式。
\n\n这项研究只使用了一个数据集（关于单一健康主题的 34 份访谈）和两个特定的开源模型。更大或闭源的模型、不同的提示词或不同的领域，都可能改变这些数字。“契合良好”和上下文方面的判断也由研究团队做出，因此只反映了一个专家团队的解读。这些发现最好被理解为 2025 年中期开源 LLM 编码能力的一个现实快照，而不是 AI 编码能力的上限。
\n\n目前还不能。在 Misra 等人（2026）的研究中，约一半 AI 生成的编码偏离目标、存在重复或缺乏上下文，最好的主题一致性也只有 27.1%。它们适合当助手，而不是替代者。
\n演绎式。在这项研究中，无论 Gemma2 还是 Llama3.1，框架引导的编码在上下文和主题一致性上都优于归纳式编码。
\nGemma2 和 Llama3.1，选择它们是为了兼顾易获取性与性能。
\n数量多但相关性低：模型生成了数千个编码，其中许多存在重复或与数据关联薄弱，使研究者的精力转向验证与清理。
\n\n开源 LLM 可以加速定性编码，偶尔还能捕捉到人类遗漏的模式，但在这项 2026 年的研究中，它们产生的噪音与有效信号一样多。可靠的工作流程应当以人为主导、以框架为引导、由 AI 辅助——并由研究者审阅每一个编码。如果你希望直接使用内置这一流程的工具，请看看 ThemeLens 和 QDA Workspace 如何让研究者始终掌控全局。免费开始，赠送 30 积分。
\n\n本文是对第三方研究的独立编辑摘要，与该研究的作者或出版方无隶属关系，也未获其认可。完整的研究方法与结果请参阅原始论文。
\n","related":[{"slug":"synthetic-survey-panels-marginal-fidelity-2026","title":"合成问卷样本库真的在模拟人吗？2026 年的一项检验","description":"合成问卷样本库能模拟真实受访者吗？2026 年研究发现，与公开平均值吻合并不能证明模拟成功：无人设提示在 9 组对比中 9 次胜过人设样本库。","category":"研究方法论","date":"2026-10-22","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"llm-as-judge-qualitative-interpretation-2026","title":"LLM 评审能给定性访谈解读打分吗？2026 年研究的检验","description":"LLM-as-judge 能否替代人工审核定性访谈解读？2026 年一项研究对比 3,560 条 AI 解读与人类评分：它能淘汰弱模型，却漏掉言外之意与细微差别。","category":"研究方法论","date":"2026-10-21","readTime":"7 分钟阅读","author":"Qualitati 研究团队"},{"slug":"rehearse-interview-protocol-simulated-participants-2026","title":"能用 AI 模拟受访者预演访谈吗？2026 年研究发现","description":"能否用 AI 模拟受访者预演访谈提纲？一项 2026 年对 21 位定性研究者的研究发现，预演带来了实际的提纲修改，也暴露出三个隐藏风险。","category":"研究方法论","date":"2026-10-21","readTime":"7 分钟阅读","author":"Qualitati 研究团队"}]}