展望半结构化访谈中的人工智能支持:跨越专业技能谱系
荣誉提名半结构化访谈是包括CSCW和HCI在内的许多领域的关键定性方法,使研究者能够发现深刻的上下文洞察。使用这种灵活方法时,访谈者必须在遵守协议的同时适应受访者的回答,需要强大的主动倾听和实时分析能力。虽然最近的研究探索了AI如何支持研究者的定性分析,但据我们所知,没有研究调查AI在访谈进行过程中支持半结构化访谈的作用。为填补这一空白,我们访谈了16名具有不同先前访谈专业经验的研究者。我们的归纳主题分析揭示,访谈者期望实时AI辅助支持研究目标并促进人际沟通,但也担心其对长期技能发展的影响。我们讨论了半结构化访谈如何区别于其他问题解决或创造性人机协作背景,强调时间限制、多模态协作以及访谈者、受访者和AI之间的三角动态。我们还深入探讨了访谈者的专业水平如何影响他们设想的访谈者-AI协作。然后,我们为未来CSCW在访谈情境中开发AI驱动助手的工作提出设计挑战。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2025
emoji_events
奖项
荣誉提名
group
作者
4 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文