生成型人工智能和定性健康研究:从技术负面立场的观察

科学领域:

• 质量健康研究 (QHR)
• 生成型人工智能 (GenAI)
• 科学与技术研究

背景情况:

• 将生成人工智能 (GenAI) 整合到质量健康研究 (QHR) 中正在迅速扩大.
• 对于GenAI对QHR的核心原则和方法的影响存在担忧.
• 目前的论述往往忽略了学术实践的潜在负面影响.

研究的目的:

• 批判性地研究GenAI和QHR的交叉点.
• 认为过度依赖GenAI会降低研究质量的学术人格.
• 提出一个技术负面的方法,新路德主义,作为QHR的纠正措施.

主要方法:

• 提出哲学和方法论的批判性论文.
• 在定性研究文献中分析GenAI应用的新兴趋势.
• 开发五个协调的观察来支持核心论文.

主要成果:

• 在QHR中采用GenAI可能会将复杂的定性调查简化为编码和模式识别.
• 基因AI的使用可能会阻碍定性健康研究人员深入阅读和批判性思维.
• 过度强调GenAI可能会导致QHR的"麦克唐纳化",优先考虑效率而不是严谨性.
• 通过GenAI节省的时间并没有被重新投入到研究人员的核心能力中.
• 人性化GenAI可能会无意中使研究人员变得非人性化,这与人为中心的人工人性形成鲜明对比.

结论:

• 在QHR的政治文化中应该采取一种称为新路德主义的批判性技术负面立场.
• 需要紧急重新评估定性研究人员与GenAI之间的关系.
• 对于GenAI的无节制的技术乐观主义可能会导致定性健康研究人员及其行业的过时化.