众所周知，定性数据分析软件（QDA 软件）为研究人员提供了显著的优势，特别是在节省文书工作时间方面，“让研究人员可以从事更有意义的分析工作”。 使用它是从事实际有效研究的最关键步骤之一。然而，知道您需要一个分析工具是一回事，而了解为什么以及何时在您的研究中应用QDA 软件则是另一回事。

本文介绍了定性数据分析技术，将帮助您发现一些最佳实践，以确保所做的任何分析的完整性。发现不同方法的实际应用，这些方法可以提高您的工作准确性，并帮助您开始更深入地分析定性数据。

定性数据分析简介

由于定性数据具有复杂的非数值性质，因此定性数据的分析可能比定量数据更复杂。这种类型的分析可以包括各种形式的数据，包括：

• 采访
• 焦点小组
• 观察结果
• 文本或文件
• 影像
• 音频/视频录制
• 社交媒体数据

因此，定性研究倾向于：

• 探索主观体验
• 探索真实环境以获得真实的体验
• 允许灵活、深入地探索主题

定性数据分析至关重要，因为它通常可以帮助发现定量数据可能错过的见解，或为可能被忽视的数据提供背景，从而更深入地了解研究主题。

同时，此类研究通常需要专门的技能和工具来帮助有效地分析结果。定性研究通常会产生大量复杂的数据集。数据越广泛，分析所需的时间就越长——因此 QDA 软件必不可少。

了解分析定性数据的重要性

定性数据分析可以深入了解数据背后的感受和动机。这种方法通常用于以下行业：

• 卫生保健
• 教育
• 营销
• 心理学
• 政治学
• 人类学
• 社会学

通过定性数据分析收集的信息可以提供对行为、动机、看法等的重要见解——所有这些都很难量化。

然而，由于其复杂性，定性数据需要仔细解释才能找到有意义的模式，并且需要高度的透明度和严谨性。使用 NVivo （最新版下载试用）等数据分析软件可以帮助实现比其他方式更有效、更深入的分析。

流行的定性数据分析技术

存在许多定性研究方法，每种方法都具有不同的优势，具体取决于研究的研究问题。每种技术都有不同的用途，并且可以以不同的方式将同一数据置于不同的情境中。因此，了解它们的细微差别至关重要，这样您才能为您的研究问题、设计和数据类型选择正确的方法。

Scopus 2018-2023 年定性方法趋势

主题分析

主题分析可用于识别和分析定性数据中的模式或主题，从而帮助您理解数据集的核心含义。

这种方法包括对收集的数据的不同部分进行分组或“编码”，并创建专题地图，以帮助您探索它们之间的关系。然后，您可以讨论或撰写每个主题，加深对它们关系的理解。

这种分析形式本身很有用，但它的适应性很强。在检查以下事项时，使用主题分析可能会有所帮助：

体验

动机

看法

态度

用户反馈

主题分析适用于各种数据类型（例如文档、访谈、社交媒体帖子、图像、视频），并且不是一种僵化的方法框架，允许在研究中进行调整和灵活处理。这种方法非常简单，研究人员在职业生涯的任何阶段都可以使用它。

• 主题分析示例：关于远程工作环境中的组织挑战和适应的研究。
  • 重点：不同行业的远程工作者的经历。某些类型的工作是否更适合远程工作？某些类型的员工是否更适合远程工作？
  • 数据收集：对一系列远程工作者进行深入访谈。
  • 分析 1：首先阅读数据并熟悉它。开始生成初始代码，例如“技术适应性”、“沟通障碍”和“工作与生活的平衡”。
  • 分析 2：将初始代码整理成潜在主题。例如，“技术适应”和“沟通障碍”可以形成更广泛的主题“技术挑战”。然后审查这些主题并对其进行细化，直到得出最终主题并将它们与研究问题联系起来。
  • 报告：报告涉及将故事与生动的摘录交织在一起，展示它们如何支持主题。例如，它可能强调技术挑战如何激发创新解决方案。

