AI 质性数据分析是什么，如何用于研究材料
AI 质性数据分析是指用大模型辅助处理访谈逐字稿、田野笔记等文本材料，自动生成开放编码、主轴编码、选择编码等结构化编码结果， 每条编码都能回溯到原文的确切位置，供研究者核对与复核。它不是替代研究者的判断，而是把材料整理、初始编码等重复性工作交给 AI 先做一遍草稿，研究者在此基础上核实、调整、并完成最终的理论判断。
适用人群和研究场景
面向需要处理访谈、田野调查和其他文本研究材料的研究者、学生及相关专业人员，常见场景包括扎根理论研究、访谈资料的初步整理、 以及需要在大量文本中快速定位相关论述的探索性分析。
AI 能处理哪些文本、输出什么
已确认支持的输入材料：访谈逐字稿、访谈记录、田野笔记。系统会输出开放编码、主轴编码、选择编码三个层级的结构化结果， 每条编码附带对应的原文位置，方便逐条核对。具体支持的文件格式与单文件大小限制以产品实际公告为准（TODO：待产品负责人确认后补充）。
研究者在哪些环节复核
研究者需要复核：AI 生成的标签是否准确反映原文含义、相近概念是否需要合并或进一步拆分、主轴范畴的归纳是否合理， 以及最终的核心范畴与理论解释——这部分始终由研究者本人完成，AI 不输出学术结论。
操作流程
- 上传访谈逐字稿、访谈记录或田野笔记；
- 系统生成开放编码、主轴编码、选择编码草稿；
- 逐条核对编码是否准确，回溯原文位置确认上下文；
- 调整、合并或拆分编码类别，完成人工复核；
- 如需衔接 NVivo，导出 .qdpx 文件继续深入分析。
TODO：此处计划放置真实产品截图（如上传界面、编码结果回溯视图），待产品负责人提供素材后补充。
产品限制与不适用场景
AI 编码存在遗漏、误判等固有局限，仅作为研究辅助工具，不构成学术结论；对材料的合法性、授权链条（如受访者同意范围）需要研究者自行确保。 若研究需要处理音视频等非文本材料，或需要更完整的项目管理与团队协作能力，可参考灵析与 NVivo 的适用场景比较。