能用 AI 模拟受访者预演访谈吗？2026 年研究发现
Qualitati 研究团队 · 2026-10-21 · 7 分钟阅读
简短回答：可以，但有边界。一项 2026 年对 21 位定性研究者的研究发现，用 LLM 模拟受访者预演访谈提纲后，多数研究者修改了招募对象和访谈问题。同一研究也揭示了风险：模拟回答过于配合，难以暴露薄弱问题；AI 生成的主题还可能在真实田野工作中形成先入之见。
关于合成受访者的研究，大多在问它们的回答像不像真人。一篇新论文提出了一个更实际的问题：定性研究者在进入田野之前，用模拟受访者来预演访谈提纲，会发生什么？《Inspectable LLM-Simulated Participants for Qualitative Interview Rehearsal》的作者是伊利诺伊大学厄巴纳-香槟分校的 Hangyue Zhang、Qiran Hu、Ziyi Zhang、Hyanghee Park 和 Yun Huang。论文于 2026 年 10 月 19 日以预印本形式发布于 arXiv（cs.HC）。
核心要点
- 是预演，不是替代。作者开发的工具 Rehearsim 把模拟受访者当作访谈提纲设计的练习材料，从不当作数据。
- 多数研究者修改了提纲。21 位参与者中有 17 位至少修改了研究情境、目标人群或访谈问题中的一项，合计改写了 11 个原有问题，新增了 12 个问题。
- 修改不只是措辞。最常见的修改方向是广度（12 位参与者）和目标人群（11 位），问题清晰度则很少涉及。
- “感觉改进了”与“实际改了”并不一致。自评改进与编码出的实际修改仅在 51.8% 的“参与者×维度”组合上一致（Cohen's κ = 0.14）。
- 三个具体风险。过于配合的回答会掩盖薄弱问题；研究者会因为“这是 AI”而忽略意外细节；生成的主题可能预先框定后续解读。
什么是用模拟受访者预演访谈？
就是在访谈任何真人之前，先让 LLM 人设回答访谈提纲草稿，再根据得到的内容修改提纲。传统预调研用真人完成同样的工作，但能否接触到合适的受访者往往是瓶颈，对临床医生这类难以接触的群体尤其如此。
作者认为，以往研究主要依据模拟受访者的输出像不像人来评价它们，却很少说明研究者在设计研究时如何实际使用和审视这些材料。Rehearsim 正是作为研究探针，专门用来考察这一点。
Rehearsim 如何运作？
它分为三个阶段，每个阶段都可检查，并由研究者掌控：
- 基于文献构建受访者。系统依据最大差异抽样的思路，把研究者给出的目标人群扩展为五到八个候选子群体。人设依据检索到的学术文献构建，涵盖人口特征、经验、日常情境和回答风格，每个属性都与其来源论文保持关联。
- 访谈预演。模拟受访者回答访谈提纲。访谈员智能体每个问题最多追加一次追问，研究者也可以输入自己的追问并立即得到回复。为减少同质化，受访者被分配给 GPT-5.5 和 Claude Sonnet 5 两个模型，另有一个检查器标记答非所问或前后矛盾的回答。
- 可追溯的主题审阅。仪表盘把引语聚类为主题，每条引语都能追溯到对应的受访者和原始问题。研究者可以重命名、合并和重新生成主题，且不会丢失自己的修改。
该工具从不自行改写访谈提纲，所有修改都由研究者本人完成。
这项研究测试了什么？
据 Zhang 等人（2026）介绍，21 位研究者参加了每次 1.5–2 小时的研究环节。他们包括来自人机交互、社会科学、教育、健康、传播和设计等领域的硕士生、博士生、博士后、教师和 UX 研究员。经验从做过一两项定性研究（6 人）到六项及以上（6 人）不等。所有人都在研究中用过生成式 AI，其中 16 人（76.2%）用它设计访谈问题，但只有 3 人（14.3%）用它模拟过受访者。
每位参与者带来一项处于早期阶段的研究，录入初始访谈提纲并打分，在边用工具边出声思考的过程中探索，然后修改提纲并再次打分。研究团队分析了系统日志、修改前后的提纲、问卷、出声思考数据和结束访谈。
预演真的改进了访谈提纲吗？
