我给他们准备了一份调查问卷：其中很多问题都需要提供关于消费和家庭结构的数字答案——比如家里都住着哪些人，他们的年龄，他们吃了什么，屋顶是什么材质的。这些都是发展经济学中的标准内容。

我们刚进去几分钟，门就砰的一声被推开了。一个女人的丈夫冲进房间，抓住她的头发把她拖了出去，一边吼着午饭还没做好，一边说她浪费时间跟我们待在一起。

那时我还是个年轻的经济学家，刚拿到博士学位。我的调查问卷里没有我刚才目睹的那种情况。我们此行的目的并非研究家庭暴力，而是收集证据，探讨一些更为实际的问题，例如社会文化和经济体系如何影响婚姻市场和生活水平。

这项任务范围相当宽泛，原则上几乎任何内容都应该符合要求；应该很容易就能重新调整方法，收集到更多能够准确反映女性生活的数据。但我们带来的调查问卷——以及其中固有的种种假设——只能记录那些能够清晰测量的指标，而无法反映其他方面。我们接受的学科培训并不适合这项工作。

我们在那个村子里待了一周，喝着酪乳和咖啡，忍受着无数次的沉默，最后一位妇女终于敞开心扉，说道：“你们成了我们的朋友，我们再也不能对你们撒谎了。我们感觉自己像在监狱里。我们的丈夫总是打我们。他们把家里的钱都花在酒上了。没有人帮助我们。”

这是新的信息。我们当场重写了问卷，增加了关于殴打妻子的相关内容，最终对家庭暴力进行了混合方法分析，并发表了发展中国家首批关于该主题的经济学论文之一。

三十多年来，我一直都在思考那一周发生的事。并非因为这个故事有多么特殊——任何认真做过田野调查的人都有类似的经历——而是因为它让我对自己的学科有了更深的理解。我是一名经济学家，而经济学以其严谨性、对定量方法的重视以及与研究对象之间的距离而闻名。经济学往往专注于可量化的事物，这可能会忽略一些真正重要的东西；如果某件事无法纳入调查模块，那么它就被认为不值得研究。但生活远不止于调查模块，经济学家与研究对象之间的隔阂并非方法论上的便利，而是这门学科的核心问题。

我毕生都在扮演某种间谍的角色——一个经济学家，偷偷地把人类学的方法带过柏林墙。 我已经写出了严谨的学术版本。下面是我会在酒桌上谈论的版本。

我们是如何走到这一步的

事情并非一开始就如此。19世纪末，航运巨头查尔斯·布斯（Charles Booth）转行成为业余社会学家，他决心探究伦敦穷人的真实生活状况。他为此投入了17年的时间。他的团队收集了400万伦敦居民的信息，其中包括学校督察、工厂主、牧师、警察等等。他们不仅进行了调查，还做了更多工作：他们做了笔记、进行了开放式访谈，并绘制了彩色编码地图。布斯同时运用了数据和故事，因为他提出的问题——伦敦的贫困究竟是什么样子？——需要两者兼顾。他和他的团队将所有资料汇编成17卷本的《伦敦人民的生活与劳动》 ，逐个街区地展现了谁是富人，谁是赤贫，以及谁介于两者之间。这种将故事与数据相结合的方式，影响了英国一代人的经济和社会政策。

在20世纪，这种融合逐渐瓦解。经济学为了追求科学地位，将自身局限于定量数据分析。文化人类学分裂为民族志传统——其中一些见解深刻，而另一些则沉溺于批判和自我反思。社会学分裂成许多分支，并陷入了关于方法论的内部争论漩涡。心理学走向了实验研究。政治学在理论和方法上都日益受到经济学的影响，但仍然保持着对定性和定量方法相结合的开放态度。到了20世纪80年代，各学科之间的主要区别在于它们拒绝研究的内容。

