Журнал: Интеракция. Интервью. ИнтерпретацияМикрюков В. О.Особенности и возникающие трудности тандема «исследователь + ИИ» в качественных социологических и маркетинговых исследованиях

Институт социологии
ФНИСЦ РАН

Журнал: Интеракция. Интервью. Интерпретация

Микрюков В. О.

Особенности и возникающие трудности тандема «исследователь + ИИ» в качественных социологических и маркетинговых исследованиях

DOI: https://doi.org/10.19181/inter.2026.18.2.7
Микрюков Владимир Олегович
Финансовый университет при Правительстве РФ, Москва, Россия
Кандидат философских наук, доцент, кафедра социологии

Полный текст

Открыть текст

Ссылка при цитировании:

Микрюков В. О. Особенности и возникающие трудности тандема «исследователь + ИИ» в качественных социологических и маркетинговых исследованиях // Интеракция. Интервью. Интерпретация. 2026. Том. 18. № 2. С. 69-90.
DOI: https://doi.org/10.19181/inter.2026.18.2.7. EDN: UDDQFT

Рубрика:

Полевые исследования

Аннотация:

Качественные социологические и маркетинговые исследования в последние годы столкнулись с парадоксом: спрос на глубокий интерпретативный анализ больших массивов данных сочетается с экспоненциальным ростом объемов получаемой информации и сокращением проектных сроков, что делает традиционные методы анализа неэффективными в связи с большими затратами времени и ресурсов. Внедрение инструментов искусственного интеллекта (ИИ) в качественный анализ социологической и маркетинговой информации помогает решить некоторые технические проблемы, однако порождает фундаментальные методологические вызовы, касающиеся прежде всего сохранения рефлексивности исследователя как центрального элемента валидности качественного исследования.В статье рассматриваются три ключевых вызова: проблема делегирования интерпретации алгоритму на базе ИИ, риск алгоритмической инерции и галлюцинации ИИ, а также вопрос о методологических пределах применения ИИ в социологии и маркетинге. Автор предлагает концептуализацию тандема «исследователь + ИИ» как особой конфигурации аналитической практики, в которой человеческая рефлексивность остается центральной, а ИИ выступает вспомогательным инструментом. На основе авторского опыта проведения исследования, в котором с помощью ИИ-платформы exeDrive проанализированы 86 глубинных интервью, обосновывается возможность существенного сокращения времени анализа без ущерба качеству и валидности выводов при условии систематического контроля и методологической дисциплины исследователя.В статье предложены четыре процедуры работы в тандеме «исследователь + ИИ»: подготовка и разработка архитектуры анализа, система итеративной обратной связи, валидация на двух уровнях сложности и протокол выявления системных смещений. Автор формулирует дополнительные критерии ИИ-поддержки валидности качественного исследования (прозрачность алгоритма, валидация с участием человека, аудит предвзятостей, интерпретируемость результатов) и предлагает методологические решения для минимизации алгоритмической предвзятости. В статье также делается вывод о необходимости трансформации профессиональных компетенций социолога-качественника и внедрения в учебные планы специализированных дисциплин по ИИ-методологии.

Литература:

