温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。作者丁闪闪 (连享会)邮箱lianxhcn163.comTitle: 对话式调查AI 时代问卷调查研究的新模式Keywords: 自适应访谈, 动态追问, 测量反应性, Adaptive Matrix Validation提要: 固定问卷便于标准化却容易压缩受访者的经历与解释。本文介绍对话式调查的设计思路说明 AI 如何动态追问、将自然语言转成结构化变量并讨论测量反应性、编码误差、随机验证和复现要求同时给出可直接参考的开源研究与实现资源。Sources: Geiecke and Jaravel (2026), McCormick (2026), Austin et al. (2026)1. 固定选项为什么有时不够用问卷调查是社会科学研究中获取一手数据的重要方式之一。很多我们熟悉的变量从态度、认知到行为经历都来自研究者提出问题、受访者提供回答再经过整理形成可分析的数据。这套方法已经非常成熟但有一类问题始终比较难处理研究者知道自己想了解什么却很难提前知道受访者会怎样理解问题、怎样描述自己的经历以及哪些信息值得继续追问。比如我们想了解学生如何使用 AI 工具学习。传统问卷可以问你使用 ChatGPT、DeepSeek、Kimi 等 AI 工具辅助学习的频率是多少A. 经常使用B. 偶尔使用C. 很少使用D. 从未使用这个问题清楚也方便统计。但它很难告诉我们学生究竟怎样使用 AI。有的学生用它解释概念有的用它修改代码有的让 AI 总结文献有的把它当作写作助手还有人使用频率很高却发现自己离开 AI 以后仍然不会做题。如果继续采用固定题项问卷会越来越长在哪门课使用在哪个学习环节使用如何检查 AI 的回答是否遇到过错误AI 是否改变了学习习惯遇到什么问题以后会停止使用研究者很难在调查开始前穷尽所有可能路径。大语言模型带来了另一种资料收集方式。受访者可以先用自然语言描述自己的经历系统根据回答继续追问再把对话整理成结构化变量并对其中一部分结果进行验证。本文所说的「对话式调查」指利用 AI 进行自适应提问和追问让受访者用自然语言描述经历再把对话内容转化为可整理、可验证和可分析数据的一类调查模式。英文文献中常见conversational survey、AI-assisted conversational interviewing、AI-led interview等表述。这意味着问卷研究的数据生成方式正在变化受访者从「填选项」转向「讲经历」研究者则需要重新设计提问、追问、编码、验证和质量控制的完整流程。注图中界面为概念示意不对应特定调查软件。左侧呈现固定题项问卷的一种简化形式实际问卷也可以设置跳题、分支和随机题序。传统问卷最重要的优势是标准化。不同受访者面对相同的问题和选项研究者最终得到一张结构化数据表。计算比例、比较群体差异、建立回归模型都很方便。对于年龄、学历、收入、企业规模、是否参加培训、是否使用某项服务这类相对明确的变量固定问卷仍然高效。困难主要出现在另一类问题上研究者关心的是一段经历、一个过程或者某种判断形成的原因。例如学生为什么逐渐依赖 AI平台劳动者如何理解算法派单居民为什么对一次公共服务感到不满教师为什么抵触某项教学改革员工怎样理解绩效考核病人为什么中途放弃某种治疗方案这些问题的回答往往混合了事实、记忆、动机、情绪和情境。研究者可以提前列出二十个选项但总会有人给出第二十一个原因。也可以增加一个「其他请说明」但大量真正有价值的信息最后可能被压缩到一个开放文本框里等待后续人工阅读和编码。对话式调查提供了另一种设计空间。研究者仍然提前定义研究问题和核心构念但不必把所有信息都预先写成封闭选项。受访者先描述经历系统再围绕没有说清楚的部分继续追问。因此这种模式尤其适合研究「如何发生」「为什么发生」「当时经历了什么」这类问题。2. 从填选项到讲经历调查流程发生了什么变化传统问卷的基本流程很短设计题目 → 受访者作答 → 得到数据对话式调查多出了几个关键环节研究问题 → 核心构念 → 共同问题 → 自适应追问 → 结构化编码 → 抽样验证 → 分析数据注图中第 6 步示意抽样人工复核。第 5 节介绍的 AMV 还要求受访者回答随机抽取的结构化验证题两者不能互相替代。假设我们仍然研究学生使用 AI 的方式。受访者可能先说我一般写代码报错的时候才用 AI平时上课倒是不怎么用。系统可以继续问你遇到报错以后通常会先自己排查还是直接把代码发给 AI受访者回答一般先自己看一下。如果完全不知道怎么回事就把报错信息和代码一起发过去。系统再追问AI 给出修改方案以后你通常怎样判断它是不是正确的短短几轮对话已经得到几个传统单题很难同时捕捉的信息什么时候使用 AI、使用之前做什么、怎样向 AI 提问、是否核验输出以及核验方式是什么。注图中界面为示意用于呈现受访者端可能的交互方式。研究者还可以要求系统把这段对话映射成结构化字段例如「使用场景」「独立排查」「代码调试」「结果核验」「依赖程度」同时保留支持这些编码的原始文本。于是调查数据不再只有一张最终表格。研究者还拥有对话记录、问题路径、结构化编码、编码依据以及后续验证结果。过去研究设计的重心主要放在「问什么」采用对话式调查以后还需要回答几个新的设计问题什么时候追问追问到什么程度什么时候停止怎样从文本生成变量哪些变量需要验证温馨提示若页面不能正常显示数学公式和代码请阅读原文获得更好的阅读体验。