主题分析是一种结构化的方法，用于在复杂数据中发现有意义的模式。如果你曾对这一方法论的复杂性感到不知所措，或者想知道如何使其更加高效，那么你并不孤单。多年来，NVivo一直被许多研究人员用于进行主题分析。现在，NVivo与Lumivero AI助手相结合，为希望将主题分析付诸实践的研究人员提供了更多工具。
为了展示NVivo和Lumivero平台AI在主题分析方面的变革性作用，Lumivero举办了一场网络研讨会，邀请了QDA培训有限公司的首席执行官Dr. Ben Meehan。凭借二十多年帮助他人充分利用这一强大定性分析软件的经验，Dr. Meehan不仅强调了NVivo在广泛研究方法论中的灵活性，还演示了最新版本的NVivo加上Lumivero AI助手如何帮助简化主题分析过程，并为数据创造更丰富的见解机会。
继续阅读以了解更多信息，或观看完整的网络研讨会视频！
什么是主题分析？
Dr. Meehan在网络研讨会开始时，纠正了一个关于定性研究的常见误解——通常被视为“感情用事”——并强调，当主题分析做得正确时，是一种高度系统化和严谨的方法，用于理解复杂数据。
主题分析有六个步骤，通常称为“阶段”。自Braun和Clarke在2006年首次描述主题分析的论文《心理学中的主题分析使用》以来，这些阶段的名称已经发生了演变。如今，主题分析的六个阶段是：
- 数据熟悉化和熟悉化笔记
- 系统数据编码
- 从编码和整理的数据中生成初始主题
- 发展和审查主题
- 精炼、定义和命名主题
- 撰写报告
使用定性数据分析软件组织阶段数据
Dr. Meehan使用NVivo的样本项目“Environmental Changes Down East”，来说明软件和Lumivero AI助手如何帮助研究人员理解数据、组织思路并简化写作过程。他在项目中创建了一系列与六个阶段相对应的文件夹，并指出最佳实践是在完成一个阶段后将工作复制到下一个文件夹，以便在每个阶段都有记录你对数据做了什么的记录。
使用这种多文件夹的过程可以帮助研究人员创建一个审计跟踪，促进透明度。“正是通过审计跟踪的产生，你作为研究人员的可信度得以提升，进而使你的研究结果具有可信度和合理性，”Dr. Meehan说。他还指出，可以为你的主题分析的任何阶段生成代码手册，向你的导师、项目负责人或其他利益相关者展示你的数据跟踪.
主题分析阶段1：数据熟悉化和熟悉化笔记
在数据熟悉化阶段，研究人员沉浸于数据中，开始理解数据如何与他们的研究问题相关。在数据熟悉化中，Dr. Meehan说，“你会浏览你的访谈记录，并撰写备忘录、注释和田野笔记、观察……假设、初步的想法和观点。”
他演示了如何使用NVivo分析工具来帮助完成数据熟悉化和撰写熟悉化笔记的每项任务：
Dr. Meehan指出，Lumivero AI助手在这一过程的两个特定方面具备帮助能力。首先，是访谈记录或访谈记录部分的总结。AI助手可以生成访谈记录的长、标准或短总结，为研究人员提供每个访谈中讨论的主题的高层视图。
“这非常有助于你把握重点，并开始使数据更加紧凑，确保你不会错过其中任何真正重要的东西，”Dr. Meehan解释说。“另一件事是，我可以对特定文本进行AI注释，或者我自己写注释，这可能对像田野笔记或观察这样的东西更有用.”
这有助于研究人员在开始仔细阅读每个访谈记录时优先阅读哪些访谈记录——这仍然是一个必要的步骤，因为Meehan解释说，“AI不理解语言、文化、细微之处。它没有做你的文献综述。它不知道你所关联的理论。”
Lumivero平台的AI还可以在NVivo中用于总结访谈记录中的文本片段以创建注释——同样，需要研究人员在需要时补充上下文。Dr. Meehan还强调，Lumivero AI助手旨在保护数据隐私。当你要求AI助手总结访谈记录时，该访谈记录中的数据不会用于训练模型，也不会存储在任何外部服务器上。
阶段一也是研究人员开始思考如何对数据进行编码的时候。Dr. Meehan展示了NVivo包含的思维导图功能，以帮助快速创建这些编码.
