Skip to content
返回搜索结果

NVivo和ATLAS.ti定性分析软件

提出者
QSR International (NVivo) and Scientific Software-Citational (ATLAS.ti)
年份
1999
类型
Tool
类别
analysis-tool

本文为机器翻译,尚未经过审校。 阅读英文原文

字号

它有什么作用?

NVivo和ATLAS.ti是计算机辅助定性数据分析软件(CAQDAS),旨在协助对定性数据进行编码、组织和分析,包括文本(访谈稿、文档)、图像、视频和音频。NVivo由QSR International开发,在学术研究中广泛使用,支持数据组织、编码、备忘录撰写、检索和分析可视化。ATLAS.ti由Scientific Software-Citational开发,侧重于解释学阐释和网络可视化。这两种工具都在20世纪90年代末推出,并已成为各学科的标准工具。CAQDAS本身并非分析——研究人员必须做出分析决策——而是通过管理大量数据、系统地组织代码、跟踪分析决策和生成可视化来增强人类分析。这些工具提高了定性研究的透明度和严谨性。

方法背后的直觉

定性分析对认知要求很高:需要跟踪数百个编码片段,在不同时间和团队成员之间保持编码一致性,记住哪些代码出现在哪些文档中,以及在编码时管理备忘录撰写。CAQDAS自动化了机械性工作,使研究人员能够专注于解释。对于小型项目(单个分析师,5-10次访谈),使用荧光笔和索引卡进行手动编码可能就足够了。对于大型项目——20次以上访谈、多个分析师、多种文档类型——CAQDAS提供了效率和一致性。NVivo和ATLAS.ti都允许研究人员对数据进行编码,将代码相互关联,将代码组织成层级或网络,撰写附属于代码的备忘录,搜索和检索编码片段,并可视化编码模式。软件不决定创建哪些代码、如何解释数据或哪些主题重要;这些仍然是研究人员的智力工作。CAQDAS通过提供可靠的组织和强大的检索功能来增强这项工作。

历史学

早期的CAQDAS程序(Ethnograph、HyperRESEARCH)在20世纪80年代随着个人电脑处理文本能力的增强而出现。NVivo(QSR International,最初是N4的继任者,1999年首次发布)在学术研究中占据主导地位,尤其是在澳大利亚和英国。ATLAS.ti(Scientific Software-Citational,成立于1991年)强调解释学阐释和网络映射,在欧洲定性研究中获得关注。两家公司都对其软件进行了大幅改进:现代版本支持视频/音频分析、混合方法整合和云协作。最近的批评指出,CAQDAS存在产生机械编码而缺乏真正解释的风险(Lewins & Silver 2007)。当代最佳实践强调,CAQDAS是支持而非取代人类解释性工作的工具。

何时使用

CAQDAS对于中到大型数据集(15次以上访谈、5个以上焦点小组、100份以上文档)的研究很有价值。对于小型项目,手动分析可能同样严谨且学习速度更快。当多名分析师进行编码时(确保一致性);当跟踪复杂时(许多变量、子组、时间点);或者当透明度和审计追踪是优先事项时(软件记录所有编码决策),CAQDAS至关重要。CAQDAS对于纯粹的叙事或解释性分析(需要持续、仔细的阅读和流畅性)的益处较小;一些研究人员发现软件会让他们与文本产生距离。混合方法研究可以使用CAQDAS进行定性数据分析,同时使用统计软件进行定量分析,从而实现整合。需要进行软件培训;新手用户通常会遇到陡峭的学习曲线,因此要为学习预留时间。

局限与注意事项

  • 学习曲线和成本:软件需要培训和订阅或购买;时间和金钱的投入。
  • 机械编码的风险:软件可能制造分析严谨性的假象,而缺乏真正的解释;输入垃圾,输出垃圾。
  • 与文本产生距离:一些研究人员发现,在软件中编码会让他们与原始文本的丰富性和细微之处产生距离。
  • 不直观:软件工作流程与研究人员的思维方式不同;一些人认为它是一种限制而非赋能。
  • 软件不进行分析:软件存储和检索代码,但不生成解释;分析仍然是人类的智力工作。
  • 版本兼容性和数据迁移:软件更新可能导致兼容性问题;数据可能难以导出和重用。

来源中的条件不能替代独立的科学审查或分析引擎的验证。

优势

  • 高效管理大量数据和复杂的编码方案;减少手动组织的文书负担。
  • 确保一致性:代码应用统一;检索全面(无遗漏片段)。
  • 支持透明度:所有编码决策均可追溯;软件保留更改的审计追踪。
  • 实现系统分析:代码频率报告、矩阵和网络可视化揭示了人类可能遗漏的模式。
  • 促进协作:多名分析师可以对相同数据进行编码,软件计算编码员间一致性。
  • 整合数据:将文本、图像、视频和音频整合到单个项目中,实现多媒体分析。

应用

  • 学术定性研究:学生和教职员工使用CAQDAS进行跨学科的论文、学位论文和出版物。
  • 健康和社会护理研究:分析患者访谈、医疗服务提供者视角或干预措施的实施。
  • 组织和商业研究:对组织文化、员工经验或变革管理相关的访谈数据进行编码。
  • 评估和项目评估:系统地编码利益相关者访谈、项目文档和观察数据。
  • 混合方法研究:将定性编码数据与定量分析相结合,以探索机制或验证发现。

