AnthropicInterviewer

该数据集包含1250名专业人士的访谈记录，分为三类：普通劳动力（1000人）、创意人员（125人）和科学家（125人）。所有参与者都提供了公开发布的知情同意。数据集用于研究AI在专业人士工作中的整合情况及其对未来角色的看法。

原始信息汇总

Anthropic Interviewer 数据集概述

数据集基本信息

• 数据集名称：Anthropic Interviewer
• 发布者：Anthropic
• 语言：英语
• 许可证：数据使用 CC-BY 许可证，代码使用 MIT 许可证
• 访问链接：https://huggingface.co/datasets/Anthropic/AnthropicInterviewer

数据集内容与结构

本数据集包含来自 1,250 名专业人士的访谈转录文本，旨在探究专业人士如何将 AI 融入工作及其对 AI 在未来所扮演角色的看法。

数据集按参与者职业分为三个独立的配置（split）：

• workforce：通用劳动力（N=1,000），数据文件路径为 interview_transcripts/workforce_transcripts.csv
• creatives：创意工作者（N=125），数据文件路径为 interview_transcripts/creatives_transcripts.csv
• scientists：科学家（N=125），数据文件路径为 interview_transcripts/scientists_transcripts.csv

数据收集与伦理

• 所有参与者均签署了知情同意书，同意数据公开发布。
• 数据收集工具为“Anthropic Interviewer”，一个用于大规模进行 AI 驱动的定性研究访谈的工具。

引用信息

如需在研究中引用此数据集，请使用以下 BibTeX 条目： bibtex @online{handa2025interviewer, author = {Kunal Handa and Michael Stern and Saffron Huang and Jerry Hong and Esin Durmus and Miles McCain and Grace Yun and AJ Alt and Thomas Millar and Alex Tamkin and Jane Leibrock and Stuart Ritchie and Deep Ganguli}, title = {Introducing Anthropic Interviewer: What 1,250 professionals told us about working with AI}, year = {2025}, url = {https://anthropic.com/research/anthropic-interviewer}, }

联系方式

如有疑问，请联系：[e-mail]

搜集汇总

数据集介绍

构建方式

在人工智能与职业融合的研究背景下，AnthropicInterviewer数据集通过大规模定性访谈构建而成。研究团队利用AI驱动的访谈工具，对1250名专业人士进行了系统性的深度访谈，涵盖普通劳动力、创意工作者及科学家三大群体。访谈内容经转录处理，形成结构化文本数据，所有参与者均签署知情同意书，确保数据公开的伦理合规性。

特点

该数据集的核心特点在于其广泛的职业覆盖与深入的质性洞察。数据按专业领域划分为三个子集，包括1000名普通劳动力、125名创意人员及125名科学家的访谈转录文本，全面反映了不同行业对AI技术融入工作的态度与体验。数据以CSV格式存储，结构清晰，便于分析，且遵循CC-BY许可协议，支持开放学术使用。

使用方法

研究人员可借助该数据集探索人工智能在职业场景中的整合模式与情感认知。数据集适用于自然语言处理、社会学及人机交互等领域的研究，例如通过文本分析挖掘AI应用的行业差异、职业焦虑或未来展望。使用时需引用相关文献，并遵循CC-BY许可要求，确保数据使用的透明性与学术规范性。

背景与挑战

背景概述

在人工智能技术日益渗透至专业领域的背景下，Anthropic Interviewer数据集于2025年由Anthropic公司的Kunal Handa等研究人员创建，旨在通过大规模AI驱动的定性访谈，系统探究专业人士如何将AI整合至其工作流程，并评估他们对AI未来角色的态度。该数据集聚焦于三个核心群体：普通劳动力、创意工作者及科学家，共计1250份访谈转录文本，为理解AI在职业环境中的实际应用与人文影响提供了宝贵的实证基础。其研究不仅推动了人机协作的学术探讨，也为企业策略与政策制定提供了关键洞察。

当前挑战

该数据集致力于解决AI与人类工作融合这一新兴领域的定性研究挑战，核心在于捕捉复杂、主观的职业体验与情感反应，并克服传统访谈方法在规模与效率上的局限。在构建过程中，研究人员面临多重挑战：确保跨职业群体（如劳动力、创意者与科学家）的样本代表性，以反映多样化的AI使用场景；维护访谈数据的伦理标准与隐私保护，尤其在涉及敏感职业信息时；以及设计有效的AI访谈工具，以生成自然、深入的对话内容，避免引导性偏差，从而保证数据的真实性与学术价值。

常用场景

经典使用场景

在人工智能与人类协作的前沿领域，AnthropicInterviewer数据集为大规模定性研究提供了宝贵资源。该数据集通过结构化访谈，系统收集了来自1250名专业人士关于AI整合体验的深度文本记录，涵盖了普通劳动力、创意工作者及科学家三大群体。研究者可借此分析不同职业背景下，人类对AI工具的态度、使用模式及情感反应，从而深入理解人机协同的微观动态与认知差异。

实际应用

在实际应用层面，该数据集为AI产品设计与政策制定提供了直接参考。企业可依据不同职业群体的反馈，优化AI工具的用户体验与功能设计；教育机构能基于科学家与创意工作者的使用案例，开发针对性培训课程；政策制定者则可借助劳动力群体的普遍态度，评估AI技术的社会接受度与潜在风险，从而制定更具包容性的技术治理策略。

衍生相关工作

围绕该数据集衍生的经典工作主要集中在三个方向：一是基于访谈文本的情感分析与主题建模，探索职业差异对AI态度的调节作用；二是利用转录数据训练专业领域对话系统，提升AI访谈代理的语境理解能力；三是结合多模态方法，将文本反馈与行为数据关联，构建人机协作效能的预测模型，进一步拓展了定性数据在计算社会科学中的应用边界。