  • Гадамер Х.-Г. Истина и метод: Основы философской герменевтики / Пер. с нем и общ. ред. Б.Н. Бессонова. М.: Прогресс, 1988.
  • Герасимова Т.А. Генезис понятия «рефлексивные умения» в исследованиях современных ученых // Проблемы современного педагогического образования. 2023. № 80-2. С. 81–85. EDN: ISOBFK
  • Декал Е.Е., Борзова Т.В. Становление понятия рефлексивности в психологии (по материалам отечественных и зарубежных источников) // Российский журнал образования и психологии. 2025. Т. 16. No. 3. С. 514–540. DOI: https://doi.org/10.12731/2658-4034-2025-16-3-761
  • Дудина В.И. Эпистемическая рефлексивность в социологии // Вестник Санкт-Петербургского университета. Социология. 2018. Т. 11. № 2. С. 146–159. DOI: https://doi.org/10.21638/11701/spbu12.2018.201
  • Лустин Ю.М. Рефлексивное мышление студента в гносеологической доминанте цифрового образования // Архонт. 2022. Т. 32. № 5. С. 93–102. EDN: BLMCCK
  • Ожиганова Г.В. Рефлексия, рефлексивность и высшие рефлексивные способности: подходы к исследованию // Психологическая наука и образование. 2018. Т. 23. № 5. С. 22–31. EDN: MKWIMP
  • Рождественская Е.Ю. ИНТЕР-энциклопедия: нарративное интервью // Интеракция. Интервью. Интерпретация. 2020. Т. 12. № 4. С. 114–127. DOI: https://doi.org/10.19181/inter.2020.12.4.8
  • Соколов А.В., Фролов А.А., Бабаджанян П.А. Применение технологий искусственного интеллекта в политике: угрозы и возможности // Вестник Российского университета дружбы народов. Серия: Политология. 2025. Т. 27. № 3. С. 622–637. DOI: https://doi.org/10.22363/2313-1438-2025-27-3-622-637 EDN: LRRSDH
  • Стребкова К.Е. Технологии искусственного интеллекта как инновационный инструмент реализации государственной молодежной политики РФ: стратегии, механизмы и практики // Вестник Российского университета дружбы народов. Серия: Политология. 2025. Т. 27. № 3. С. 590–605. DOI: https://doi.org/10.22363/2313-1438-2025-27-3-590-605 EDN: LSQJAX
  • Хорошилов Д.А. Тематические сообщения: методология качественных исследований О. Т. Мельниковой // Новый психологический журнал. 2024. Т. 13. № 1. С. 29–37.
  • Ядова М.А. Социальный портрет российских пользователей сервисами искусственного интеллекта: попытка анализа // Социальные и гуманитарные науки. Отечественная и зарубежная литература: ИАЖ. Сер. 4: Государство и право. 2025. № 3. С. 23–32. DOI: https://doi.org/10.31249/iajpravo/2025.03.02
  • Ярская-Смирнова Е.Р., Романов П.В. Феноменология профессионализма: практическое знание в социальной работе // Человек. Сообщество. Управление. 2006. № 2. С. 35–51.
  • Diakopoulos N. (2016) Accountability in Algorithmic Decision Making. Communications of the ACM. Vol. 59. No. 2. P. 56–62. DOI: https://doi.org/10.1145/2844110
  • Georgiou Konstantinos (2024) Thematic Analysis: A Practical Guide. European Journal of Psychotherapy & Counselling. Vol. 26. No. 3–4. P. 461–464. DOI: https://doi.org/10.1080/13642537.2024.2391666
  • Geertz C. (1973) Thick Description: Toward an Interpretive Theory of Culture. The Interpretation of Cultures. New York: Basic Books.
  • G?lp?nar M.A. (2024) A Model Proposal for Qualitative Data Analysis, Interpretation, and Reporting: Contextuality, Reflectivity, and Narrativity. Primary Health Care Research & Development. Vol. 25. P. 50–55. DOI: https://doi.org/10.1017/S1463423624000562
  • Gurr H., Jones L., McNabola A. (2024) The Importance of Positionality for Qualitative Researchers. Qualitative Health Research. Vol. 34. No. 7. P. 595–606.
  • Lincoln Y.S., Guba E.G. (1985) Naturalistic Inquiry. Newbury Park. Beverly Hill: Sage Publications.
  • Logg J.M., Minson J.A., Moore D.A. (2019) Algorithm Appreciation: People Prefer Algorithmic to Human Judgment. Organizational Behavior and Human Decision Processes. Vol. 151. P. 90–103. DOI: https://doi.org/10.1016/j.obhdp.2018.12.005
  • Lundberg I., Brand J.E., Jeon N. (2022) Researcher Reasoning Meets Computational Capacity: Machine Learning for Social Science. Social Science Research. Vol. 108. P. 1–50. DOI: https://doi.org/10.1016/j.ssresearch.2022.102807
  • Nguyen-Trung K. (2025) ChatGPT in Thematic Analysis: Can AI Become a Research Assistant in Qualitative Research? Quality & Quantity. Vol. 59. P. 4945–4978. DOI: https://doi.org/10.1007/s11135-025-02165-z
  • Olmos-Vega F.M., Dolmans D., Vargas-Castro N., Stalmeijer R.E. (2023) A Practical Guide to Reflexivity in Qualitative Research: AMEE Guide No. 149. Medical Teacher. Vol. 45. No. 3. P. 239–250.
  • Pasquale F. (2015) Black Box Society: The Secret Algorithms That Control Money and Information. Cambridge: Harvard University Press.
  • Shaw S.D., Nave G. (2026). Thinking-Fast, Slow, and Artificial: How AI is Reshaping Human Reasoning and the Rise of Cognitive Surrender. SSRN Working Paper 6097646. The Wharton School, University of Pennsylvania. P. 1–58. DOI: https://doi.org/10.2139/ssrn.6097646
  • Trundle C., Ara?jo N., Khan S., Phillips T. (2025) Beyond the Mirror: Challenging the Common Assumptions of Reflexivity in Qualitative Research. Qualitative Inquiry. Vol. 31. P. 1–18.
  • Vicente L., Matute H. (2023) Humans Inherit Artificial Intelligence Biases. Scientific Reports. Vol. 13. P. 1–13. DOI: https://doi.org/10.1038/s41598-023-42384-8

Содержание выпуска

>> Содержание выпуска 2026. Том. 18. № 2.
>> Архив журнала