简短回答：AI 主持访谈的甄别问卷（screener）是一份简短的资格问卷，用于在 AI 主持人开始访谈之前，确认参与者符合你的目标条件、并且是一个真实且专注的人。在2026年，一份好的甄别问卷要同时完成两件事：筛选契合度（岗位、行为、经验）与抵御作弊（机器人、职业受访者、借助 LLM 的伪装者）。控制在5–8道题，隐藏\"正确\"答案，混入行为类与质量控制类题目，并在取得同意前披露 AI 主持人的存在。
\n\nAI 主持访谈的甄别问卷是你的招募来源与 AI 主持人之间的一道闸门。在传统研究中，人类主持人能在三十秒内察觉参与者在虚构职位或为了报酬而敷衍作答，并悄悄结束这场访谈。AI 主持人不会——它会尽职地访谈任何前来的人。这使甄别问卷成为你手中最重要的一道质量控制，因为它是无人值守的 AI 提问开始之前唯一由人设计的过滤器。
\n2026年的风险陡然上升。研究参与者作弊如今已是产业化问题：机器人与 AI 代理填写甄别问卷与样本库以套取报酬，而据报道，\"职业受访者\"通过用多重身份钻甄别问卷的空子，每月可赚取数千美元（Ethnio, 2025）。CloudResearch 在2026年举办了一场奖金50,000美元的\"Bot Olympics\"，让 AI 代理与问卷防作弊机制正面交锋，凸显出自动化伪装者已经何等强大（CloudResearch, 2026）。由于 AI 主持访谈是异步且无人值守的，一份薄弱的甄别问卷意味着作弊得来的转录文本会径直流入你的分析。
\n\n甄别问卷有四项任务。最好的问卷会把它们交错排布，使伪装者无法判断哪道题在做什么。
\n确认定义你目标人群的岗位、细分或行为。首要原则：绝不要让符合资格的答案显而易见。与其问\"你管理的团队预算是否超过 50k 美元？\"（选\"是\"即入选），不如把预算区间做成含多个合理档位的单选题，并在后台悄悄判定资格。
\n意图很廉价，行为才可核验。请问\"过去30天里，以下哪些事你做过？\"，而不是\"你会使用 X 吗？\"。过去时态、限定近期时间范围的题目远比意图题难以令人信服地伪造，也能减少一厢情愿的夸大声称。
\n一道简短的开放题——\"用一句话说，[某项任务]中最让你烦躁的是什么？\"——是你手中收益最高的作弊过滤器。由 LLM 生成或复制粘贴的答案往往笼统、格式化得反常，或者答非所问。现代的甄别服务会明确标记出借助 LLM 生成的与低质量的开放式作答（CloudResearch, 2026）。
\n至少包含以下一项：注意力检查（\"请选择'有些同意'以继续\"）、不可能选项／诱饵选项（一个真实参与者绝不会声称用过的虚构产品或任务），或一致性检查（用两种问法询问同一事实并作比对）。把这些与设备、IP、参与历史等平台层面的信号结合使用（Qualtrics, 2026）。
\n\n不同的伪装者会在不同的测试上露馅。请把信号分层叠加，使任何单一绕过手段都无法通关。
\n| 信号 | 能抓到什么 | 添加成本 |
|---|---|---|
| 隐藏符合资格的答案 | 为契合度钻空子的职业受访者 | 低 |
| 开放式质量检验 | 机器人、借助 LLM 的作答、复制粘贴答案 | 低 |
| 注意力／指令检查 | 不专注的抢答者、简单机器人 | 低 |
| 诱饵／不可能选项 | 夸大声称者与\"什么都说是\"的伪装者 | 低 |
| 一致性交叉核对 | 编造的画像、多重身份钻空子者 | 中 |
| 设备／IP／历史信号 | 重复账号、点击农场、机器人集群 | 取决于平台 |
| 身份／声纹验证 | 冒名顶替、合成身份 | 高（厂商功能） |
招募平台正越来越多地把较难的信号打包提供：截至2026年，一些平台公开宣传把 AI 作弊检测、LinkedIn 资料核查与语音片段验证作为标准层（User Interviews, 2026）。请把这些视为对精心设计的甄别问卷的补充，而非替代。
\n\n一个可复用的6–8题结构，你可以按任何研究调整。每一行都标明了它承担的任务，以便你保持题型配比均衡。
\n总时长请控制在约3分钟以内。更长的甄别问卷会降低真实参与者的完成率，却不会同比例地劝退铁了心的伪装者。
\n\n上线前先给任何一份甄别问卷打分。每答一个\"是\"计1分；7–8分可以上线，5–6分需要修改，低于5分则存在作弊与偏差风险。