使用方式

使用方式

1

将数据导入软件:访谈稿(文本文件)、文档(PDF、Word)、视频、音频。创建一个项目文件来组织所有数据和分析工作。开始编码:选择文本片段,分配代码(开放式编码:代码从数据中产生;或使用预定的代码簿)。创建代码簿:记录每个代码的定义、纳入/排除标准和示例引文。关联代码:显示代码之间的关系(层级、基于网络)。撰写备忘录:将分析笔记、反思和新出现的解释附着到代码、片段或项目上。使用软件的检索功能进行搜索:“显示所有用X编码的片段”或“显示所有同时用X和Y编码的片段”(代码交集)。生成代码共现矩阵或可视化图,显示代码如何关联。谨慎使用软件的自动编码功能:软件可以标记匹配关键词的片段,但人工审查至关重要。创建查询工具(例如,“出现在女性参与者访谈中的代码”)以探索模式。

2

使用CAQDAS支持系统分析。维护编码日志,记录代码的创建、修订或合并时间。跟踪代码频率:软件会统计每个代码编码了多少个片段。创建层级:将代码组织成类别(父代码)和子代码,显示概念组织。构建代码矩阵:比较不同参与者或文档(例如,年龄组)的编码模式。可视化网络:一些软件可以创建节点-链接图,显示代码关系。使用软件的输出(代码频率报告、代码列表、矩阵)来识别模式:哪些代码出现最频繁?哪些代码共现?执行质量检查:编码在文档和时间上是否一致?如果有多名编码员,使用软件功能检查编码员间一致性。生成摘要:软件允许导出编码片段、矩阵和备忘录以支持撰写。

常见陷阱

  • 过度依赖软件:假设通过软件进行的系统编码会自动产生严谨的分析,而无需反思和解释。
  • 创建过多代码:软件允许代码的泛滥而缺乏纪律;许多研究人员创建100多个代码,然后难以管理或解释它们。
  • 不使用代码簿进行编码:未能记录代码定义,导致应用不一致和编码漂移(代码含义随时间变化)。
  • 忽视阅读完整文档:停留在代码片段中而不阅读完整的访谈或文档;上下文丢失。
  • 将代码频率等同于重要性:出现最频繁的代码不一定是最重要或最有意义的。
  • 编码员间培训不足:当多名分析师进行编码时,跳过详细的代码簿开发和培训会导致分歧和不一致。

常见问题

我应该使用NVivo还是ATLAS.ti?

两者都功能强大,并能产生同样严谨的分析。NVivo使用更广泛(更容易找到教程、支持),具有更强的可视化功能,并与定量软件集成。ATLAS.ti强调网络映射和解释学哲学;一些研究人员发现其界面更直观。可以尝试两者(许多提供免费试用)或询问同事他们的偏好。您的机构可能提供其中一个或两个的许可证,这会影响您的选择。

我可以在没有CAQDAS的情况下进行定性分析吗?

可以。手动编码(高亮、索引卡、物理组织)是完全合法的,并且能产生同样严谨的分析。CAQDAS对于大型项目效率更高并支持透明度,但并非必需。根据项目规模、团队规模和个人偏好进行选择。一些研究人员结合使用方法:手动进行初始编码,然后在后期阶段使用软件进行组织。

我应该创建多少个代码?

代码簿各不相同:一些研究人员使用20-30个代码(简洁、易于管理);另一些则使用100多个代码(详细)。没有“正确”的数量。目标是平衡:代码应足够具体以具有意义和一致性(不模糊),但又不能过多以至于难以记住或管理。从15-30个代码开始;随着分析更多数据进行完善。

我如何知道我的编码是否可靠?

对于单个分析师:通过在几周或几个月后重新编码一部分数据(5-10%的文档)并比较编码来检查随时间的一致性。对于多个分析师:使用软件功能或Cohen's Kappa计算编码员间一致性。在样本数据上达到80%以上的一致性表明编码可靠。分歧是有用的:讨论差异,完善代码簿定义,并解决不一致之处。

CAQDAS软件能替我进行分析吗?

不能。软件组织数据、促进编码并生成输出(矩阵、可视化、检索),但不进行解释。分析——决定代码的含义、识别主题、得出结论——是您必须完成的智力工作。CAQDAS是一种工具,不能替代人类的解释和反思。

相关方法

参考文献

  1. Lewins, A., & Silver, C. (2007). Using Software in Qualitative Research: A Step-by-Step Guide. SAGE Publications.

    ISBN:978-1412903653
    已复制。
  2. Friese, S. (2019). Qualitative Data Analysis with ATLAS.ti (3rd ed.). SAGE Publications.

    ISBN:978-1526424944
    已复制。
  3. Bazeley, P., & Jackson, K. (2013). Qualitative Data Analysis with NVivo (2nd ed.). SAGE Publications.

    ISBN:978-1446257098
    已复制。
  4. Hoover, S. M., Polasek, D. W., & Shuart-Faris, N. (2012). Qualitative software and rigor in systematic reviews. Journal of Electronic Resources in Medical Libraries, 9(3), 194-204.

    打开出版物文献
    已复制。