مصاحبه‌گران الگوریتمی و بازاندیشی در تولید دانش: به‌سوی روش‌شناسی انتقادی هوشمند در پژوهش‌های کیفی مبتنی بر هوش مصنوعی

ظهور هوش مصنوعی (AI)، به‌ویژه مدل‌های زبانی بزرگ (LLMs) مانند ChatGPT، فرصت‌ها و چالش‌های تازه‌ای را برای پژوهش‌های کیفی به همراه داشته است. با وجود گسترش کاربرد این ابزارها، هنوز چارچوبی نظام‌مند و انتقادی برای ادغام آن‌ها در پژوهش‌های کیفی وجود ندارد. این پژوهش با هدف پر کردن این خلأ، به بررسی انتقادی نقش مصاحبه‌گران الگوریتمی در بازتعریف روابط اجتماعی، قدرت معرفتی و فرایند تولید دانش می‌پردازد. با بهره‌گیری از نظریه انضباط الگوریتمی فوکو و شبکه‌های دیجیتال قدرت کاستلز، این مقاله روش‌شناسی نوینی تحت عنوان «روش‌شناسی انتقادی هوشمند بومی» پیشنهاد می‌کند که ترکیبی از تحلیل انسانی و مشارکت الگوریتمی است. یافته‌ها نشان می‌دهند که مدل‌های زبانی می‌توانند به‌شکل معناداری غنای پژوهش‌های کیفی را در مراحلی مانند شناسایی الگوهای پنهان، طراحی سوال، رونویسی، ترجمه، کدگذاری، توسعه نظریه و تولید متن افزایش دهند. با این حال، این مدل‌ها ابزارهایی خنثی نیستند؛ بلکه کنشگرانی معرفتی هستند که قادرند ساختار گفتمان و مسیر تفسیر را تحت تأثیر قرار دهند. چالش‌هایی همچون سوگیری الگوریتمی، ناتوانی در درک عواطف انسانی و دغدغه‌های اخلاقی و حریم خصوصی، نشان‌دهنده ضرورت برخورد محتاطانه با این فناوری‌هاست. این پژوهش بر «شفافیت الگوریتمی» و «سواد داده‌محور» به‌عنوان مهارت‌های کلیدی پژوهشگر کیفی در عصر هوش مصنوعی تأکید دارد. در نهایت این مقاله، ضرورت بازاندیشی پارادایمی در روش‌های کیفی و تعامل خلاق، انتقادی و مسئولانه با سیستم‌های هوشمند را مطرح می‌کند.