什么是半结构化访谈？定义、提纲设计与 AI 访谈指南（2026）
Qualitati 研究团队 · 2026-09-19 · 8 分钟阅读
简短回答：半结构化访谈是一种定性研究访谈：访谈者按照事先准备的开放式问题提纲进行，但可以调整提问顺序、跳过受访者已回答的内容，并提出追问。它介于固定问卷与无结构对话之间：既能在受访者之间进行比较，又足够灵活，可以顺着每个人的实际表述深入下去。它是用户体验研究、市场研究和学术定性研究中最常用的访谈形式。
如果你曾经拿着一份访谈提纲做过用户访谈，那么你很可能已经做过半结构化访谈。本文界定这一方法，将其与结构化访谈和无结构访谈进行比较，并说明由 AI 主持人执行时会发生哪些变化。文中还提供一份原创评分表，用于检查访谈提纲是否已经可以投入使用。
最后更新：2026 年 9 月 19 日
核心要点
- 半结构化访谈将一组固定的核心问题与灵活的顺序、非预设的追问结合在一起。
- 访谈提纲是这一方法的支柱。Kallio 等人（2016）一篇被广泛引用的综述提出了制定提纲的五个阶段，其中包括预访谈测试。
- 追问是半结构化访谈与“口头问卷”的分水岭。没有追问，你得到的只是简短、表层的回答。
- AI 主持人如今已能大规模执行半结构化访谈，但 2025–2026 年发表的研究显示，追问深度是最需要检查的薄弱环节。
- 当你需要在人数适中的受访者之间获得可比较的深度时使用它；当你需要统计估计或纯粹开放式探索时则应避免。
什么是半结构化访谈？
半结构化访谈围绕一组预先确定的开放式问题展开，其他问题则在访谈者与受访者的对话中自然产生（DiCicco-Bloom & Crabtree, 2006, Medical Education）。研究者事先决定每位受访者必须覆盖哪些主题，但不预先规定每场访谈的具体措辞、顺序或追问。
它由三个要素构成：
- 核心问题：与研究目标挂钩、向每位受访者都提出的开放式问题。
- 追问：例如“能带我回顾一下上一次发生这种情况的经过吗？”这类加深回答的后续问题。
- 访谈者裁量权：允许调整顺序、跳过问题，或探索意料之外但相关的线索。
结构化、半结构化与无结构访谈对比
三种形式的主要区别在于访谈者可以偏离脚本的程度。选择哪一种，取决于你更需要可比性、深度还是探索。
| 维度 | 结构化 | 半结构化 | 无结构 |
|---|
| 问题措辞 | 固定 | 核心意图固定，措辞可调整 | 随对话生成 |
| 提问顺序 | 固定 | 灵活 | 无预设 |
| 追问 | 很少或预先写定 | 必需 | 持续进行 |
| 受访者间可比性 | 高 | 中到高 | 低 |
| 深度 | 低 | 高 | 高 |
| 分析方式 | 常为定量 | 主题分析或框架分析 | 叙事分析或扎根理论方法 |
| 典型用途 | 筛选、标准化测量 | 用户研究、客户探索、学术研究 | 早期探索、生命史研究 |
如何设计半结构化访谈提纲
Kallio 及其同事回顾了方法论文献，提出制定提纲的五个阶段：确认使用半结构化访谈的前提条件、检索并利用已有知识、拟定初步提纲、进行预访谈测试，以及呈现完整提纲（Kallio et al., 2016, Journal of Advanced Nursing）。落到实践中，可以归纳为四个操作步骤。
1. 从研究问题出发，而不是从访谈问题出发
先写下二到五个研究问题。每个核心访谈问题都应至少对应其中一个。无法对应任何研究问题的访谈问题，就是可以删除的候选。
2. 写出开放、具体、单一主题的问题
询问具体的过往行为（“说说你上一次导出报告的经历”），而不是假设情境或抽象观点。避免引导性措辞和一问多意的问题。
3. 为每个核心问题预先写好追问
追问不应听天由命。每个问题准备两到三个：展开型追问（“接下来发生了什么？”）、澄清型追问（“你说的‘乱’具体指什么？”）和举例型追问（“能举个例子吗？”）。
4. 先做预访谈，再固定核心问题
进行一到两次预访谈。修正令人困惑的措辞和时间安排，然后在研究剩余阶段固定核心问题，使结果保持可比。我们的AI 主持人访谈提纲模板对此有更详细的讲解。
原创框架：半结构化访谈就绪度评分表
在正式访谈前，为每一项打分：0（否）、1（部分）或 2（是）。满分 16 分，达到 12 分及以上说明提纲基本就绪；低于 10 分则应先修改。
| # | 检查项 | “是”的标准 |
|---|
| 1 | 目标对应 | 每个核心问题都对应一个明确的研究问题 |
| 2 | 开放性 | 没有任何核心问题可以用“是”或“否”回答 |
