질적연구물 연구방법 영역의 인간-AI 협업 과정에 관한 문헌사례연구 = A Literature-Based Case Study on Human–AI Collaboration Processes in the Methodological Sections of Qualitative Research

국문 초록 (Abstract)

본 연구는 생성형 인공지능의 급속한 도입으로 인해 질적연구의 설계에서 자료수집 및 분석, 해석 등에 이르기까지의 일련의 변화를 규명하고자 한다. 특히 연구방법의 관점에서 인간–AI 협업 구조가 어떠한 방식으로 기술되고 있는지를 체계적으로 분석하는 데 목적을 두었다. 이를 위해 해외에서 발표된 AI 기반 질적연구사례 14편을 문헌 사례연구 방법으로 선정하여, 사례 내 분석과 사례 간 비교를통해 협업 구조의 유형과 특징을 도출하였다. 사례 선정은 AI가 코딩, 요약, 패턴식별 등 질적 분석에 실제로 개입했는지, 인간 연구자의 절차가 문헌에 명확히기술되었는지, 협업 구조가 재현 가능한 방식으로 보고되었는지를 기준으로 진행하였다. 분석 결과, 생성형 AI가 질적 분석 과정에 참여하는 방식은 여섯 가지 협업유형으로 구조화되었다. 연구결과, AI는 질적연구의 효율성과 해석적 다양성을 확장하는 잠재력을 보유하지만, 연구자는 여전히 최종 해석의 판단자이자 조정자로서 중심적 역할을 수행하고 있었다. 또한 프롬프트 설계, 분석 절차의 투명성, AI 결과의 검증 가능성, 윤리 및 IRB 기술의 필요성 등은 향후 질적연구 방법론에서표준화를 요구하는 것으로 지점으로 나타났다. 이런 맥락에서 본 연구는 인간-AI 협업 구조의 유형화를 통해, 생성형 AI 시대의 질적연구 방법 보고 기준을 마련하는 데 기초적 근거를 제시한다.

다국어 초록 (Multilingual Abstract)

This study investigates how generative artificial intelligence is being incorporated into qualitative research workflows and how human–AI collaboration is documented within methodological reporting. A literature-based case study approach was adopted, analyzing 14 international studies in which AI played an active role in coding, summarizing, or identifying patterns in qualitative data. The analysis identified six distinct collaboration types: (1) parallel coding, where human and AI independently analyze the same data; (2) triangulation, using AI to validate human interpretations; (3) prompt-controlled collaboration governed by researcher-designed analytic instructions; (4) iterative and cyclical interaction that refines interpretations across repeated human–AI feedback loops; (5) complementary role division between AI’s technical capabilities and human interpretive judgment; and (6) hybrid integration in which human and AI outputs are synthesized into a new interpretive product. Across all cases, AI expanded analytic efficiency and helped surface patterns that might be overlooked by human researchers. However, human researchers consistently retained epistemic authority as the final arbiters of interpretation, ensuring contextual depth and ethical judgment. These findings underscore that AI does not replace but rather reconfigures the interpretive labor of qualitative inquiry. By articulating six collaboration structures, this study offers a foundational framework for establishing future reporting standards for AI-supported qualitative research.