AI 對話式訪談：擴大半結構化與深度訪談的規模化應用
arXiv - Human-Computer InteractionAlexander Wuttke, Max Melchior Lang, Christopher Klamm, Quirin W\"urschinger, Frauke Kreuter
本研究證實 AI 對話式訪談能有效結合大規模量化調查與深度質性洞察，克服傳統訪談難以規模化的困境。
AI 幫你先抓重點
AI 重點 1
打破「深度」與「規模」之間的傳統權衡限制
滑鼠懸停看 AI 判斷理由
過去社會科學研究必須在量化的大規模與質性的深度之間做選擇，AI 技術的介入提供了一種新路徑，讓研究者能在低成本下同時獲得廣度與深度，改變了數據收集的範式。
AI 重點 2
AI 訪談能揭示隱藏在量化數據下的「心理模型」差異
滑鼠懸停看 AI 判斷理由
這點對於理解學習者或受訪者的行為至關重要。僅靠選擇題無法得知「為什麼」，而 AI 透過追問能挖掘出深層的邏輯與認知結構，這對於設計精準的教學干預或政策制定具有關鍵價值。
核心研究發現
- 1
AI 對話式訪談能捕捉到標準化問卷無法偵測到的複雜思維，例如不同子群體在相似態度背後具有截然不同的心理模型。
- 2
研究比較了語音、聊天與自由選擇三種模式，結果顯示 AI 訪談的參與者評價在各模式下均達到或高於標準化問卷。
- 3
透過對 571 名受訪者的實驗，證實 AI 能夠處理開放式問題並提供具備分析價值的對話文本數據，實現質性研究的規模化。
對教育工作者的啟發
對於教育工作者與課程設計者而言，這項研究啟發了「自動化質性評量」的可能性。在大型教學環境中，我們不再只能依賴選擇題來評估學生理解，可以利用 AI 進行半結構化的對話式評量，藉此挖掘學生在解決問題時的思維過程與錯誤邏輯。建議設計者可以開發基於 AI 的對話式學習工具，不僅用於收集數據，更可用於引導學生進行自我反思（Metacognition），透過 AI 的追問來深化學生的學習深度，並同時獲得大規模的學習歷程分析數據。
原始文獻資訊
- 英文標題：
- AI Conversational Interviewing: Scaling Up Semi-Structured and In-depth Interviews
- 作者：
- Alexander Wuttke, Max Melchior Lang, Christopher Klamm, Quirin W\"urschinger, Frauke Kreuter
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。