完成此阶段后，你可以将工作复制到“阶段二”文件夹，并开始下一个步骤.
主题分析阶段2：系统数据编码
编码为数据提供了结构。在反思性主题分析中，研究人员完成三次编码：
- 描述性——总结每条数据讨论或与之相关的内容的高级编码，用简短的短语表示.
- 解释性——强调数据中潜在概念或含义的二阶编码.
- 抽象性——将每条数据与与你的研究问题相关的理论联系起来的编码.
NVivo为研究人员提供了许多帮助编码的功能。
如上图所示，AI助手可以帮助提出初始的描述性编码——这些广泛的、非层次化的编码为数据提供了初始结构.
“编码既像文档又像文件夹，”Dr. Meehan解释说。“它像文档一样，因为它可以包含多个引用……它像文件夹一样，因为它可以包含其他编码，就像文件夹可以包含其他文件夹一样。因此，你可以在以前未结构化的数据上施加结构。”
Meehan总结说，编码是耗时的。没有一个适用于每个研究项目的编码公式。然而，NVivo通过拖放功能、高亮显示、为每个你创建的编码提供引用计数等功能帮助你在编码时保持有序——还有很多其他功能。
主题分析阶段3：生成初始主题
一旦编码完成，就到了考虑主题的时候了。主题是与你的研究目标和研究问题相关的数据组。
“要成为主题，主题必须重复出现，”Dr. Meehan说。通过在NVivo中使用列表视图查看你创建的编码，可以为每个编码提供引用计数，因此你可以识别模式并开始形成对数据中存在哪些主题的想法，这要归功于引用计数。然后，你可以开始将每个编码区域分组。在主题分析的这个阶段，可以使用多个NVivo功能。
在NVivo中创建的每个编码都会自动分配一种颜色。（如果你愿意，可以分配自定义颜色。）你可以选择在你的访谈记录旁边查看彩色编码条，或者生成概念图或报告，开始了解哪些编码在你的数据中占主导地位。然后，你可以开始创建主题并将编码分组到每个主题中。
Dr. Meehan指出，研究人员应该使用“描述”功能来定义你的编码。“它们对于审计跟踪非常有用，”他解释说，“因为这意味着我可以声称编码的一致性。”当与你的代码手册一起发布时，描述向审查者和其他研究人员展示了你对每个主题的理解。
一旦生成了初始主题，就到了第四阶段.
主题分析阶段4：发展和审查主题
在主题分析的第四阶段，研究人员充实他们的主题，然后审查它们，以决定哪些符合研究目标，哪些应该被搁置。同样，Dr. Meehan列出了可以用来实现这个阶段目标的NVivo功能：
第一步是重新评估迄今为止的所有工作。每个主题的引用真的与该主题相关吗？在引用中是否形成了一个一致的模式？这些问题应该指导你对主题进行压缩、重组或甚至决定将某个主题从最终项目中排除的过程。Dr. Meehan指出，在他曾经参加的一个与Braun和Clark的研讨会上，“他们说他们说他们遇到的一件事是，人们发现很难放弃一个主题。”
幸运的是，使用Dr. Meehan描述的多文件夹方法，你不需要完全删除一个主题——你可以简单地将其留在前一个阶段的文件夹中。它将留在你的审计跟踪中，如果你以后想将其加回到当前项目中或将其用于其他项目，你将能够访问它.
另一方面，可能有一些广泛的主题需要充实。这个过程称为“coding-on”，你查看所有编码到广泛主题的引用，然后将它们编码到更细的主题中。Dr. Meehan指出，在这个阶段，Lumivero AI助手可以大有帮助。选择一个主题，然后使用AI助手功能下的“建议子编码”选项，将提示AI助手快速查看标记在该主题下的所有引用。然后，它将生成一个潜在的子编码列表，供你审查和批准。
你批准的任何编码建议都会自动将引用拉过来，在这一步节省你大量时间。Dr. Meehan强调，这个功能应该只用于额外的描述性编码。“AI不会做解释性的东西，”他解释说。“只是小心你不要陷入那个陷阱。它仍然需要人类来做。”
一旦主题得到发展和审查，就到了深入阅读每个编码并更深入考虑数据的时候了。研究人员应该“查看访谈中人们谈论的不同论点、不同的经历、态度、信念或行为，”Dr. Meehan说.
