本地部署大语言模型能否实现隐私保护的定性编码？2026 CHI 研究解读
Qualitati 研究团队 · 2026-07-22 · 8 分钟阅读
本地部署的大语言模型能否完成隐私保护的定性编码？只能部分做到。2026 年 CHI 的一项研究考察了 ChatQDA——一款基于 20B 参数开源模型、在本地设备上运行的工具——发现研究者信任本地 LLM 完成摘录提取等表层任务，却不信任其进行诠释性编码：一位受访者估计其摘录提取准确率仅为“50–60%”。论文将这种模式称为“有条件的信任”（conditional trust）。
这项研究测试了什么
该研究提出了 ChatQDA，一个基于对话、在本地设备运行的框架，它完全在研究者自己的电脑上运行开源 LLM——数据不会离开设备。其目标是实现隐私保护的定性数据分析（QDA）：上传访谈记录或文档后，即可对其进行查询和编码，而无需将敏感文本发送到云端 API。
根据 Ngo、Nguyen Van、Nguyen、Do 和 Nguyen-Quoc（2026）在 CHI 人机交互大会（CHI Conference on Human Factors in Computing Systems）上发表的论文，该工具运行于 gpt-oss-20b——一个拥有 20.9B（209 亿）参数的开放权重模型，每次推理约激活 3.6B 参数，检查点大小约 12.8 GiB，足以在本地运行。研究者开展了一项混合方法用户研究，将李克特量表评分与定性访谈以及对受访者反馈的演绎式主题分析相结合。
本地 LLM 定性编码的准确度如何？
其准确度足以胜任提取，却不足以胜任诠释。受访者认为 ChatQDA 在从访谈记录中提取相关摘录方面“可以接受”，但在标注和一级编码方面“不太可靠”，原因是存在幻觉和不一致的问题。一位受访者估计摘录提取准确率“大约为 50–60%”，并强调“研究者仍需亲自审阅数据”。
这与 LLM-QDA 文献中反复出现的发现一致：模型有助于扩大漏斗入口——筛选候选引语、整理大型语料库——但界定定性研究严谨性的诠释性判断，仍然属于人类分析者。
研究者是否信任本地 LLM 处理敏感数据？
信任程度低于预期，即便数据从未离开他们的电脑。该研究的核心概念是有条件的信任：受访者看重该工具在高效、表层工作上的价值，同时对其诠释的细腻度和一致性保持怀疑。值得注意的是，尽管本地部署在技术上是安全的，受访者仍对数据保护存在认知上的不确定性——即使数据可被证明是私密的，他们也并不完全相信这一点。
换言之，在本地设备上运行模型解决了技术层面的隐私问题，却没有解决感知层面的隐私问题。对 AI 辅助研究的信任是社会性和心理性的，而不仅仅取决于系统架构。
评分结果显示了什么
由于只有四名受访者（两名 QDA 经验不足两年的新手，以及两名此前接触过 AI-QDA 的资深研究者），这些数字只具有方向性，而非定论。尽管如此，模式是一致的——可用性得分高，信任与安全性得分平平。
| 维度（5 点李克特量表） | 结果 |
|---|
| 感知易用性（易学性） | 4 / 5（所有受访者） |
| 感知有用性（更快完成任务） | M = 3.75；50% 评为 5 分 |
| 可信度 | M = 3.00（中立） |
| 感知安全性 | 中位数 = 3.0 |
| 摘录提取准确率（受访者估计） | 约 50–60% |
来源：Ngo 等（2026），ChatQDA 用户研究，n = 4。
为什么本地 LLM 对定性研究很重要
定性数据往往是研究者处理的最敏感的数据：健康访谈、员工申诉、创伤叙事、未成年人的声音。伦理审查委员会以及 GDPR 等法规越来越不鼓励将原始访谈记录上传至第三方 AI 服务。本地部署的开源模型提供了一个真正的替代方案——既享有 LLM 的分析便利，又没有数据传输风险。
正如这项研究所示，问题在于能力。可在本地运行的 20B 模型远小于前沿云端模型，这一差距体现为较弱的诠释性编码能力。实践启示是：将本地 LLM 用于工作流中以检索为主、风险较低的环节，而把人力投入（或经过严格治理的云端工具）留给诠释性的核心工作。
这对研究者意味着什么
- 把 AI 输出当作初稿，而非研究发现。即使是该研究中喜欢这款工具的受访者，也坚持要审阅所有内容。请在每一轮 AI 辅助编码中加入人工核验环节。
- 让任务与模型相匹配。提取与整理：交给本地 LLM 即可。一级编码与主题诠释：应由人来主导。像 QualiTaTi 的 ThemeLens 这样的平台正是围绕这一“人在回路”（human-in-the-loop）原则设计的，将 AI 主题分析与可审阅、可审计的输出相结合，而不是一键生成“答案”。
- 不要以为隐私就等于信任。如果你的团队或伦理审查委员会（IRB）需要对某一工作流建立信心，请明确记录数据流向何处及其原因——仅凭技术保障无法解决“有条件的信任”问题。
对于负责数据收集的团队而言，同样的逻辑也适用于上游环节：AI 访谈员可以扩大数据收集规模，但由此产生的访谈记录仍值得由人主导、审慎地进行诠释。
需要注意的局限
这是一项小规模的探索性研究——仅有四名受访者和一款工具。它测量的是感知和自我报告的准确度，而非与人工金标准进行的严格基准比较。这些发现最好被理解为隐私保护型 QDA 的一组设计信号和待解问题，而不是对本地 LLM 是否“有效”的定论。一如既往，仍需要在更大、更多样化的样本中进行重复验证。
常见问题
什么是本地（on-device）定性编码？
指的是直接在你自己的电脑上运行辅助编码的 LLM，这样访谈记录和其他敏感文本永远不会上传到外部服务器。它以牺牲部分模型能力为代价，换取更强的数据隐私保护。
本地开源 LLM 的准确度足以用于定性分析吗？
在摘录提取和数据整理方面，它们可以提供帮助。在诠释性编码方面，2026 年的 ChatQDA 研究发现其表现不一致——受访者估计提取准确率约为 50–60%，并坚持需要人工审阅。
AI 辅助研究中的“有条件的信任”是什么？
它描述的是研究者在范围狭窄、风险较低的任务（如查找引语）上信任 AI 工具，而在风险较高的诠释性工作上保留信任——并且即使工具在技术上是安全的，他们仍对数据保护心存疑虑。
在本地运行 LLM 能保证我的数据隐私吗？
从技术上讲，本地处理意味着数据保留在你的设备上。但该研究发现，研究者仍对数据保护感到不确定，因此隐私还取决于清晰的文档记录与治理，而不仅仅是系统架构。
最后更新：2026 年 7 月 22 日。本文是对第三方研究（Ngo 等，2026，CHI 人机交互大会）的独立编辑摘要，与该研究作者无关联，亦未获其认可。