人工智能和定性健康研究:通过必要的悲伤过程进行工作

科学领域:

• 质量健康研究 质量健康研究
• 人工智能 (AI) 是一种人工智能.
• 大型语言模型 (LLM)

背景情况:

• 人工智能的整合,特别是LLM,正在深刻影响定性健康研究方法.
• 该领域现有的紧张局势反映了关于人工智能采用的五个悲伤阶段 (否认,愤怒,谈判,抑郁,接受).
• 定性研究人员的核心身份 - - 包括反射性,互主观性,时间性和主观性 - - 正在受到人工智能进步的质疑.

研究的目的:

• 绘制当前围绕AI在定性健康研究中的紧张局势和辩论的地图.
• 为整合人工智能融入定性研究实践提出实用,有道德依据的战略.
• 将人工智能重新定义为增强反射能力和方法严谨性的催化剂,而不是威胁.

主要方法:

• 应用Kübler-Ross五阶段悲伤模型来分析对AI的现场反应.
• 开发人工智能辅助定性研究的具体实践,包括集体提示写作和批判性监督.
• 倡导透明披露和明确划分委托给AI的任务.

主要成果:

• 人工智能集成需要对核心定性研究原则进行重新评估,包括反射性和研究人员主观性.
• 拟议的做法旨在保持定性研究的认识和伦理承诺,同时与AI进行接触.
• 如果研究仅仅依赖于人工智能,就有可能侵蚀体现和集体思维.

结论:

• 建议采用严格,有道德依据的,与人工智能合作的平衡方法,保护基本的定性研究元素.
• 人工智能可以作为一种催化剂,在定性健康研究中,重新提高反射性和方法明确性.
• 为研究人员,审稿人和编辑提供了可操作的建议,以有效地导航人工智能辅助的手稿.