文科生也能用的科研智能体：访谈编码与学术史梳理

提起科研智能体，人们首先想到的往往是跑代码、做统计。可对社会学、历史学的研究生来说，最耗时间的是另一类工作：把一摞摞访谈转录一句句切开编码，把几十年的研究文献按学派和范式理出头绪。PaperOK科研助手的十种学科模式中包含人文社科模式，官网公开了这一模式下的两个真实运行案例。它们呈现的不是“AI 替你得出结论”，而是“AI 把材料整理到你能判断的程度”。

案例一：12 份访谈的三级编码

对12个关于城市新移民的访谈转录进行主题分析，首先进行开放式编码，其次归纳出主轴编码及核心范畴，每一个范畴选取2-3段原文引用，最终输出编码和分析报告。请注意，中的测试没有真实的采访，这些12个转录是按照要求模拟的，具有不同职业的人。科研助手选取10份构建模型，剩余2份进行理论饱和测试。

在开放编码阶段，切出208个意义单元，获得113个初始概念和32个子范畴。每个单元记下受访者的编号和行号，任何一个概念都可以追溯到原话。主轴编码：依照Strauss&Corbin的编码范式，将子范畴归类为因果条件、情境条件、中介条件、行动策略、结果5类，形成8个主范畴，保留每个子范畴2-3条原文引述。

对于质性研究而言，“引述逐字可查”是底线。当AI使受访者的话语变得流畅时，尽管它看起来是流畅的，但数据变得不准确。在这个案例中每一条的引述都回原文行号，可以逐条检查编码是否恰当，也可以在编码表中直接修改、合并或者拆分范畴。

案例二：明清江南市镇经济的学术史

第二个任务是梳理“明清江南市镇经济”的学术史，即按照时间和学派整理相关代表性的著作和观点，并说明研究范式是如何变化的，哪些问题是尚未被充分讨论的，引用格式为GB/T 7714。

科研助手检索并核对了 64 条文献，涵盖樊树志、刘石吉、李伯重、黄宗智、川胜守、森正夫、彭慕兰、施坚雅等学者的代表作，没能核实的卷期页码在文中标为“待核”。综述分五个阶段展开：1950 年代以前的考证，“资本主义萌芽”范式，1980–90 年代的结构功能研究，“内卷与分流”之争，以及 2000 年代以来的空间与地域社会研究。随后用 8 个学术群体的谱系表和 6 条范式转变线索做归纳，观点都对应到具体作者，最后列出 9 个尚未充分讨论的问题。

我们抽查了该综述的代表性著作作者、书名、出版社、年份与图书目录相符，但存在期刊期号错误1条(应为第2期)，文章出处未查到2条，缺页码约15条。这些是需要使用者在引用之前进行补全的，我们都在官网的案例页中进行了如实的列出。

判断留给研究者

两个例子中，科研助手都只负责完成切分、归类、检索、核对、排版等体力劳动，真正的判断还是掌握在研究者手中。

真实的访谈资料可能涉及到受访者的隐私。在处理此类材料时，我们建议您使用“逐步确认”或“只读”权限模式，仅将脱敏的转录物添加到项目文件夹中。对于文科研究者而言，这种工具就像是一位细心助理，将材料整理好，标注清楚出处，解读与论证则需由你来完成。