在经济学领域，曾有一些尝试弥合这一鸿沟的努力，但收效甚微。早在1984年，普拉纳布·巴尔丹就组织了一场关于数据和混合方法的开创性会议——“经济学家与人类学家之间的对话” 。2002年，我曾尝试论证“参与式计量经济学”的可行性。

随后，可信度革命兴起。为了提高研究的可信度和可靠性，因果推断成为实证经济学的指路明灯。这意味着经济学家可以自信地说A导致了B，但也意味着他们忽略了那些无法用这些工具回答的问题。

我不想被误解。可信度革命是社会科学的一次重大飞跃。我们现在能够回答30年前我们根本无法解答的问题。但是，当唯一可用的工具只有锤子时，人们往往会去寻找那些可以用钉子解决的问题。经济学家倾向于选择那些可以简单明了地回答的问题，而忽略那些无法回答的问题。在发展领域，这种做法的后果尤为显著。我们现在可以精确到小数点后三位估算现金转移支付对儿童身高的影响。但我们几乎无法评价该项目是如何运作（或是否运作）的，也几乎从未直接听到过孩子及其家人用自己的语言表达他们对该项目的看法。

距离问题

2002年，社会学家迈克尔·布拉沃伊(Michael Burawoy)明确区分了他所谓的实证科学和反思科学。实证科学——大致相当于经济学——将自身与研究对象隔离开来。数据收集是标准化的，因此谁来收集数据并不重要。研究者无需亲临现场；调查公司可以像研究者本人一样有效地进行调查。世界是用来观察的，而不是用来参与的。反思科学——最好是民族志——则持相反的观点。访谈并非独立于干预之外，而是干预的一部分。研究者并非独立于研究之外；相反，她的存在是整个过程的关键组成部分。

布拉沃伊认为这两种社会科学研究方法截然不同，根本无法调和。我并不认同他的观点，我毕生致力于将他所认为的这两种方法融合起来。但他有一点说得没错：研究者与研究对象之间的距离是真实存在的，在发展经济学领域尤其如此。

我认识的几乎所有研究贫困问题的人都从未经历过贫困。我们往往来自不同的国家、不同的社会阶层、不同的种姓和种族，说着不同的语言，与我们研究的对象截然不同。但这并不意味着你没有资格从事贫困研究——如果只有穷人才能研究贫困，那将是一个奇怪的职业——但这应该让我们保持谦逊。大多数发展经济学家并不了解穷人日复一日的真实生活。

这门学科所推崇的并非干预，而是客观性：研究者不应影响研究对象；他们应保持距离，并使用与其他研究者相同的工具。你的主观怀疑不应污染你的分析。你不是研究对象群体的一员，也不应该成为其中一员；你对他们的影响会降低研究的有效性。

简而言之：我们与研究对象距离越远，就越能看清他们。事实恰恰相反。距离并不会带来清晰的观察；它带来的只是透过脏窗户上擦干净的小圆圈眯眼观察的那种模糊感。它让你误以为，从你所站的位置所能看到的，就是全部。

我们真正可以做的四件事

那么，需要做些什么呢？我认为经济学（发展经济学或其他经济学）可以采取四项措施来缩短研究人员与研究对象之间的距离。

认知同理心

社会学家马里奥·斯莫尔用“认知同理心”一词来指代理解他人困境的能力。仅仅设身处地地想一想如果你处在他们的位置会有什么感受是不够的；你必须从他们的角度去思考。这远比听起来要难得多。它要求你认真对待这样一个可能性：你的研究对象对自身生活的理解可能比你的理解更准确。

我认识的一些最优秀的经济学家在这方面做得尤为出色。让·德雷兹在他笔下描绘的印度农村生活了几十年，他拒绝接受世界银行等机构的资助，因为他认为这些资助会损害他的独立性，并成功推动了世界上规模最大的农村就业保障计划之一。尽管如此，他几乎从不发表定性分析；他的研究绝大多数是定量分析。但他的每一句话都凝聚着多年来的倾听。经济学家中并非只有他一人如此；克里斯托弗·布利斯和尼古拉斯·斯特恩在20世纪70年代中期在帕兰普尔村待了八个月，并由此启发了如今这项跨越几代人的研究项目。

