تأملی بر آینده مصاحبه کیفی در عصر هوش مصنوعی
سیدابراهیم عمرانی
لیزنا؛ سید ابراهیم عمرانی، سردبیر: اخیراً، چند نفر از دانشجویان تحصیلات تکمیلی برای تکمیل پایان‌نامه خود، مجموعه‌ای از پرسش‌های مصاحبه را از طریق واتساپ برایم ارسال کردند و از من خواستند به آنها پاسخ دهم. در نگاه نخست، پرسش‌ها ساده و روشن به نظر می‌رسیدند؛ اما هرچه بیشتر درباره آنها تأمل کردم، متوجه شدم پاسخ‌دادن به آنها، اگر قرار باشد مبتنی بر تجربه‌های واقعی، ملموس و تا حد امکان دقیق باشد، چندان ساده نیست.
هر سؤال، خود می‌توانست موضوع یک بحث مستقل باشد؛ زیرا پاسخ دقیق به آن فقط به دانستن چند واقعیت یا مرور چند تجربه شخصی نیاز نداشت، بلکه مستلزم مطالعه، مقایسه دیدگاه‌ها، توجه به زمینه و گاهی حتی انجام بررسی‌های جداگانه بود. به‌خصوص در موضوعات پیچیده، بعید است یک فرد، حتی با سال‌ها تجربه حرفه‌ای، بتواند به‌تنهایی همه ابعاد مسئله را پوشش دهد.
در همین فکرها بودم که به سراغ هوش مصنوعی رفتم. ابزاری که می‌تواند در چند ثانیه، بر اساس حجم گسترده‌ای از اطلاعات، پاسخی منظم، دسته‌بندی‌شده و ظاهراً جامع ارائه کند. طبیعی است که چنین قابلیتی وسوسه‌کننده باشد. چرا برای یافتن اطلاعات و تنظیم یک پاسخ، ساعت‌ها وقت بگذاریم، وقتی می‌توانیم در چند لحظه به یک پاسخ نسبتاً جامع دست پیدا کنیم؟
اما درست در همین نقطه، پرسشی مهم‌تر شکل گرفت:
آیا جامعیت یک پاسخ، الزاماً به معنای اعتبار آن است؟
پاسخ هوش مصنوعی ممکن است دقیق، منسجم، تخصصی و حتی خلاقانه باشد؛ اما این ویژگی‌ها به‌تنهایی آن را به داده تجربی تبدیل نمی‌کنند. یک مدل زبانی می‌تواند درباره تجربه یک کتابدار، استاد، پژوهشگر یا مدیر، روایتی بسیار قانع‌کننده تولید کند، اما این روایت الزاماً حاصل تجربه مستقیم یک فرد در یک موقعیت واقعی نیست.
این تمایز اهمیت زیادی دارد. در پژوهش کیفی، گاهی موضوع فقط دانستن «چه چیزی» نیست؛ بلکه فهمیدن این است که چه اتفاقی افتاده، در چه زمینه‌ای رخ داده، فرد چگونه آن را تجربه کرده، چه معنایی به آن داده، چگونه تصمیم گرفته و پیامد آن چه بوده است.
بنابراین، باید میان اطلاعات، تجربه و دانش تمایز قائل شد. هوش مصنوعی می‌تواند اطلاعات موجود را به شیوه‌ای تازه سازمان‌دهی و بازنمایی کند و حتی در شکل‌گیری برداشت‌ها و ایده‌های جدید به پژوهشگر کمک کند؛ اما «جدید بودن یک پاسخ» الزاماً به معنای «کشف یک دانش جدید» نیست.
از سوی دیگر، نباید در دام تقابل ساده «انسان اصیل و با تجربه» و «ماشین ساختگی» افتاد. روایت انسان نیز همیشه عین واقعیت نیست. حافظه می‌تواند ناقص باشد، افراد ممکن است پاسخ اجتماعی‌پسند بدهند، بخشی از تجربه خود را فراموش یا بازسازی کنند و حتی ناخواسته دچار سوگیری شوند. بنابراین، داده حاصل از مصاحبه انسانی نیز نیازمند ارزیابی اعتبار و تفسیر است.
تفاوت مهم‌تر، ماهیت و منشأ داده است.