\nQualitati 是一个面向产品、UX 与客户洞察团队的 AI 用户研究平台，可用文字与语音、跨10种语言开展 AI 主持访谈。由于其访谈是 AI 主持且异步进行的，甄别环节正是你设定质量标准的地方——Qualitati 支持在前置流程中使用 AI 访谈员，并把 AI 主持人披露与知情同意内置于参与者体验之中，使受访者在开始前就知道自己在与 AI 对话。对于甄别之后仍可能放进契合度模糊样本的研究，其 ThemeLens 分析会把每个主题锚定到有参与者引语支撑的证据上，使内容单薄或偏离目标的转录文本在分析阶段易于识别并剔除。多语言支持意味着语言流利度的甄别可直接对应到访谈语言，而价格公开透明，含30个额度的免费档且无需信用卡。至于何时应该安排真人主持，参见我们关于有主持与无主持研究的指南，并可与我们的AI 主持访谈试点清单搭配使用。
\n\n没有哪份甄别问卷能完全防住作弊。正如 CloudResearch 在2026年的测试所显示的，检测是一个不断移动的靶子——新的 AI 代理能绕过昨天的检查，因此甄别必须被当作持续进行的过程，而非一次性的设置（CloudResearch, 2026）。过度甄别也有自身代价：激进的陷阱与冗长的问卷会不成比例地排除年长参与者、非母语者与使用移动设备的人，使你的样本产生偏差。本文引用的作弊数据来自行业与厂商报道，而非同行评审的基准测试，因此具体金额宜作方向性参考。人工复核提示：知情同意的措辞、AI 披露以及任何身份验证步骤，都应由合格研究者或你所在的伦理委员会，针对你研究的司法辖区与人群进行审查——AI 驱动研究中的知情同意仍是一个指引持续更新的活跃领域（Samuel 与 Wassenaar, 2025）。
\n\n争取控制在5–8道题、真实参与者三分钟以内完成。更长的甄别问卷会降低诚实受访者的完成率，却只能略微劝退铁了心的伪装者，所以请通过更聪明的题目而非更多的题目来增强抗作弊能力。
\n应该。请在访谈开始前披露 AI 主持人并取得同意。2026年的公开指引与平台实践都认为披露是一项伦理要求，且有证据表明它能提升完成率与作答质量，因为参与者不必再猜测自己在与谁对话（Perspective AI, 2025）。
\n一道简短的开放式质量检验题。笼统、过分正式或答非所问的自由文本作答，是识别机器人、借助 LLM 的作答与复制粘贴伪装者最清晰的信号，而且把它加进任何一份甄别问卷都毫不费力。
\n部分可以。许多招募平台现已打包提供 AI 作弊检测、设备／IP 信号，以及身份或声纹验证（User Interviews, 2026）。这些能抓到自动化程序与重复账号，却无法判断研究契合度——那仍需要一份由人设计的甄别问卷。
\n在每一道契合度题上隐藏符合资格的答案，用过去时态的行为题代替意图题，并加入一个真实参与者绝不会选择的诱饵选项。再把这些与平台层面的参与历史核查结合起来。
\n\n在 AI 主持研究中，甄别问卷不再是走过场——它是你在 AI 接手之前嵌入的人类判断。请把它设计成用同样寥寥数题既筛选契合度又抵御作弊，隐藏符合资格的答案，并在开头披露 AI 主持人。用30个免费额度开始，在 Qualitati 上运行一场 AI 主持访谈、焦点小组、对话式问卷或主题分析项目——也可以先查看透明价格。
\n\n\n\n","related":[{"slug":"qualitative-methods-section-template-2026","title":"如何撰写定性研究的方法部分（2026 模板）","description":"如何撰写定性研究方法部分：九模块写作模板、COREQ/SRQR/JARS-Qual 选择表，以及报告 AI 使用的新 COREQ+LLM 清单（31 项）。","category":"操作指南","date":"2026-10-13","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"nps-follow-up-interviews-ai-2026","title":"如何用 AI 访谈跟进 NPS 评分","description":"如何用 AI 访谈跟进 NPS 评分：在三个群体中抽样，以客户原话开场，中立追问，并按群体对主题编码，让分数背后的原因真正落地。","category":"操作指南","date":"2026-09-22","readTime":"9 分钟阅读","author":"Qualitati 研究团队"},{"slug":"how-to-write-user-research-plan-2026","title":"如何撰写用户研究计划（2026 模板）","description":"为 AI 主持访谈撰写用户研究计划：9 个模块的模板、就绪度评分表，以及人工判断必须保留的环节。","category":"操作指南","date":"2026-09-15","readTime":"9 分钟阅读","author":"Qualitati 研究团队"}]}