关键不在于同理心必须以定性段落的形式出现在论文中。仅仅为了增添趣味性（并彰显你的专业素养）而在脚注中提及焦点小组访谈是不够的。许多经济学家已经这样做了；显然，这不足以拉近研究者与被研究者之间的距离。

问题在于，这项工作必须受其影响。然而，一个令人尴尬的事实是：当代发展经济学几乎完全并非如此。我们根据其他经济学家的意见设计实验。我们阅读论文，参加研讨会，基于经济理论而非经验提出新的模型。干预措施通过执行伙伴实施，最终调查则由调查公司完成。甚至连分析工作也可能由研究助理（或者，现在，由编码员）负责。其结果是，研究成果技术上无可挑剔，但实质内容却十分单薄。套用一句老话：这是一种代价高昂的方式，追求的是精确的琐碎，而不是模糊的正确。

叙事即数据

人们不以数字交流，而是以语言交流。他们讲述故事，自相矛盾，转换话题，兜圈子。他们会忘记一些事情，然后在下一个话题讲到一半时才想起来；他们会分心，跟你讲一些有趣但无关的事情。调查工具是对这种交流方式的一种反抗——通常是有益的反抗，但终究是反抗。它用寥寥几个勾选框代替了纷繁复杂的人类生活。如果这些勾选框设计得当，你就能获得大量信息。但你永远无法获得全部信息，而且常常会错过最重要的部分。

关于这一点，每位经济学家都应该阅读《穷人的投资组合》这本书。作者们——一位发展经济学家（乔纳森·莫杜克）、一位人类学家、一位小额信贷从业者和一位金融专家——放弃了传统的调查方法，而是在一年内每月至少两次走访孟加拉国、南非和印度的250户家庭，通过长时间的开放式对话，构建出他们的“财务日记”。他们估计，一次性的调查会遗漏贫困家庭大约一半的财务活动。整整一半！事实证明，穷人并非只是简单地平滑消费。他们是在极度不确定的环境下管理资产组合，几乎没有犯错的余地。任何标准的消费调查都无法展现穷人管理家庭财务的复杂性；研究人员不得不让家庭用自己的语言描述他们的财务状况。

我自己也做过类似的研究。我和帕罗米塔·桑亚尔（Paromita Sanyal）花了十年时间分析南印度300个村庄会议的记录——我们称之为“口头民主” ——以了解贫困、低识字率、极度不平等的社区是否真的能够进行有意义的讨论。（剧透：他们可以，而且讨论的质量更多地取决于邦政府的政策，而不是村庄的识字率。）

十年是一段很长的时间。这也是为什么很少有经济学家从事这类研究的原因。终身教职的评估往往比这更慢；对于许多处于职业生涯早期的教师来说，投资于可能要到获得终身教职后才能见效的研究项目是一个艰难的决定。更糟糕的是，这类数据并不总能转化为能够帮助你获得终身教职的论文。我的研究最终以书籍的形式出版，而不是发表在排名前五的期刊上——对于正在申请终身教职的人来说，这显然价值低得多。

直到最近，能够大规模分析叙事性数据的技术还根本不存在。这十年的停滞是当时技术发展的必然结果，而非方法本身的必然要求。如今，有了录音设备、用于转录的人工智能等技术，收集定性数据比以往任何时候都更加便捷。在标准的随机对照试验中嵌入几周的开放式访谈，阅读调查公司调查员本来就会收集的访谈记录，或者利用现有的定性数据——这些都能在论文的写作时间内完成，而且用于大规模分析的工具也越来越便宜。

