当 LLM 从访谈记录中抽取一段支持性引语时，它通常在引用——但并非总是。在一项 2026 年发表于 JAMIA 的研究中，研究者审查了 122 份心衰患者的访谈记录，结果显示 LLM 给出的引语中 68% 为逐字原文，20% 为改写，9% 为部分或完全编造。主题是可靠的；挂在主题下面的证据则不然。
\n\nBang 等人（2026）让同一份语料走完两套完整的定性分析流程，然后加以比较。语料包含 122 份访谈记录——61 次临床问诊与 61 次反思性访谈，全部来自心力衰竭患者。两套流程都采用演绎—归纳混合设计：先从a priori（先验）框架出发，再允许新编码从数据中涌现。
\n第三步是这篇论文的特别之处。多数关于 AI 定性分析的评估止步于\"主题看上去对不对\"。这项研究回到了访谈记录本身，核查模型归到受访者名下的句子是否真的被说过。
\n\n足够可用，但又没有高到多余。据 Bang 等人（2026）报告，人工主导的分析产出 7 个主题，LLM 辅助的分析产出 9 个。两组主题的重叠度为中等到较高，Jaccard 系数介于 0.44 至 0.51 之间，命中率为 1.00——也就是说，每一个人工主题都能在模型输出中找到对应项。
\n关键在于，复核的研究者判定全部 9 个 LLM 主题均为有效主题。将两组主题整合后，最终形成三个领域下的 14 个主题。模型并没有凭空捏造不属于数据的主题；它只是在同一批材料上切分的位置略有不同，而其中几刀是人工团队没有切下去的。
\n\n大约每十一条摘录中就有一条不是真实引语。Bang 等人（2026）的引语保真度审计结果如下。
\n| 摘录类别 | 占引语比例 | 实际含义 |
|---|---|---|
| 逐字原文 | 68% | 抽查后可直接引用 |
| 改写 | 20% | 语义保留但措辞改动——不可加引号发表 |
| 部分编造 | 6% | 真实话语中被拼接进了虚构词句 |
| 完全编造 | 3% | 访谈记录中不存在对应话语 |
| 截断 | 3% | 截取方式可能扭曲原意 |
部分编造才是最危险的一类。完全虚构的引语往往语感略有不对，容易被抓出来。而一句真实的受访者话语被嫁接上三四个词后，读起来完全自然，挂在一个确实成立的主题下面，任何不重新打开访谈记录的审阅流程都拦不住它。
\n\n因为这是两类失效方式不同的任务。构建主题是压缩任务：模型读入大量文本，返回一个抽象概括，而抽象是宽容的——措辞略有差异的主题仍然可辨认为同一个主题。引用则是以精确匹配为成功标准的检索任务，而生成式模型并不是检索索引。当它产出一条引语时，它是在以访谈记录为条件生成文本，而不是从中复制一段原文。流畅的重构是默认行为，而不是故障。
\n由此得出的实践结论：一份 AI 定性分析的可信度不是一个单一数字。主题层与证据层需要分别验证，而只有后者要求回到原始材料去核对。
\n\n作者自己的结论是：LLM 更适合定位为分析伙伴，而非自主编码者；在情境化诠释与核验环节，人的监督仍然不可或缺。由此可推出四条操作层面的含义。
\n访谈记录的质量决定了这一切的上限。如果转录本身就把话语记错了，模型也无法还原出逐字引语——因此在访谈阶段的准确采集会沿着后续每一步不断累积其影响。
\n\n这是一份语料、一个临床领域、一个模型。心衰问诊是结构化、术语密集的对话；在散漫、情绪复杂或多语言的访谈数据上，编造率可能高也可能低。该研究使用的是 GPT-5.2 的合规机构部署版本——其结果并不能说明消费级聊天机器人处理可识别健康数据的情况，那涉及另一整套治理问题。此外，由于两组分析的是同一份语料，这一比较展示的是趋同性，而不是相对外部金标准的准确性。
\n\n就生成和组织主题而言，这里的证据令人鼓舞：全部 9 个 LLM 主题被判定为有效，且每一个人工主题都被找回。就提供逐字证据而言则不能——32% 的引语并非逐字原文。
\n指先以理论或既有研究得出的预设编码框架为起点，再允许额外编码从数据中归纳涌现的分析方式。这项研究的两组都采用了这一设计。
\n在访谈记录文件中做精确字符串检索。精确匹配失败就是信号——若该字符串没有逐字出现，这条摘录就是改写、截断或编造，不能放进引号发表。
\n不是。这意味着核验环节不是可选项，并且应当与所用的提示词协议一并写进方法部分。
\n\n原始文献：Bang, S.H., Han, S., Reading Turchioe, M., Ellison, M., Dai, S., Happ, M.B., Russell, D., & Masterson Creber, R. (2026). Developing and evaluating human-led and large language model–assisted hybrid deductive–inductive workflows for qualitative analysis. Journal of the American Medical Informatics Association. https://doi.org/10.1093/jamia/ocag123
\n\n最后更新：2026-08-21
\n本文是对第三方研究的独立编辑性摘要。Qualitati 与该研究的作者及其所属机构无隶属关系。
\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"}]}