AI生成追问在半结构化访谈中的角色与感知研究
Get the story
2026年10月8日，arXiv Human-Computer Interaction 发布一手研究《AI如何赋能质性研究：半结构化访谈中AI生成追问问题的角色分配、参与度与用户感知》。研究采用AI驱动的“Wizard-of-Oz”实验设置，纳入17名参与者，调查大语言模型（LLM）实时生成追问问题（AGQs）对半结构化访谈的影响，考察AGQs的价值，以及访谈者与AI之间的角色分工、关系与协作行为的演变。结果提供了AGQs优势与局限的实证证据，提出该访谈情境下的人机协作框架与以人为中心的AI辅助访谈设计指南，并将LLM定位为人类判断的补充而非替代。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Human-Computer InteractionAI 如何赋能质性研究：半结构化访谈中 AI 生成追问问题的角色分配、参与度与用户感知
研究采用 AI 驱动的"Wizard-of-Oz"实验设置，调查 LLM 实时生成追问问题（AGQs）如何影响半结构化访谈。研究纳入 17 名参与者，考察 LLM 生成追问问题的价值，以及访谈者与 AI 之间角色分工、关系与协作行为的演变。结果提供了 AGQs 优势与局限的实证证据，提出该访谈情境下的人机协作框架与以人为中心的 AI 辅助访谈设计指南，并将 LLM 定位为人类判断的补充而非替代。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.