更深层次的问题在于学科惯性。在经济学领域，开放式的叙述仍然通常被视为“轶事”而非数据。正如政治学家阿图尔·科利（Atul Kohli）那句妙趣横生的笑话所说，那些将定量和定性方法相结合的研究者，就像“进退两难”。审稿人会因为认为其缺乏严谨性而拒稿，而编辑也看不到其中的附加价值。

我本人就经历过这种情况。我之前提到的两篇关于家庭暴力的早期论文——一篇结合了民族志和计量经济学方法，另一篇构建了嫁妆暴力博弈论模型并用调查数据进行检验——最初是一篇论文。当我在论文中加入定性研究方法后，它被几家经济学期刊拒稿。我和我的合作者弗朗西斯·布洛赫（Francis Bloch）放弃了，将论文拆分成两篇——其中一篇被经济学界最负盛名的期刊之一接收发表。

对定性研究的这种厌恶是该学科中最奇怪的迷信之一；从方法论上讲，没有任何理由认为文本记录的信息量少于李克特量表。

认真对待过程

自信誉革命以来，实证经济学几乎痴迷于结果。干预措施是否有效？效果如何？对哪些人有效？这些都是很好的问题，但并非全部。实证经济学论文很少会花太多时间关注结果是如何产生的。是谁对谁说了什么才启动了变革进程？谁是早期采用者，谁又是后来才加入的？人们对干预措施有何看法？随机对照试验可以告诉你干预措施是否有效；民族志可以告诉你为什么有效。实证经济学往往忽略机制。你进行随机对照试验，得到结果，提出一些看似合理的解释，然后构建一个模型来解释这些解释如何运作（如果它们是正确的）。这样做固然不错，但还远远不够。

仅凭理论构建的机制图谱只是现实世界中实际运作机制的一小部分，而且从结果反推机制历来都是不可靠的。另一种方法是真正去到实地，与人们交谈并观察。

几年前，我和同事在卡纳塔克邦农村开展了一项随机对照试验，旨在检验强化参与式规划培训是否能够改善村庄治理。该试验将50个村庄随机分配到参与式培训、规划和监测组，另外50个村庄作为对照组。我们没有仅仅依赖基线调查和终期调查（我们也做了这些调查），而是采取了一种不同寻常的做法：在研究期间，安排五位训练有素的民族志学者分别驻扎在匹配的实验组和对照组村庄中。他们在四年间撰写了240份月度报告。

最主要的结论是无效的。干预措施并未比对照村庄带来统计学上的显著收益。按照传统的经济学理论，这本该是故事的结尾——一个令人失望的无效结果。或许论文会包含一个关于参与失败原因的理论模型，但实际上我们能从中学到的东西非常有限。

但正因为我们有了民族志资料，我们才能看清真相：所谓的“失败”并非理念本身的失败，而是测试环境的失败。实施质量参差不齐：有些培训师非常优秀，有些则差强人意。政府高层官员并未认真对待这项干预措施，经常出于与干预措施无关的原因调动和更换培训师。根深蒂固的种姓不平等现象不断蚕食着培训所取得的任何成果。民族志资料才是本文的核心，而不仅仅是点缀。

受访者作为分析师

如果我们作为研究人员的目的是帮助人们改善生活，那么至少应该让他们了解我们的发现。发展领域的实践者几十年来一直在谈论让研究对象参与研究过程——然而，这却很少得到落实。而且，报告研究结果仅仅是第一步。如果他们能参与设计我们的研究问题，那就更好了。最理想的情况是，他们应该能够在完全不受我们干预的情况下，自主开展关于自身生活的研究。

2014年，我和世界银行的几位同事尝试了这种方法。我们与南印度200多个部落村庄的代表合作，共同开发了一种我们称之为“参与式追踪”的方法。村民们花了数周时间自行决定何为美好生活，并将这些想法转化为调查问卷，在各自的村庄进行测试，然后利用平板电脑和一套视频培训系统，对邻近村庄的村民进行调查。在一个地区，我们仅用了大约六周时间就完成了对32000户家庭的普查。