内容分析

内容分析是一种结构化的数据解释方法，它根据数据中包含的单词或符号的频率和上下文来解释数据。虽然这对于揭示定性数据中的潜在模式或趋势很有用，但它可以被视为一种定量的数据分析方法。

• 内容分析示例：关于社交媒体在塑造气候变化公众舆论方面的作用的研究。
  • 焦点：社交媒体话语如何影响公众对气候变化的看法和观点？
  • 数据收集：数据从多个社交媒体平台收集（例如，X（Twitter）、Facebook、Reddit。提及气候变化、全球变暖等的帖子、评论、讨论）
  • 分析 1：研究人员找出重复出现的单词/短语，例如“碳足迹”、“可持续做法”、“抗议”，并查看其出现频率。对单词/短语进行编码。
  • 分析2：编码数据被组织起来以反映更广泛的主题，例如“环境影响”、“激进主义”、“否认”等。然后研究人员解释每个主题如何塑造公众舆论，每个主题出现的频率，讨论的情绪，以及谁是影响者。
  • 报告：研究结果写入一份报告中，讨论每个主题的流行程度和影响。

存在许多定性研究方法，每种方法都具有不同的优势，具体取决于研究的研究问题。每种技术都有不同的用途，并且可以以不同的方式将同一数据置于不同的情境中。因此，了解它们的细微差别至关重要，这样您才能为您的研究问题、设计和数据类型选择正确的方法。

扎根理论

扎根理论是另一种常用方法，虽然与主题分析类似，但不同之处在于它专注于使用数据来构建理论。这是一种归纳方法，系统地使用收集的数据来创建新理论——超越了数据的表面层次。此外，数据收集和分析是迭代的，对收集到的前几个数据的初步分析，指导下一步应该在哪里或采访谁。

随后，在数据分析过程中，发现的概念会被用来生成理论。通过这种方式处理概念，可以促进更深层次的“核心理论”的发展，这些理论可以作为理论的基础。随着新数据的出现，由于其高度迭代的特性，可以将其与现有的代码和类别进行比较。

社会科学经常使用这种方法来理解更复杂的社会互动，但它需要灵活的方法来解释数据。

• 扎根理论示例：一项关于学生学业压力应对策略的研究。
  • 焦点——开放话题：没有先入为主的理论
  • 数据收集/分析：对不同领域的学生进行深入采访；在收集采访数据的同时对采访结果进行分析，以指导下一组采访。当没有发现新的见解时（饱和），数据收集停止。
  • 初始编码：源自参与者语言的“开放编码”（例如，学习小组、锻炼、寻求帮助、拖延）——当使用受访者的表达作为代码时，它被称为体内代码（例如，“努力学习”、“喝咖啡”）。
  • 开发类别：初始代码分为多种类别，例如学习小组和寻求帮助可归类为“社会支持”，而锻炼可归类为“身体健康”。
  • 找到核心类别：从数据来看，“社会支持”似乎是连接他们如何应对压力的诸多方面的关键类别。它似乎是正在开发的影响情绪健康和学业成绩的理论的核心。
  • 建立理论：一个理论从类别的相互关联中产生。它可能会提出“社会支持网络对于大学生有效压力管理至关重要”。
  • 验证：通过采访新参与者来测试该理论——可能在不同背景下（例如，考试准备压力与课程作业截止日期）。验证是为了查看该理论是否成立或需要调整。

