Page 88 - 《党政研究》2026年第3期

一手资料的收集可能是目前 ＡＩ 替代度相对较低的一个研究环节。大多数研究的创新
点在于用了新的数据 （资料）回答已有的重要问题。田野调查本身就是一手资料收集的
过程，具体的手段包括访谈、参与式观察、档案材料的收集等等。一手数据 （资料）往
往意味着这些信息之前可能并不存在于网络空间中，需要研究者花费心思和判断力，将其
从浩如烟海的线下档案中发现，然后清理、整合为可供系统分析的数据 （资料）集。有
些资料信息甚至仅存在于研究对象的脑海之中，需要研究者与研究对象深入交流才能获
得。对一些领域的研究者来说，观察研究对象之间的互动，甚至其动作、表情等，都能构
成研究素材。在这一系列的数据资料收集过程中还有大量需要研究者进行裁量的地方，很
多时候研究者根据自身理解和当时的情境进行了临场的判断和取舍，而这些无数细微的选
择也型塑了每一项研究的特殊性。这一过程至少在目前无法被机器或算法所取代。另外，
田野调查还能帮助研究者建立现实中的人际关系，为下一步的调研或者开展诸如问卷调查
等建立前期基础，这些需要现实中 “面对面”交流完成的工作，显然无法由 ＡＩ 代劳。
总而言之，社会科学研究不仅仅是存在于脑海或电脑磁盘上的空中楼阁，它是研究者
和真实世界互动的产物，而田野调查又是让研究者深度接触现实世界的一种重要方法。研
究者和什么样的同行头脑风暴进而产生研究问题，和什么样的研究对象进行访谈，和什么
样的研究机构合作开展调研或问卷调查，前往了哪个档案馆收集资料，在资料电子化时进
行了何种取舍，这些研究过程都带上了包括研究者人生和学术经历、临场判断、甚至是偶
然机缘在内的印记。这样带有鲜活个人色彩的知识生产过程，至少在可见的未来，还无法
被机器和代码所取代。

二、ＡＩ 对田野调查的赋能

（一）对既有知识的梳理
当研究者涉猎一个新的议题时，对该领域的经典与前沿文献进行系统性的梳理往往需
要花费大量的时间，一些时候甚至不知道从何处下手。在适当的提示词的引导下，ＡＩ 可
以帮助研究者罗列并总结某一特定领域的经典和前沿文献及其相互之间的学术脉络，可以
大幅降低研究者进入一个陌生领域的初始搜寻和学习成本。在了解重点文献的基础上，研
究者可以进一步通过搜索互引文献等方法较为高效地构建该领域的知识脉络。
（二）调研对象的背景知识获取
田野调查需要研究者对研究对象及其所处环境有着深入的了解。丰富的地方性知识
（ ｌｏｃａｌ ｋｎｏｗｌｅｄｇｅ）有助于研究者在田野调查的过程中更为高效地提取与研究话题有关的关
键信息。有种说法认为，要从访谈对象处获得有用的信息，研究者必须让对方感觉比他预
想的要知道得更多。只有这样，对方才会被激励说出那些不为常人所知的但却至关重要的
新鲜信息。传统的背景资料获取依赖研究者线上线下的碎片化资料的收集，效率较低也容
易存在盲区。ＡＩ 可以帮助研究者较为高效和全面地获取与研究对象 （地点）有关的背景
性材料与信息。当然，ＡＩ 生成的背景信息的深度和广度很大程度上取决于研究者的提示
词。另外，ＡＩ 提供的信息的准确性也需要研究者予以核实和确认。
（三）模拟访谈
访谈是充满艺术和不确定性的手艺。研究者能否从访谈对象处获取有效信息，取决于
设问方式、人际关系、访谈环境，甚至是表情态度等偶然因素。通常，研究者只有一次与
访谈对象面对面交流的机会，接触过程中如果遇到不满意的情况很难事后补救。ＡＩ 为研
究者提供了事先 “模拟访谈”的机会。通过让 ＡＩ 代入访谈对象的社会角色，研究者可以
生成并打磨访谈提纲，并预判访谈对象可能有的反应并做好准备。此外，比较访谈对象的
真实回答与 ＡＩ 回答之间的差异，也可以为研究者发现研究案例的特殊性提供参考。
（四）数据信息的清理和分析
ＡＩ 在对部分类型的数据和信息的清理和整合过程中有相较人力的显著优势。例如，
已经格式化的数据的制图与描述性统计分析，访谈文字材料的内容概括与关键词提取等。
此外，对于已经标准化的信息或数据，ＡＩ 相比于传统的分析软件，为研究者提供了一种
更为 “用户友好”的分析途径。研究者可以只陈述需求，而由 ＡＩ 完成具体的代码设定等
工作从而获得分析结果。
（五）模拟的理论提炼
前述维度均基于研究者采用了演绎 （ ｄｅｄｕｃｔｉｖｅ）逻辑开展研究，即研究者先基于既有
理论和研究生成研究假设，再通过证据的收集检验假设。在田野调查类的研究中，还有种
８ ７ · ·