در مصاحبه با یک انسان، پژوهشگر به روایت فردی از یک تجربه، ادراک یا کنش واقعی دسترسی پیدا می‌کند؛ در حالی که پاسخ یک مدل زبانی، ماهیتی متفاوت دارد و باید بر اساس منشأ، زمینه تولید و محدودیت‌های آن ارزیابی شود. بنابراین نمی‌توان بدون بررسی روش‌شناختی، پاسخ تولیدشده توسط AI را معادل روایت یک مشارکت‌کننده انسانی در نظر گرفت.
همین موضوع مرا به پرسش اصلی بازگرداند:
> اگر هوش مصنوعی می‌تواند به بسیاری از پرسش‌های عمومی مصاحبه، پاسخ‌هایی منطقی و قابل قبول بدهد، آیا هنوز می‌توان با همان پرسش‌ها و شیوه‌های مرسوم، انتظار کشف دانش جدید از مصاحبه کیفی داشت؟
به گمان من، مصاحبه کیفی همچنان ارزشمند است؛ اما بخشی از شیوه‌های طراحی و اجرای آن نیازمند بازاندیشی است.
برای مثال، پرسشی مانند:
> «به نظر شما مهم‌ترین چالش‌های استفاده از هوش مصنوعی در کتابداری چیست؟»
احتمالاً پاسخ‌هایی آشنا به دنبال خواهد داشت: حریم خصوصی، امنیت، سوگیری، دقت اطلاعات، آموزش، تغییر نقش حرفه‌ای و نگرانی درباره آینده شغلی. حتی یک مدل زبانی نیز می‌تواند چنین فهرستی را در چند ثانیه ارائه کند.
اما اگر بپرسیم:
> «آخرین باری که استفاده از هوش مصنوعی در محیط کارتان تصمیم یا رفتار حرفه‌ای شما را تغییر داد، چه اتفاقی افتاد؟»
یا:
> «آیا تجربه‌ای داشته‌اید که هوش مصنوعی اطلاعات نادرستی در اختیار شما قرار دهد؟ چگونه متوجه شدید و چه کردید؟»
ماهیت سؤال تغییر می‌کند. دیگر صرفاً به دنبال «نظر» نیستیم؛ بلکه به دنبال رخداد، تجربه، زمینه، تصمیم و پیامد هستیم.
شاید ارزش آینده مصاحبه کیفی دقیقاً در همین جابه‌جایی باشد:
از انسانِ پاسخ‌دهنده به انسانِ تجربه‌کننده.
مصاحبه کیفی قرار نیست فقط مجموعه‌ای از پاسخ‌های منطقی جمع‌آوری کند. ارزش آن می‌تواند در فهم معنا، تجربه، فرایند، تناقض، احساس و زمینه‌ای باشد که یک پدیده در آن شکل گرفته است. گاهی یک مکث، یک تناقض در روایت، یک خاطره یا حتی تغییری که فرد در نگاه خود نسبت به یک رویداد نشان می‌دهد، می‌تواند برای پژوهشگر از ده‌ها پاسخ کلی و مرتب ارزشمندتر باشد.
از این رو، پژوهشگر کیفی نیز ناگزیر است نقش خود را بازاندیشی کند. شاید دیگر کافی نباشد که مجموعه‌ای از پرسش‌های استاندارد را به ترتیب از مشارکت‌کننده بپرسیم و پاسخ‌ها را ثبت کنیم. پژوهشگر باید بتواند از دل پاسخ‌ها، پرسش بعدی را پیدا کند؛ بپرسد:
چرا؟ چگونه؟ چه زمانی؟ بعد چه اتفاقی افتاد؟ چه احساسی داشتید؟ چه چیزی تغییر کرد؟ اگر دوباره به آن موقعیت برگردید، چه خواهید کرد؟
در اینجا، مصاحبه از یک «پرسش و پاسخ» ساده به یک فرایند کشف و فهم تبدیل می‌شود.
البته این بازاندیشی فقط به طراحی سؤال محدود نیست. بازاندیشی پژوهشگر نیز اهمیت بیشتری پیدا می‌کند. پژوهشگر باید از پیش‌فرض‌های خود، تأثیری که بر روند مصاحبه می‌گذارد و نقشی که در تفسیر داده‌ها ایفا می‌کند، آگاه باشد. در غیر این صورت، ممکن است به جای کشف تجربه مشارکت‌کننده، ناخواسته چارچوب ذهنی خود را بر داده‌ها تحمیل کند.
