在当今时代，数智技术的运用与人工智能的迅猛发展，既为调查研究提供了前所未有的工具手段，也对传统调研方法形成了系统性冲击。面对这一深刻变革，调查研究需要在传承与创新之间找到平衡，既要守住深入现场、实事求是的传统本色，又要积极拥抱技术赋能带来的方法革新，不断提高调查研究的效率效能，从而实现人工智能与现场智慧的相互验证和螺旋上升，打造“人主机辅、人机协同”调查研究新范式。

　　传统信息采集的局限性日益凸显

　　调查研究离不开数据采集，传统调查研究过程中大量时间和精力都花费在数据采集上。在数智时代，传统调查研究采集信息方法的局限性日益突出，传统方法难以为继。

　　一是成本与效率的矛盾日益突出。大规模抽样调查，从问卷设计、样本抽取、实地访问，到数据录入与清洗，需要投入大量的人力、物力和时间成本，每一个环节都需要消耗大量资源，并且周期比较漫长，整体效率偏低。对于比较紧急的基层调研任务，在有限的资源条件下，传统方法往往难以实现高效率的数据采集。

　　二是覆盖偏差问题愈发突出。传统入户调查主要依赖户籍地址或固定居住场所进行抽样，难以有效覆盖流动人口、新就业形态从业者、无固定住所群体等特殊人群。这些群体恰恰是社会发展中需要重点关注的群体，却往往在传统抽样框架中被系统性地遗漏。

　　三是回应率持续下降成为全球性问题。在传统问卷填答场景中，电话拒访、问卷拒填率不断攀升，被访者对商业调研和学术调查的抵触情绪日益增强。即便勉强同意参与，被访者因缺乏耐心或对主题不感兴趣，被动参与状态下随意勾选答案的情况比较常见，严重影响了数据质量，增加了数据清洗的难度和成本。

　　调查研究中数智技术的创新应用

　　大数据里面蕴含着大逻辑、大智慧。数智技术为调查研究开辟了全新的数据来源和分析维度，正在从多个环节为调查研究活动深度赋能。

　　一是复杂问卷设计更智能。传统的调查问卷设计比较费时，AI可以辅助生成和优化调查问卷的问题选项，基于历史数据和已有研究提出更科学的测量方案。

　　二是行为数据采集更便捷。通过App使用记录、移动信令、消费记录等信息，研究者可以获取个体高频、实时、自然状态下的行为数据，弥补了传统问卷调查依赖被访者回忆的缺陷。研究者可以从海量的网络言论中识别公众情绪、发现社会热点、追踪事件演变，进行舆情监测和趋势预测。

　　三是大数据文本分析更高效。自动编码、主题建模和情感分析技术的成熟，使得研究者能够高效处理海量非结构化文本数据，从中提取有价值的信息。GIS技术与调研数据的结合，使得研究者能够揭示社会现象的地理分布规律，发现区域差异和空间关联。

　　四是智能分析报告更立体。通过机器学习算法，可以识别调研数据中的潜在模式、预测发展趋势。AI可以辅助撰写调研报告的初稿，实现数据可视化图表的自动生成，使调查研究报告呈现的形式更加多元、直观和生动。

　　人工智能时代调查研究的新挑战与新范式

　　人工智能技术的迅猛发展正在深刻重塑调查研究的范式与方法。一方面，AI深度赋能调查研究，大幅提升了数据采集、分析与生成的效率。另一方面，它也带来了前所未有的认识论危机与方法论挑战。

　　一是群体偏见与伦理困境。线上调研难以覆盖不擅长使用数字工具的群体，老年人、偏远地区居民、低收入人群等在数字化转型中往往被边缘化。线上调研可能越来越关注数字活跃人群的意见与行为，而沉默的大多数则消失在算法视野之外。算法推送机制根据用户偏好推送内容，导致不同群体接收到的信息高度分化。基于特定平台数据进行的调研，其样本本身已经经过算法的预先筛选，研究者接触到的不是一般意义上的社会公众，而是被算法筛选和分类的公众。在传统调查中，研究者与被调查者之间存在明确的知情同意关系，甚至可以在某种程度上进行互动和相互塑造；而在大数据时代，数据在被采集时往往未经明确授权，被采集者甚至不知道自己已经成为“被调研”的对象，数据采集的范围、方式和用途，需要更加明确的伦理规范。

　　二是数据失真与“社会事实”动摇。在传统调查研究中，“社会事实”具有相对客观的实在性，研究者通过问卷、访谈、观察等方式直接接触社会现实，数据是对社会事实的记录与反映。当AI不仅能分析数据，更能“创造”和“筛选”数据时，数据不再是社会真实的客观镜像，而是算法、平台、用户三方互动下被“生产”出来的产物。AI介入越多，研究者与真实的社会生活的距离就可能越远。当调查研究的对象不再是“社会本身”，而是“算法加工后的社会投影”时，研究结论的可靠性便从根本上被动摇。

　　三是现场缺位与温度缺失。AI对访谈中的非语言信息解读能力有限，可能忽略关键的人性化线索。在深度访谈中，受访者的犹豫、哽咽、欲言又止，往往比文字本身承载着更丰富的社会意义。这些“有温度”的信息，目前尚难被AI有效捕捉和解读。费孝通开创的田野调查传统，建立在研究者与被研究者“面对面”的真实接触之上。这种“同吃同住同劳动”的参与观察，不仅便于收集数据，更有利于建立信任、体察情感、理解语境。AI无论如何进步，都无法替代研究者身处田野时获得的“现场感”，而那种对声调、语气、表情、氛围的整体感知，恰恰是社会理解中最具价值的部分。

　　四是主体界定与责任归属的疑问。当AI在技术层面越来越“像”一个调查者时，一个更具根本性的问题浮现出来，大模型能否成为调查研究的主体？调查研究始于问题意识，AI的“研究”始终是在人类设定的框架内运作，它没有提出问题、选择问题、判断问题价值的自主能力，自主意识缺失是根本性局限。调查研究不仅是事实收集，更是价值判断，当政策效率与公平性发生冲突时，当数据揭示的“最优解”与人文关怀相悖时，AI无法做出伦理权衡。费孝通晚年提出的“将心比心”方法论原则，恰恰指向了AI无法企及的领域。这种“将心比心”的理解过程，建立在研究者与被研究者同为“人”这一本体论前提之上，面对面的、有温度的田野工作始终是真正的社会理解的根基所在。

　　综合上述四个维度的分析可以发现，从“从实求知”到“人机协同”，社会科学研究正迈向以“AI for Social Science”为代表的人机协同新范式，AI大模型正从辅助工具转变为“自主研究助手”，最优的路径不是让AI替代人类研究者，而是人机协同，把人工智能的大数据、有关职能部门的业务数据与研究者现场调查采集的小数据有机结合起来，把AI处理数据的广度、速度与研究者的理论敏感、伦理判断有机结合起来，把人工智能与现场智慧有机结合起来。AI的出现不应成为研究者远离田野的借口，因为真正的社会调查和社会理解，永远建立在对具体的人、具体的生活、具体的情感的深深体察之上。中国特色调查研究应当既有理论高度与实践深度，又有人文温度和时代厚度，从而推动中国自主知识体系构建和人的现代化进程。

　　（作者系江苏省社科联副主席、江苏省区域发展研究会会长）