提纲确实变了，但研究无法证明这些变化让提纲更好。21 位参与者中有 17 位修改了提纲，平均修改了三个组成部分中的 1.94 个，改动约 38 个词。研究情境、目标人群和访谈问题各有 11 位参与者做了修改。
编码后的修改涉及广度（12 位）、目标人群（11 位）、研究情境（10 位）、覆盖面（9 位）、深度（8 位）和方法严谨性（8 位）。一位研究者在研究人们为何只在部分任务中使用 AI，她看到系统生成的“AI 回避者”子群体后，把态度消极和中立的人也纳入了样本。另一位研究在线健康信息搜寻的研究者看到一个关于“搜索之后”的主题后，在提纲中补上了整整一个阶段。
有四位参与者没有做任何修改。其中两位认为模拟缺乏他们所研究系统的背景信息；一位因为意外回答来自 AI 而决定不去追问；还有一位认为自己的提纲已经足够成熟。
为什么要谨慎看待自评改进
使用后，参与者在覆盖面、深度、广度、严谨性、情境清晰度和可行性上给自己的提纲打了更高的分。但当作者把这些评分与实际修改对照时，一致性很弱：只有 51.8% 的组合吻合（κ = 0.14）。在 168 次比较中，有 70 次（41.7%）参与者报告某一维度有改进，却没有编码到相应修改；反过来的情况只有 11 次（6.5%）。
在个人层面，修改维度越多的人，报告的改进范围也越广（Spearman's ρ = 0.58）。作者也指出研究没有设置对照组，因此部分改进可能仅仅来自反思和重写提纲本身。
用 AI 受访者预演有哪些风险？
每个阶段的好处和风险都是相伴出现的：
| 阶段 | 研究者报告的好处 | 研究者报告的风险 |
|---|
| 模拟回答 | 发现遗漏的话题和新的追问方向 | 回答表达流畅、内容完整，薄弱问题看起来也没问题，几乎没有可追问之处 |
| 合成来源 | 提供低风险的追问练习空间 | 意外细节被一句“这是 AI”打发掉，而不是深入探究 |
| 生成的子群体 | 揭示被忽视的受访者差异 | 模拟出的多样性超出了实际能招募到的范围 |
| 生成的主题 | 快速了解提纲能引出什么内容 | 在还没有任何真人数据前，主题就可能形成预期 |
| 陌生的建议 | 促使研究者反思自己的盲点 | 难以区分真正的洞见和模型错误 |
21 位参与者中有 9 位表示，模拟让访谈变得过于容易。一位研究聋人和听障受访者的研究者指出，AI 的语言水平太高，没有给真实访谈所需的换种说法和沟通修复留下练习空间。还有人担心日后会把模拟中出现过的主题误记为真实数据中反复出现的主题。
这对研究者意味着什么
模拟预演最适合做三件事：拓宽招募对象、发现遗漏话题、训练新手访谈员追问。它最不擅长检验问题是否清晰，而这仍然是真人预调研最擅长的工作。
根据论文的发现，可以参考以下做法：
- 先写好访谈提纲和招募标准，避免让模拟来设定议程。
- 主动要求简短、犹豫或不太配合的人设，而不只是表达流畅的人设。
- 把每个生成的主题都当作待检验的假设，并让模拟访谈记录远离你的分析文件。
- 记录哪些修改来自预演，然后用真人对修改后的提纲做预调研。
如果你使用 AI Interviewer 开展访谈，上线前先用几个反差明显的人设试跑一下，能及早发现提纲中的漏洞。Digital Twin Panel 也可以承担类似的预演角色，前提是把它的输出当作准备材料而不是证据。
常见问题
模拟受访者能取代预访谈吗？
不能。作者明确把模拟材料定位为预演，而不是证据或真人受访者的替代品；参与者也发现模拟回答过于顺畅，无法检验问题是否清晰。
这和让 ChatGPT 扮演受访者有什么不同？
参与者表示，许多单项功能用通用聊天机器人也能做到。Rehearsim 的增量在于结构：基于文献的人设、多个受访者的并排比较，以及可以追溯到原始对话轮次的主题。
AI 生成的主题会让真实的定性分析产生偏差吗？
参与者担心会。有几位表示自己可能带着生成的主题进入田野，这在扎根理论中尤其值得警惕，因为研究者应尽量避免预设答案。
最后更新：2026-10-21。
本文是 Qualitati 研究团队对第三方研究的独立编辑摘要。Qualitati 与论文作者无任何关联。完整方法与结果请阅读原始论文。