作者: 柯 文仁

你被 AI fine-tuning 了嗎？ — 從 AI 信任研究與質化分析現場，談合理依賴與過度信任 先說清楚，這不是一篇反 AI 文章。 如果今天還在討論「研究生到底該不該用 AI」，真的是為時已晚。現實是大家都在用，而且只會越用越多。問題早就不是要不要用，而是——你跟 AI 之間，現在到底是什

如果你最近開始比較頻繁地使用 AI 工具，大概會慢慢發現一件事，人跟 AI 對話時，很容易傾向兩種語氣的極端。 第一種，姑且叫做「溫良恭儉讓模式」；每次要求 AI 幫忙整理文獻、改句子、潤稿，最後都不忘補上一句：麻煩你了，謝謝，這樣的使用者，值得給他一個乖寶寶印章。 第二種則是另一條完全不同的路線，

當你用 AI 跑質化分析，你其實是開了「一鍵美顏」，還是「自動戰鬥」？——看看 AI 如何悄悄改寫質化分析的判斷 〇、合先敘明，這篇在談什麼 這不是一篇 AI 工具教學文，也不是要告訴你「該不該用某一個 AI 來做質化分析」。 這是一篇方法意識提醒文。 當你把質化分析的一部分交給 AI，你是否意識到

這不是一篇概念介紹文 而是一篇「研究假設校正文」 在寫研究計畫的某個深夜，你很可能做過這件事。 把研究問題丟進 AI，請它幫你「生出幾個研究假設」。 螢幕很快亮起來，一條一條 if–then 句型排列整齊，看起來邏輯清楚、語氣專業、甚至比你自己寫的還順。 但這正是危險的地方。 問題不在於你用了 AI

當質性分析過程導入自動化， 研究者的定位在哪裡？ ——Computational Grounded Theory 帶來的提醒 在當代社會科學研究中，越來越多研究者開始感受到一種難以忽視的焦慮： 資料正在快速膨脹，但人的閱讀與理解能力，並沒有跟上。 想像你在深夜的辦公室裡，臉龐被螢幕發出的微弱藍光照亮

現代職場「聲存」之道，理性閉嘴更安全 － 陪你用 Employee Voice and Silence 重新校正研究問題 《Employee Voice and Silence: Taking Stock a Decade Later》是一篇於 2023 年發表於 Annual Review of

在 Minecraft 裡扮演創世神 不代表你理解真實世界 ——為什麼 synthetic data 不是研究捷徑，而是風險放大鏡 如果你是研究生，近幾年大概一定聽過這個詞：synthetic data（合成資料）。 它聽起來非常誘人——資料不足？合成一點。隱私受限？用合成的。樣本太少？再「生成」一

AI 不是讓你寫得更快 而是深夜迷濛響起的 Non, Je ne regrette rien，提醒你該醒了 本文選取 Web of Science 的 Research Horizon Navigator 平台中，歸類於「Artificial Intelligence and Adaptive Le