只有17%的问题与标准的印度国家抽样调查重叠。村民们提出的问题各不相同，因为他们想了解的情况也不同。例如，为了评估一个家庭是否贫困，他们设计了这样一个问题，事实证明这个问题非常有效：“过去一周里，家中最后一个吃饭的人是否挨过饿？” 对受访者来说，这显然是问母亲的问题，而食物匮乏家庭的母亲往往为了养活家中的成年男性和孩子而挨饿。

由于识字率低，我们与村民合作，制作了数据可视化图表来呈现结果。我们不断迭代，直到不识字的人也能一目了然地了解村庄在他们关心的事情上的进展情况。之后，这些数据被用于实际的村民会议上。会议质量显著提高，因为每个人都基于同一幅图表进行讨论，而不是争论事实。

这里展示的是我们共同制作的婚姻模式可视化图，而不是通常的 LaTeX 表格。

村里的每位女性都用一朵花来代表。花朵的高度代表女性结婚时的年龄，叶子的数量代表婚姻所生的孩子数量。红花表示女性嫁给了血亲，黄花则表示没有血缘关系。花苞表示婚姻并非双方自愿，盛开的花朵则表示双方自愿。女性们根据当地情况对花朵的外观和含义之间的对应关系进行了调整，使其更贴近当地语境，也更易于理解。

一些村民看到这幅景象后，立即忽略了图中红色花朵比例过高的问题，因为近亲结婚在当地是被接受且普遍存在的。然而，另一些村民则希望通过教育后代女性了解近亲结婚的弊端，来降低红色花朵与黄色花朵的比例。

相信我，我知道这听起来可能不太好。其他同行可能会把这个实验归类为“有趣但难以推广”。这在某种程度上是正确的；参与式、共同制作的调查流程比标准问卷更慢、更费力。我们不能使用一套标准问题，因为标准问题并非人们真正想知道的。而另一种选择是维持现状：我们到场，问人们一大堆关于他们生活的问题——而这些问题他们其实并不觉得与自己有多大关系——然后写出一份受访者根本不会看的报告。鉴于此，共同制作的调查似乎值得投入时间。

LLM问题

过去十年，用于编码开放式访谈问题的技术也取得了长足的进步。大型语言模型尤其擅长处理大量非结构化文本并提取主题；克劳德目前的这种能力在2014年还像是科幻小说里的情节。如今，它们基本上可以取代研究助理对英语文本进行编码。我也使用过大型语言模型。 我最近的一些工作是在一个由罗兴亚难民和孟加拉国收容社区组成的小组中进行的，我们对2000名受访者进行了长时间的开放式访谈，并开发了一种名为iQual的方法。该方法首先使用解释性社会学定性编码分析了一个小样本，然后利用机器学习将编码扩展到整个样本。这类项目在以前是根本不可能的。

但在西方语境之外使用语言学习模型（LLM）并非易事。我们将“定制”方法与基于LLM的编码进行了比较，发现LLM的结果存在严重偏差——这可能是因为它们没有用孟加拉语和罗兴亚语方言文本进行训练。设计不佳的调查问卷的偏差至少是显而易见的，而基于互联网训练的前沿语言模型的偏差则难以察觉。希望这只是暂时的；随着各方努力改进人工智能在资源匮乏语言方面的应用，LLM在这方面会随着时间的推移而有所改进。

所以，我应该感到兴奋，而且大多数时候我也确实如此。但我在这里要谨慎一些。诚然，未来确实存在这样一种设想：LLM（数据采集工具）将像计算器普及算术一样，使叙事分析大众化。它们速度更快、成本更低，而且能够极大地扩展定性分析的适用范围。然而，不幸的是，我担心它们更有可能被用来拉大研究者和受访者之间的距离。如果研究者从不花时间与研究对象相处，而只是阅读LLM生成的摘要，那么就不存在认知上的共情。LLM是唯一的倾听者——而不是研究者本人。我的经验法则是，LLM无法取代人。它们可以扩大你的研究范围——帮助你更快地处理数据——但它们无法取代你。你仍然需要花时间在实地；你仍然需要与人们交谈，了解他们的生活和需求。你必须亲自阅读访谈记录；你应该对相关人员和背景足够了解，才能判断LLM的编码是否出错。LLM或许功能强大，可以完成90%的工作，但剩下的10%不应该被自动化取代。同理心并非克劳德的技能。

