Overcoming Blind Spots in Humanitarian Needs Assessments: Interview Insights regarding Constraints and Solutions for Qualitative Methods

在灾难（无论是地震、战争还是疾病爆发）发生的混乱余波中，救援人员的首要且最关键的任务是了解人们究竟需要什么。这一过程被称为人道主义需求评估。这决定了是向一个正经历热浪的地区运送一卡车冬装外套，还是向一个拥有充足水源但缺乏药物的社区提供清洁饮水。几十年来，收集此类信息的标准方式是向大量人群提出一组固定的问题并提供固定的答案，比如在表格上勾选方框。这种方法产生的数据易于计数和比较，有助于捐赠者决定资金投向何处。然而，单纯的数字往往无法捕捉到完整的故事。它们无法轻易解释为什么一个家庭拒绝食物援助，或者一个社区对新诊所的看法如何，亦或是残疾人在前往避难所时面临的具体障碍。为了获得这些更深层次的答案，救援人员需要倾听人们自己的话语，这种方法被称为定性研究。但倾听需要时间，而在危机时刻，时间是一种往往让人觉得无法负担的奢侈品。

一项发表于2026年的新研究调查了为什么尽管人道主义领域深知这些倾听方法至关重要，却仍难以使用这些方法。研究人员是由来自大学和人道主义组织的专家组成的团队，他们对来自17个不同组织的、经验丰富的专业人士进行了23场深度访谈。这些专家背景广泛，包括联合国、红十字会以及各类非政府组织，他们的工作足迹遍布从叙利亚到埃塞俄比亚的各种危机现场。该研究的目标不仅是列出问题，而是要理解阻碍救援人员捕捉人类声音的现实世界障碍，并寻找解决这些问题的切实方法。他们的发现是：该领域正陷入一种困境——它正淹没在数据之中，却在理解方面饥肠辘辘。

研究显示，大多数组织的默认方法已严重向定量数据倾斜。这种转变是由几种强大的力量驱动的。提供资金的捐赠者通常更青睐硬性数字，因为这些数字在不同危机之间更易于比较，且在领导层看来更具“科学性”。数字工具（如KoboToolbox）的广泛应用——它允许团队在手持设备上收集数千份调查响应并即时查看结果——使得这种数值化方法更加占据主导地位。能够快速获得一张显示“60%的人需要食物”的图表是非常诱人的。它允许快速决策，这在灾难初期至关重要。然而，受访专家认为，这种速度是以高昂的代价换取的。通过将复杂的人类体验强行塞进预定义的方框中，救援人员往往会丢失那些解释数字背后“为什么”和“如何”的细微差别。一位受访者指出，虽然调查可能会显示食物需求很高，但它无法解释食物正被道路上的武装团体拦截，而这对于规划安全的运输路线来说是一个至关重要的细节。

使用倾听方法的障碍不仅仅是对数字的偏好，它们深深植根于实际的限制之中。最显著的障碍是时间和培训。分析口头语言或书面笔记比计算方框里的勾选次数要耗时得多。在必须在数小时内做出决定的紧急情况下，将访谈转录或将当地语言的笔记翻译成英语或法语的想法，感觉就像是一种会拖慢进度的奢侈行为。此外，许多团队缺乏做好这项工作的特定技能。研究发现，采访人员在被派往实地之前，通常接受的培训极少，有时甚至只有一小时。他们没有学习如何深度倾听，如何进行追问，或如何记录能捕捉到他人言语真实含义的笔记。因此，所做的笔记质量往往很差，充满了缩写或拼写错误，导致后期无法使用。

语言为复杂性又增添了一层。在许多危机中，救援人员并不说当地语言，而仅有的几位翻译人员往往工作过度，或者未接受过针对特定人道主义术语细微差别的培训。这导致了一个情况：一个人的故事的含义在翻译过程中丢失了，或者更糟的是，由于团队无法及时处理文本，这些信息被完全忽略了。研究还强调了一种系统性的偏见，即定性数据常被视为次要或“轶事性的”。如果一份涵盖千人的调查显示了一件事，但几次访谈却暗示了另一件事，那么访谈往往会被视为异常值而非作为警告信号进行调查。这造成了一个盲点，即那些可能不符合标准调查类别的最脆弱的声音，永远无法被听到。

尽管存在这些挑战，研究中的专家并非在呼吁停止调查。相反，他们建议采用一种结合了数字的速度与故事深度的混合方法。他们提议组织应当停止尝试将每个答案都强行塞入方框，而是允许人们自由地谈论他们的优先事项。研究人员建议，采访人员可以直接将这些开放式对话的音频记录到数字设备中。这将捕捉到完整的响应细节，而无需采访人员在试图维持对话的同时还要手忙脚乱地记录。

论文认为，解决时间和语言障碍的方法在于技术，特别是人工智能的使用。作者建议，能够自动将语音转化为文本、将文本翻译成通用语言并总结关键主题的工具，可以彻底改变援助交付的方式。想象一下这样一个系统：采访人员记录一段当地方言的对话，并在几分钟内，总部团队就能读到该人所言的翻译摘要，并突出显示最紧迫的需求。这将使组织能够在没有大规模人工转录和翻译延迟的情况下，收集到所需的丰富且详细的信息。研究指出，这些技术已开始出现在该领域，一些组织正在试点语音转文本工具和人工智能驱动的分析。然而，专家们提醒，这些工具应当支持人类判断，而不是取代人类。算法可能会忽略文化背景或故事的情感分量，因此人类专家仍须审查结果。

根据该研究，前进的道路既需要技术的转变，也需要思维方式的转变。组织需要重视倾听所需的时间，并培训员工掌握定性调查的艺术。捐赠者需要愿意为处理这类数据所需的额外时间和资源提供资金。研究人员总结道，虽然人道主义世界的数据量正在增长，但理解上的差距也在扩大。通过拥抱混合方法并利用新工具来辅助处理人类的声音，该领域可以超越简单的统计数据，真正理解他们旨在帮助的人。目标不仅是统计需求，更是理解需求，从而确保所提供的援助不仅高效，而且能与那些最需要帮助的人的生活深度契合。