| 3 | 具体性 | 问题询问具体的过往经历，而非假设情境 |
| 4 | 中立性 | 没有任何措辞暗示偏好的答案 |
| 5 | 追问覆盖 | 每个核心问题至少有两个预先写好的追问 |
| 6 | 优先级标注 | 必问问题已标注，即使访谈时间缩短也能覆盖 |
| 7 | 时长 | 预访谈确认提纲符合计划时长 |
| 8 | 知情同意与收尾 | 开场说明知情同意和录音；收尾邀请受访者补充遗漏内容 |
该评分表是 Qualitati 的规划经验法则，并非经过验证的测量工具。请将阈值视为起点，并根据你所在领域的标准进行调整。
由 AI 主持人执行的半结构化访谈
结论：AI 主持人可以遵循半结构化提纲并覆盖多得多的受访者，但你应当核实它们确实在追问，而不只是跳到下一个问题。
近期研究在规模方面令人鼓舞。在 2026 年 6 月 18 日发布的一项研究中，Wuttke、Lang、Klamm、Würschinger 和 Kreuter 对 571 名受访者开展了 AI 对话式访谈，报告称访谈记录揭示了标准化量表遗漏的考量，而受访者对 AI 访谈的评价不低于标准化问卷（Wuttke et al., 2026）。
关于追问的研究则更为谨慎。一项有 17 名参与者、针对 AI 生成追问的研究，将 LLM 定位为人类判断的补充而非替代（Zhang et al., 2025）。随后一项针对语音访谈机器人的研究对 428 个对话轮次进行了编码，发现默认情况下深入追问很少出现（Zhang et al., 2026）。
实践启示是：在 AI 主持的研究中，提纲里预先写好的追问不是可有可无的。正是这些指令，让访谈保持半结构化，而不沦为口头问卷。
Qualitati 的定位
Qualitati 是一个用于开展和分析定性研究的 AI 用户研究平台。针对半结构化访谈，它支持：
- AI 主持访谈：支持文字和语音，遵循你的提纲并提出追问，覆盖 10 种语言。
- Active Listener 模式：由人类访谈者亲自主持，同时获得实时提示和环节进度跟踪。
- ThemeLens 主题分析：一次处理多达 100 份访谈记录，将编码对应到研究问题，并附上可追溯到受访者的引语。
- QDA Workspace：支持归纳式与演绎式编码以及编码手册生成。
定价按积分公开透明，新账户注册即获 30 个免费积分，无需信用卡。查看定价。
局限与权衡
- 访谈者效应：灵活性意味着两位主持人（无论是人还是 AI）的追问方式可能不同。请抽查部分访谈记录以检查一致性。
- 可比性与深度：各场访谈差异越大，跨受访者比较就越困难。
- 分析工作量：开放式回答需要系统编码；AI 编码可以提速，但主题和引语仍需人工审核。
- 不适合做估计：半结构化访谈解释“如何”与“为什么”，不测量普遍程度。
方法说明：关于 AI 主持的建议基于截至 2026 年 9 月已发表的研究，应结合你所在学科的标准和伦理要求进行审视。
适用人群与不适用情形
适用于用户体验研究、客户探索、Jobs-to-be-Done 研究，以及需要深度和一定可比性的学术研究。不适用于需要总体估计的场景（请用问卷）、对主题了解太少而无法写出核心问题的场景（先从无结构访谈开始），或群体互动很重要的场景（可考虑焦点小组）。关于样本量，请参阅我们的数据饱和指南。
常见问题
半结构化访谈和结构化访谈有什么区别？
结构化访谈以固定措辞、固定顺序提出相同的问题。半结构化访谈固定核心主题，但允许灵活的顺序和非预设的追问。
半结构化访谈应该有多少个问题？
没有固定规则。许多一小时左右的提纲包含六到十二个核心问题及相应追问；预访谈测试是确认是否合适的最好方法。
如何分析半结构化访谈？
大多数团队采用主题分析或框架分析：转录、编码、将编码归纳为主题，再用支持性引语把主题与研究问题联系起来。
AI 能进行半结构化访谈吗？
可以。2025–2026 年的研究表明，LLM 访谈者能够大规模遵循提纲，但默认的追问往往较浅，因此要写明追问并审阅访谈记录。
半结构化访谈属于定性还是定量方法？
它是一种定性方法。有些研究会把回答编码成计数，但这种形式的设计初衷是解释经历和推理，而不是估计频率。
结论
半结构化访谈之所以有效，是因为它平衡了结构与灵活性：固定的核心问题保证可比性，追问带来深度。无论由人还是 AI 主持，提纲的质量，尤其是其中追问的质量，决定了数据的质量。免费注册即获 30 个积分，用 Qualitati 开展你的下一项半结构化访谈研究。