真正倾听受访者意见需要做些什么

有些改变可以通过个别研究人员改变研究方法来实现。但更多时候，则需要学科本身做出改变。目前，职业激励机制仍然驱使年轻学者墨守成规。

期刊编辑必须停止对定性研究材料的本能排斥。研究生项目必须拓展教学范围，不仅教授计量经济学，还要教授定性方法。招聘委员会必须开始重视实地调研的时间。资助机构必须接受这样一个事实：优秀的混合方法研究可能成本高昂且耗时——当然比在剑桥办公室里运行回归分析要慢得多。但这也会使经济学成为一门更强大的学科。与人相处的时间会带来其他任何方式都无法获得的洞见。

短期来看，我并不乐观。学科发展往往很顽固，经济学尤其如此。它本身就难以摆脱少数顶尖项目的束缚，而且似乎特别容易强化阶级等级制度。但我并没有想象中那么悲观，因为情况似乎已经开始有所改变。

与我那一代相比，年轻一代的发展经济学家更擅长实地调研。政治学、社会学、公共卫生等相关学科长期以来一直在融合定性和定量研究方法，而并未丧失各自的学科特性。其中一些学科甚至与经济学家合作撰写论文，从而提升了经济学论文的严谨性。此外，一些资助机构也开始逐步提出更尖锐的问题，即他们资助的研究项目中究竟有哪些群体的声音得到了体现。

我的论点其实并不复杂。如果你研究的是人，就应该倾听他们的声音。如果你研究的是与你生活方式截然不同的人，这一点就更加重要了。作为研究者，你有责任努力拉近与研究对象之间的距离——搭建桥梁而不是筑起高墙。

三十年前，罗伯特·钱伯斯提出了一个重要的问题：“谁的现实才算数？”这个问题至今仍未得到解答。经济学界一直回避这个问题，假装经验可以代替答案。我认为经济学界不应该继续这样做。事实上，我认为这仍然是发展研究领域最重要的未解之谜之一。

在卡纳塔克邦，那位被我们揪着头发从焦点小组里拖出来的妇女，其实是在告诉我们一些事情——我们的问题并没有反映出她的真实感受。我们花了一周的时间才听进去，而我们最终听进去的唯一原因是，一周后我们仍然待在那个村子里。这件事没有捷径可走。

数字有用，语言也有用。但最重要的是，要坐在村庄里，倾听足够长的时间，并怀着足够的认知同理心，才能听到别人说的真话。

维杰延德拉·拉奥是一位发展经济学家和社会科学家，他将计量经济学方法与民族志相结合。他曾在世界银行发展经济学研究组担任首席经济学家长达27年，目前是西北大学罗伯塔·巴菲特杰出学者驻校研究员。他的研究兴趣包括性别、文化、参与、协商民主、政治经济学以及混合方法创新。他近期与朱利安·阿什温、莫妮卡·比拉达沃卢等人合作开展的方法论研究，运用自然语言处理技术大规模分析开放式访谈，并将其与基于法学硕士（LLM）的定性分析进行比较。他的最新著作《隐形革命：妇女团体如何催化比哈尔邦的文化转型》（与舒鲁蒂·马宗达和帕罗米塔·桑亚尔合著）将于2026年9月由剑桥大学出版社出版。

如果您对本文有任何评论，或想参与讨论，请发送电子邮件至 letters@indevelopmentmag.com。您的回复将在读者来信栏目中刊登。