【什么是质性数据】

Qualitative Data，也叫做定性数据，主要是文字作为最小单位呈现，相对于以数字作为最小单位呈现的定量数据 Quantitative

Data

【质性研究的认识论基础】

归纳推理 inductive analysis（相对于定量的演绎推理 deductive analysis），从特殊到一般，逐步构建底层理论 grounded theory

两天学会nvivo写论文，跟张冉老师一起学nvivo，nvivo快速入门教程_哔哩哔哩_bilibili

【质性数据常用采集方法】

访谈 interview、参与式观察 participatory observation、档案检索查询、系统文献综述、民族志 ethnography

【主要应用领域】

社会科学、教育学、社会学、人类学

【质性数据常用分析方法】

Thematic Analysis 主题分析

【其他方法】

Analytic Induction（当需要验证确切的研究假设时，参考了实证主义/定两研究方法

思路）

【质性数据常用分析软件】

NVivo, Atlas

【初步分析常用表现方法】

词云图 Wordcloud

【经典质性分析研究案例】

（1）人类学：费孝通的乡土中国、江村经济研究

（2） 社会学：项飙的浙江村研究

（3） 芝加哥学派城市研究部分案例

主题分析（Thematic Analysis）

根据研究问题，从访谈记录 （transcripts）中建立主题、次主题，从而抽象形成初步理论 （grounded）。

【NVivo作用】

本质上是建立不同档案，减少每次人工阅读访谈记录的繁琐重复，从而将研究者的脑力集中于梳理人际网络、联系厘清概念和初步建立理论（grounded theory）。

通过网盘分享的文件：nvivo15安装包和教程.zip等2个文件
链接: https://pan.baidu.com/s/1FgTDJ1BqOr9SY9Yq74xzTg?pwd=62pj 提取码: 62pj 
 

【材料准备】

建立于word中的访谈记录+已经确立的研究问题

【第一步：导入及梳理数据】

建议在做访谈记录的过程中已经非常有规范的文件编号和受访者代号；如没有则应该首先借助NVivo编辑模式整理文本顺序。

举例：访谈01-受访者A-2024年3月1日-xx市xx地

【第2步：试建编码】

如果有多篇文档，从最有代表性的一篇（最精彩/信息最丰富/最长）开始，探索性寻章摘句，再用2-3字词语概括涉及的主题。

举例：根据受访者访谈“我们人年纪大了不想留在城里，打一阵工就回老家。

—受访者A”一建立主题“市民化有关的要素-年龄

如果有较强的概念性前设，可以由读过的文献抽出概念，再对应定性数据寻找。这种方法是“分析归纳"（analytic induction）而非“主题分析” （thematic analysis）法，需要在一开始就列明文献中呈现的主次编码。

举例：根据Zhao (2023)：年龄是影响市民化意愿重要因素一建立主题“市民化意愿”和次主题“年龄”一根据主题分析受访者访谈“我们人年纪大了不想留在城里，打一阵工就回老家。

—受访者A”

【第3步：主题编码】

建立不同层级的主次编码。

举例：下图中以市民化过程涉及的各个要素对应进行编码。此处可以借助右手"coding bar”对照文本高亮参考，直观看不同编码在采访中出现的频率。

【第4步：整合编码】

将编码整合成不同主题、次主题，尝试归纳更概括的理论。

举例：市民化意愿跟年龄、城市等级、本地人排斥、受教育程度、性别、住房条件、户口等一系列因素都有联系，文本有所反应，但各种因素交错。

【第5步：查漏补缺】

导出编码文档备份，对编码进行初步的

write-up。记得存档！

NVivo还可以通过抽样调查sampling绘制思维概念图、任务关系图，让整个定性分析流程更清晰、更合理、更有力！