[论文解读] Navigating Incommensurability Between Ethnomethodology, Conversation Analysis, and Artificial Intelligence

Stuart Reeves|arXiv (Cornell University)|Jun 19, 2022

Interpreting and Communication in Healthcare被引用 6

一句话总结

本文探讨了民族志方法论（EM）与会话分析（CA）之间，以及与人工智能（AI）领域之间的概念与学科不相容性，主张采取谨慎、反思性的参与方式。文章提出，EM与CA研究者必须批判性地应对AI的知识论假设，避免将自身方法工具化，而应通过突出情境化、互动性的实践方式，为AI发展做出贡献，从而为伦理化与方法论根基扎实的AI发展带来风险与机遇。

ABSTRACT

Like many research communities, ethnomethodologists and conversation analysts have begun to get caught up -- yet again -- in the pervasive spectacle of surging interests in Artificial Intelligence (AI). Inspired by discussions amongst a growing network of researchers in ethnomethodology (EM) and conversation analysis (CA) traditions who nurse such interests, I started thinking about what things EM and the more EM end of conversation analysis might be doing about, for, or even with, fields of AI research. So, this piece is about the disciplinary and conceptual questions that might be encountered, and -- in my view -- may need addressing for engagements with AI research and its affiliates. Although I'm mostly concerned with things to be aware of as well as outright dangers, later on we can think about some opportunities. And throughout I will keep using 'we' to talk about EM&CA researchers; but this really is for convenience only -- I don't wish to ventriloquise for our complex research communities. All of the following should be read as emanating from my particular research history, standpoint etc., and treated (hopefully) as an invitation for further discussion amongst EM and CA researchers turning to technology and AI specifically.

研究动机与目标

• 解决民族志方法论（EM）与会话分析（CA）同人工智能（AI）之间日益增长的交叉问题，正视概念不相容性的风险。
• 识别EM/CA与AI研究群体之间可能阻碍或扭曲有意义合作的学科与知识论张力。
• 鼓励EM与CA研究者批判性反思其在AI发展中的角色，避免不加批判地采纳AI框架。
• 强调EM与CA可通过其对互动秩序与实践推理的关注，为更伦理化、情境化根基的AI系统提供潜在机遇。
• 将讨论定位为对EM与CA群体内部关于其与技术及AI互动的持续对话的邀请。

提出的方法

• 运用批判话语分析与反思性方法论探究，考察EM与CA在AI语境下的概念框架。
• 基于作者的研究经历与立场，将分析呈现为一种个人化但具代表性的领域介入。
• 结合现有关于AI、EM与CA的文献，识别概念上的分歧与趋同点。
• 将科学哲学中的“不相容性”概念应用于分析EM/CA与AI研究传统在基础假设上的差异。
• 强调在参与AI的技术与规范框架时，方法论自我意识与批判性距离的重要性。
• 提出一种负责任参与的框架，优先保障CA与EM对实践推理与社会秩序的核心承诺。

实验结果

研究问题

• RQ1 民族志方法论与会话分析的基础假设，与人工智能研究的基础假设在哪些方面存在差异？
• RQ2 当EM与CA研究者参与AI发展时，概念不相容性的风险是什么？
• RQ3 EM与CA在人机交互等情境下，如何能对AI系统的设计与评估做出有意义的贡献？
• RQ4 EM与CA研究者如何避免在其方法论上被AI驱动的研究议程所工具化？
• RQ5 EM与CA在多大程度上能够塑造AI，以维护其对情境化、实践推理与社会秩序的承诺？

主要发现

• 本文识别出民族志方法论与会话分析的知识论基础，与人工智能在知识、实践与社会秩序观念上的显著概念不相容性。
• 文章警告，不加批判地采纳AI方法论，可能扭曲CA与EM对实践推理与互动秩序分析的核心承诺。
• 作者主张EM与CA研究者在参与AI时必须保持方法论上的反思性，以避免沦为技术官僚或还原主义框架的共谋。
• 本文建议EM与CA可通过强调人类互动的情境性、具身性与情境敏感性，为AI发展做出贡献——而这正是主流AI所常缺失的。
• 文章强调EM与CA在推动更伦理化、情境敏感的AI系统方面具有潜力，尤其在医疗保健与人机交互等领埴。
• 作者总结认为，尽管AI既带来危险也带来机遇，但前进之路需要EM与CA群体的刻意、批判与自我反思性参与。