主题分析阶段5：精炼、定义和命名主题
在第五阶段，“我们正在走向最终阶段，”Dr. Meehan说。这个阶段的主题分析使用的NVivo工具较少，然而，需要手动完成的分析工作是相当可观的。额外的备忘录撰写，以及交叉引用和链接，使研究人员能够进一步将主题浓缩为与研究问题最相关的内容。
逐个主题进行工作，撰写分析，将细节与研究问题联系起来。这个阶段的目标是为撰写最终产品开发一个主题框架。一旦完成，你就可以开始写作了.
主题分析阶段6：撰写报告
NVivo与AI为定性研究人员提供了广泛工具，以简化写作过程：
Dr. Meehan鼓励与会者寻找澳大利亚学者Pat Bazeley在2009年发表的论文《分析定性数据：不仅仅是识别主题》，以了解如何进行写作阶段。“太多时候，”Bazeley说，“定性研究人员依赖于呈现关键主题并辅以参与者文本的引用来作为他们数据分析和报告的主要形式。”
Bazeley建议研究人员从数据出发，发展出更有力的分析。在她的论文中，她使用了NVivo的早期版本来展示什么是可能的。
回到网络研讨会中，Dr. Meehan建议为每个主题和子主题添加一个数字，以匹配你打算在最终作品中呈现它们的顺序。这可以在你继续分析数据和你的主题时进行更改. 使用NVivo撰写报告时使用备忘录.
然后，开始逐个部分进行工作，撰写详细备忘录，描述关键发现。可以使用AI助手来帮助启动这个过程，但Dr. Meehan重申，AI助手只能提供表面级别的总结。由你来解释数据并提供上下文. 在NVivo中撰写报告，将编码链接回其原始引用.
在撰写备忘录时，你将能够将每个编码链接回其原始引用，或者从访谈记录中拉取说明性引文。这支持你的审计跟踪，并允许你快速重新访问引用以重新评估你的原始数据.
在这个阶段，你还可以进行情感分析或快速为每个主题生成可视化，以了解编码之间的关系。Dr. Meehan展示了你可以使用NVivo为定性数据创建的几种可视化示例，以实现更深入的分析。其中一个是这个层次结构图，显示了哪些编码在主题中占主导地位：
根据你的编码方式，还可以通过属性值生成可视化，例如说话者的年龄组，以查看特定人群是否比其他人更关心该主题. 根据属性值在NVivo中生成主题分析的可视化.
你创建的任何可视化都可以复制并粘贴到你的备忘录中。“不需要太多技术输入，”Meehan解释说。“它是拖放……它们都会以多种格式导出为高分辨率图像。”
最后，他展示了如何通过拖放不同属性来快速生成矩阵，以进行比较。框架矩阵和交叉表只是你可以使用NVivo进一步可视化定性数据的两种方式。将文件导出到Word，你就可以开始最终写作了.
需要更好的研究写作和知识管理工具吗？发现Citavi！
看看如何使用NVivo进行主题分析
Dr. Meehan的网络研讨会突出了NVivo和Lumivero AI助手在简化主题分析和发现更深层次见解方面的强大功能。无论你是NVivo的新手，还是希望升级你的定性分析软件，现在都是探索其功能的绝佳时机。观看完整的网络研讨会以获得全面的指导，或请求演示以了解NVivo如何革新你的研究过程。
主题分析是一种结构化的方法，用于在复杂数据中发现有意义的模式。如果你曾对这一方法论的复杂性感到不知所措，或者想知道如何使其更加高效，那么你并不孤单。多年来，NVivo一直被许多研究人员用于进行主题分析。现在，NVivo与Lumivero AI助手相结合，为希望将主题分析付诸实践的研究人员提供了更多工具。
为了展示NVivo和Lumivero平台AI在主题分析方面的变革性作用，Lumivero举办了一场网络研讨会，邀请了QDA培训有限公司的首席执行官Dr. Ben Meehan。凭借二十多年帮助他人充分利用这一强大定性分析软件的经验，Dr. Meehan不仅强调了NVivo在广泛研究方法论中的灵活性，还演示了最新版本的NVivo加上Lumivero AI助手如何帮助简化主题分析过程，并为数据创造更丰富的见解机会。