از سوی دیگر، هوش مصنوعی الزاماً دشمن پژوهش کیفی نیست. اتفاقاً می‌تواند به یک دستیار پژوهشی قدرتمند تبدیل شود: راهنمای مصاحبه را نقد کند، خلأهای احتمالی را نشان دهد، پرسش‌های پیگیرانه پیشنهاد کند، در سازمان‌دهی داده‌ها کمک کند و حتی در کدگذاری اولیه یا مقایسه مضامین به پژوهشگر یاری برساند.
اما یک مرز مهم باید حفظ شود:
هوش مصنوعی می‌تواند در فرایند پژوهش دستیار باشد؛ اما مسئولیت روش‌شناختی و علمی پژوهش را نمی‌توان به آن واگذار کرد.
همچنین استفاده از AI در پژوهش کیفی پرسش‌های اخلاقی تازه‌ای ایجاد می‌کند: داده‌های مصاحبه کجا ذخیره می‌شوند؟ چه کسی به آنها دسترسی دارد؟ آیا اطلاعات محرمانه وارد سامانه‌های هوش مصنوعی شده‌اند؟ مشارکت‌کننده از استفاده پژوهشگر از AI در تحلیل داده‌ها مطلع است؟ و چگونه می‌توان از حفظ محرمانگی داده‌ها اطمینان حاصل کرد؟
این پرسش‌ها، به‌ویژه در پژوهش‌های حوزه سلامت، اهمیت دوچندانی دارند.
بنابراین، شاید بهتر باشد به جای اینکه بپرسیم:
> «آیا هوش مصنوعی جایگزین مصاحبه کیفی می‌شود؟»
پرسش عمیق‌تری مطرح کنیم:
> «در عصر هوش مصنوعی، چه نوع پرسش‌هایی هنوز می‌توانند از طریق گفت‌وگو با انسان به کشف تجربه، معنا و دانش جدید منجر شوند؟»
پاسخ احتمالی این است که مصاحبه‌های کیفی آینده باید بیش از گذشته تجربه‌محور، روایت‌محور، رخدادمحور و زمینه‌محور باشند؛ نه صرفاً نظرخواهانه و مبتنی بر پاسخ‌های عمومی.
شاید دیگر پرسش اصلی این نباشد که:
«نظر شما درباره این موضوع چیست؟»
بلکه بپرسیم:
«چه اتفاقی افتاد؟»
«چگونه آن را تجربه کردید؟»
«چرا چنین تصمیمی گرفتید؟»
«چه چیزی در آن تجربه برای شما متفاوت بود؟»
«آن تجربه چه تغییری در نگاه یا رفتار شما ایجاد کرد؟»
در این صورت، هوش مصنوعی نه رقیب پژوهش کیفی، بلکه عاملی برای ارتقای استاندارد آن خواهد بود؛ ابزاری که ما را وادار می‌کند پرسش‌های دقیق‌تر و عمیق‌تری مطرح کنیم و از گردآوری پاسخ‌های کلی و قابل پیش‌بینی فاصله بگیریم.
شاید ورود هوش مصنوعی به پژوهش کیفی، پایان مصاحبه نباشد؛ بلکه پایان بخشی از مصاحبه‌های سطحی و پاسخ‌محور باشد.
و در نهایت، شاید مهم‌ترین پرسش این باشد:
> وقتی ماشین می‌تواند برای تقریباً هر پرسشی پاسخی آماده کند، انسان را برای کشف چه چیزی باید به گفت‌وگو دعوت کنیم؟
به گمان من، پاسخ در تجربه زیسته، زمینه، معنا، روایت و رخدادهای واقعی زندگی انسان‌ها نهفته است؛ حوزه‌هایی که ارزش پژوهشی آنها نه صرفاً در «پاسخ»، بلکه در فهم چگونگی شکل‌گیری آن پاسخ است.
شاید در آینده، ارزش مصاحبه کیفی کمتر به تعداد سؤالات و پاسخ‌ها و بیشتر به عمق گفت‌وگو و کیفیت کشف وابسته باشد.
و شاید این همان تغییری باشد که هوش مصنوعی، پیش از آنکه به پژوهش کیفی تحمیل کند، به ما یادآوری می‌کند:
در روزگاری که ماشین‌ها به‌خوبی پاسخ می‌دهند، هنر پژوهشگر در این است که بداند از انسان چه بپرسد.
عمرانی، سیدابراهیم (1405). « تأملی بر آینده مصاحبه کیفی در عصر هوش مصنوعی »، سخن هفته لیزنا، شماره 814 ، 4 آبانماه 1405.
دیدگاه کاربران