叙述分析

在尝试理解个人叙述（尤其是故事中的叙述）时，叙述分析有助于理解研究参与者的经历。它分析收集到的数据的几个部分，例如：

• 结构
• 语境
• 内容
• 主题

然后，您就可以探索文本，了解人们如何解读自己的经历以及个人如何构建故事。收集的信息可以为收集的其他数据提供背景。

在尝试理解各种社会现象或将特定数据置于特定背景中时，叙述分析具有以下独特优势：

• 捕捉复杂的体验
• 突出显示主观性影响数据的领域
• 揭示未知的含义
• 探索人们如何构建和调整自己的身份
• 帮助解释社会结构和互动
• 叙述分析示例：一项了解军事服务对家庭动态的影响的研究。
  • 重点：老兵如何表达自己的感受，谈论人际关系的变化以及他们的应对机制。每个故事都是独一无二的，但你需要了解背景。
  • 数据收集：对服完兵役归来的退伍军人进行深入采访，了解他们在部署之前、期间和之后的经历以及这对他们的家庭关系的影响。
  • 分析：研究“过渡挑战”、“沟通差距”等常见主题。还要研究他们的叙述结构、他们如何构建与家人的团聚，以及他们从士兵到平民和家庭成员的身份演变。
  • 报告：该报告可以是一系列案例研究，重点介绍军人家庭的个人和情感体验，并深入了解军人家庭面临的更广泛模式和问题。它可以为军人家庭福利政策制定提供参考。

现象学分析

简单来说，现象学研究的是个人在世界上的生活经历。更具体地说，它是研究一个人经历的现象以及他们对现象的感知和理解。现象学分析可以揭示一个人日常生活中报道的现象背后的含义。

根据 Neubauer, BE、Catherine T. Witkop, CT 和 Varpio, L (2019) 的说法，这一过程中的主要挑战之一是研究人员必须暂停自己的态度、信念和假设，以便将注意力集中在参与者对现象的体验上。

现象学分析方法保留了参与者的主观视角，并且往往保留了他们基于自身背景的独特见解。这样，它就可以对相关体验提供更丰富、更深入的理解。

现象学示例：关于参加音乐节的体验的研究。

• 重点/研究问题：参加音乐节在情感上和感官上有何感受。
• 数据收集：与参加者进行深入交谈——了解他们在整个节日期间的感受、所见、所闻和所想。
• 目标：了解参加音乐节的“本质”。寻找共同的主题——兴奋、不适、情谊等。
• 报道：根据他们的描述，尽可能真实地描述参加音乐节的感受。目的是让从未参加过音乐节的人感觉自己身临其境，亲身体验音乐节。

案例研究法

案例研究方法将详细研究世界上的特定事物，通常试图回答“如何”和“为什么”的问题。这种分析的主题可能是：

• 个人
• 一个组织
• 一个活动
• 一个过程
• 一个地方
• 一个对象

这种方法可以深入关注特定实例，从而获得研究人员通过更广泛的关注无法发现的全面见解。

案例法有多种形式，并结合了各种数据收集方法。如此广泛的数据还可以帮助研究人员了解特定事件的背景，或类似的个人或组织对相同刺激的反应。

• 案例研究示例：一项关于远程工作对科技公司员工生产力和福利的影响的研究。
  • 重点：本研究重点关注一家科技公司，该公司以在新冠疫情期间和疫情后严格实施远程工作政策而闻名。之所以选择这家公司，是因为它是了解远程工作政策对科技行业更广泛影响的关键案例。
  • 数据收集：对不同级别的员工（包括管理层和员工）进行结构化和非结构化访谈。对虚拟会议和远程工作互动进行非参与者观察。审查内部文件，例如电子邮件、生产力报告和员工满意度调查。
  • 分析 1：使用数据三角测量（即，将访谈与观察结果和文档进行比较）。通过参与者反馈会议验证调查结果。
  • 分析 2：以组织行为理论和动机、工作满意度等概念为指导。了解公司的文化、组织结构等，以及这些因素如何与远程工作动态相互作用。这包括分析行业背景。
  • 报告：详细描述公司的远程工作实践以及远程工作如何影响员工福利和生产力。

确保轻松进行定性数据分析

由于有如此多种不同的分析形式可供选择，因此拥有合适的工具来高效可靠地执行每一种分析至关重要。NVivo等软件可以提供帮助 - 提供准确、高效的定性数据分析，帮助您在数据中寻找意义。