半结构化访谈

  • 定义：质性研究的一种数据采集方法，没有严格的访谈步骤
  • 基本流程：
    1. 根据访谈目的，制作访谈提纲
    2. 与志愿者进行访谈，记录谈话内容
    3. 将内容整理为文本，并录入到文本分析软件（NVIVO），进行节点编码，归纳整理。注意Nvivo只是一种计算机辅助进行理论构建的工具。纯手动也可以实现该目的，只是效率低下。

数据收集的基本概念

  1. 编码（code）：研究者发现、识别类属的分析过程称为编码。编码是分析的基础，一般一个单词或一个短句为一个编码单位
  2. 类属（category）：基于共同特征而建立起来的一组数据被称为一个类属。类属可以分为描述性类属和分析型类属。
数据 编码 描述性类属
我看到这种情况感到很焦虑 anxiety Emotion
每次这样都搞得我很生气 anger Emotion
我感觉自己很同情他 empathy Emotion

访谈数据的编码方法类型

预设编码

基于先验知识的编码又称为“预设编码”,就是研究者根据自己对研究问题和文献的了解,预先设定好一些编码主题和类别。然后读取文本数据,根据这些预设编码对文本进行分类和标注。 预设编码是一种基于先验知识的编码方式，也被称为主题导向编码。在预设编码中，研究者在进行数据分析之前，根据自己的研究目的和理论背景，预先确定一系列感兴趣的主题和概念。这些主题和概念可以来自研究领域的现有理论、先前的研究或研究者的专业知识。

在进行预设编码时，研究者会仔细阅读和熟悉访谈文本，然后将其中与预设主题和概念相关的内容进行标记和编码。这可以通过使用编码表或编码手册来进行，其中列出了预设的主题和概念，并提供了定义和标准，以帮助研究者在文本中识别和编码相应的内容。

预设编码的优势在于它能够提供一种系统化的方法来分析和理解访谈数据。通过先验知识的引导，研究者可以集中精力分析与研究问题相关的内容，并将其归类到预先定义的主题和概念中。预设编码还可以提高编码的一致性和可靠性，因为研究者可以在编码过程中参考编码表或手册。

然而，预设编码也有一些潜在的限制。它可能受到研究者主观偏见的影响，因为预设主题和概念的选择可能受到研究者个人观点和偏好的影响。此外，预设编码可能无法捕捉到一些未预料到的主题和概念，因为它依赖于先验知识的范围和准确性。

在实施预设编码时，研究者通常会使用一定的质性分析软件，如NVivo或Atlas.ti，以帮助管理和组织编码过程，并支持后续的数据分析和结果呈现。

基于扎根理论的开放编码（open coding）

基于扎根理论的开放编码,是在读取和理解数据的过程中产生编码,没有预设的编码框架。它强调概念的产生要根植于文本数据本身。研究者会详细阅读每段文本,标注出其中反映的概念和主题,逐步形成编码体系。 预设编码和开放编码各有优势,也可以结合使用。预设编码可以发挥研究者先验知识的作用, open coding可以发现文本本身蕴含的意义。多种编码方式的组合运用,可以形成编码的多维视角。 编码后还需要进一步归纳、汇总,形成较高级别的概念和范畴,建立概念之间的关系,这就是质性研究中的“轴编码”过程。

演绎编码和归纳编码

“Deductive coding” 可以翻译为 “演绎编码”，而 “Inductive coding” 可以翻译为 “归纳编码”。

演绎编码（Deductive coding）和归纳编码（Inductive coding）是两种常见的质性研究数据分析方法，它们在编码过程中的思维过程和逻辑推理上有所区别：

演绎编码（Deductive coding）：演绎编码是基于先验理论或研究者的先验知识进行编码的过程。在这种方法中，研究者使用事先定义好的主题、概念或理论进行编码。研究者将先验知识应用于数据，寻找与先验理论或研究问题相关的内容，并将其进行编码。这种方法通过先验知识的引导，从整体到具体，从理论到数据，以验证或扩展现有理论。

归纳编码（Inductive coding）：归纳编码是一种数据驱动的编码方法，强调从数据本身中提取主题和概念。在这种方法中，研究者不受先验知识的限制，而是通过对数据的逐行逐段分析，从中识别和归纳出新的主题和概念。研究者根据数据中的模式、共性和相似性进行编码，以发现新的理论或模型。

总的来说，演绎编码是从理论到数据的过程，研究者基于先验知识进行编码，验证或扩展现有理论；而归纳编码是从数据到理论的过程，研究者通过分析数据本身来提取新的主题和概念，并生成新的理论或模型。这两种编码方法在质性研究中都有其适用性，选择使用哪种方法取决于研究目的、研究问题和研究者的偏好。

编码的技巧（tips）

  • 使用密码本跟踪您的代码 随着您编写越来越多的数据，可能很难记住所有代码。在密码本中跟踪代码有助于在整个数据分析过程中保持井井有条。您的密码本可以像 Excel 电子表格或文字处理器文档一样简单。对新数据进行编码时，向密码本添加新代码，并根据需要重新组织类别和主题。

  • 确保跟踪： 用于每个代码的标签 代码所引用的概念或主题的描述 最初是谁编码的 最初编码或更新的日期 有关代码与分析中其他代码的关系的任何注释
  • 如何创建高质量的代码(https://getthematic.com/insights/coding-qualitative-data/):
    1. 覆盖尽可能多的调查回复。代码应足够通用以应用于多个注释，但又应足够具体，以便在分析中有用。例如，“产品”是一个广泛的代码，将涵盖各种响应 - 但它也相当模糊。产品呢？另一方面，“产品在使用 3 小时后停止工作”非常具体，可能不适用于许多响应。“产品质量差”或“产品寿命短”可能是一个快乐的媒介。
    2. 避免共性。拥有类似的代码是可以的，只要它们服务于不同的目的。“客户服务”和“产品”彼此之间有很大的不同，而“客户服务”和“客户支持”可能有细微的区别，但应该合并成一个代码。
    3. 捕捉积极的和消极的。尝试创建相互对比的代码，以分别跟踪主题的积极和消极元素。例如，“有用的产品功能”和“不必要的产品功能”将是捕获两个不同主题的两个不同代码。
    4. 将数据减少到一定程度。让我们看一下两个极端：有多少响应，就有多少代码，或者每个代码都适用于每个响应。在这两种情况下，编码练习都是毫无意义的;您不会了解有关您的数据或客户的任何新知识。为了使您的分析尽可能有用，请尝试在代码过多和过少之间找到平衡。

NVIVO软件

  1. B站视频教程
  2. 基本流程，基于扎根理论，运用归纳思维自下而上对数据进行分析：
    • 先根据研究理论和研究目的，建立分析框架。例如，小学生积极和消极情绪的影响因素。积极和消极就是两个类属，属于上位节点。那么父母、同伴关系等即属于下位节点。在分析时，可以在Nvivo中根据框架先建立节点，再对文本编码到这些节点中。
    • 数据预处理，更改错别字、病句，建立项目，将数据导入；
    • 将数据编码为节点——逐字逐句阅读文本，选中需要编码的内容右键单击，选中右键菜单中第一个选项“编码（Code Selection）”，即可以将选中内容编码到已经建立或新建立的节点中。
    • 根据节点之间的关系（平行还是上下级）将节点整理为树状节点结构（tree node）。该过程主要就是归纳的一个过程。
    • 最终提出理论解释模型。就像是一颗大树，最基本的词汇编码为一个个的节点，就像是树根。树根最终汇总成一个个树根，构建出理论大树的形状。