alterlab-qualitative-methods

定性方法——定性研究设计与分析 Agent

为开展、指导或教授定性研究的教师和研究人员提供全面的定性研究方法工具。涵盖方法论选择、数据收集设计、系统编码、分析技术，以及所有主要定性研究传统中的质量保证。

概述

定性研究旨在理解人们赋予各种现象的意义。本技能将指导研究人员完成定性研究的全过程：选择适当的方法论、设计数据收集工具、开展系统分析、确保可信度，并以符合学科标准的方式报告研究发现。

与通过数值数据检验假设的定量研究不同，定性研究通过文字、图像和观察，形成丰富且结合情境的理解。本技能将方法严谨性视为不可妥协的原则，同时承认定性研究具有诠释性。

何时使用此技能

在以下情况下应使用此技能：

• 为研究项目选择定性研究方法论
• 设计访谈提纲、观察指南或文档分析框架
• 对定性数据（访谈稿、田野笔记、文档）进行编码
• 开展主题分析、扎根理论、IPA 或其他分析方法
• 为定性研究发现建立可信度和质量标准
• 撰写定性论文或学位论文的方法论部分
• 审查定性研究的方法严谨性
• 教授定性研究方法课程
• 从定量研究转向定性或混合方法研究
• 使用 CAQDAS（计算机辅助定性数据分析软件）

不适用的情况

场景	改用
计算编码者间信度（Krippendorff’s alpha、kappa）或运行编码本编码流程，包括人工与 LLM 双重编码	alterlab-qualitative-analysis
在撰写研究发现之前，对可信度和反思性进行通过/未通过检查	alterlab-ssci-reflexivity-gate
整合定性与定量研究部分（聚合式/序列式设计、联合展示）	alterlab-mixed-methods
问卷题项、李克特量表或测量工具验证	alterlab-survey-design
话语或会话分析、定性比较分析（QCA）、过程追踪（alterlab-social-science-methods）；主题模型或文本分类（alterlab-text-as-data）	alterlab-social-science-methods / alterlab-text-as-data

---

核心能力

1. 方法论选择指南

选择合适的定性研究方法，取决于你的研究问题、哲学立场以及你希望获得的知识类型。

方法论决策框架：

What is your primary research interest?
│
├── LIVED EXPERIENCE of individuals
│   ├── Focus on meaning-making and interpretation
│   │   └── Interpretative Phenomenological Analysis (IPA)
│   ├── Focus on the essence/structure of experience
│   │   └── Descriptive/Transcendental Phenomenology (Husserl/Moustakas)
│   └── Focus on life stories and identity construction
│       └── Narrative Inquiry
│
├── SOCIAL PROCESSES and how they unfold
│   ├── Want to generate theory from data
│   │   └── Grounded Theory (Strauss & Corbin or Charmaz)
│   └── Want to describe a process in context
│       └── Case Study (Yin) or Ethnography
│
├── CULTURAL PATTERNS in a group or setting
│   ├── Immersive fieldwork possible (months/years)
│   │   └── Ethnography
│   └── Bounded, focused investigation
│       └── Case Study (Yin)
│
├── CONTENT/MEANING in texts or media
│   ├── Seeking patterns and themes across a dataset
│   │   └── Thematic Analysis (Braun & Clarke)
│   └── Systematic categorization of content
│       └── Content Analysis (qualitative or directed)
│
└── A BOUNDED SYSTEM (program, event, organization)
    ├── Single case with depth
    │   └── Single Case Study
    ├── Multiple cases for comparison
    │   └── Multiple Case Study
    └── Evaluating a program or intervention
        └── Case Study with evaluation framework

方法论对比表：

特征	主题分析	扎根理论	IPA	民族志	案例研究	叙事探究
主要目标	识别模式／主题	生成理论	理解生活体验	描述文化模式	深入分析边界明确的系统	通过故事理解体验
哲学根源	灵活（从实在论到建构主义）	实用主义／符号互动论	现象学、诠释学、个案研究取向	文化人类学	实用主义	Dewey 的经验哲学
样本量	灵活（6-30+）	20-60（理论饱和）	3-10（同质样本）	1 个场域（长期研究）	1-10 个案例	1-5 名参与者
数据类型	访谈、焦点小组、文档及任何文本	访谈、观察、文档	深度访谈（每位参与者 2-3 次）	田野工作、观察、访谈、实物资料	多种来源（需要三角互证）	访谈、日记、生活文档
分析	6 阶段编码	开放式 → 主轴式 → 选择式编码	逐行分析 → 体验陈述 → 个人／群体体验主题（2009 年术语：初显主题 → 上位主题）	深描、文化主题	个案内与跨个案分析	重构叙事、叙事结构
产出	附有证据的主题图	实质理论或形式理论	对生活体验的丰富描述	文化画像／民族志记述	案例描述与主题	叙事重述与阐释
时间投入	中等	高	每位参与者耗时较长	非常高	中等到较高	中等
关键参考文献	Braun & Clarke（2006、2019、2022）	Strauss & Corbin（1998）；Charmaz（2014）	Smith、Flowers & Larkin（2009；第 2 版 2022）	Hammersley & Atkinson（2019）	Yin（2018）；Stake（1995）	Clandinin & Connelly（2000）

2. 主题分析（Braun & Clarke）

最广泛使用的定性分析方法。Braun & Clarke（2006，2019 年更新）提出了一种反思式方法。

反思式主题分析的六个阶段：

Phase 1: Familiarization with the Data
│   Read and re-read transcripts
│   Note initial observations (not codes yet)
│   Immerse yourself in the data
│   Record preliminary thoughts in a research journal
│
Phase 2: Systematic Coding
│   Generate initial codes across the entire dataset
│   Code inclusively (code everything potentially relevant)
│   Codes are semantic (surface meaning) or latent (underlying assumptions)
│   One extract can have multiple codes
│   Use line-by-line or segment-by-segment approach
│
Phase 3: Generating Initial Themes
│   Collate codes into potential themes
│   Use visual methods: mind maps, affinity diagrams, tables
│   Themes are patterns of shared meaning organized around a central concept
│   Not every code becomes a theme — some are subthemes, some are discarded
│
Phase 4: Reviewing Themes
│   Check themes against coded extracts (Level 1)
│   Check themes against entire dataset (Level 2)
│   Do themes tell a coherent story?
│   Are themes distinct or overlapping?
│   Refine: split, merge, or discard themes as needed
│
Phase 5: Defining and Naming Themes
│   Write a detailed analysis of each theme
│   Identify the "essence" of each theme
│   Create concise, vivid theme names
│   Determine how themes relate to each other
│
Phase 6: Writing Up
    Weave together analytic narrative and data extracts
    Go beyond description — interpret and contextualize
    Embed extracts as evidence, not illustration only
    Relate findings to literature and research question

编码示例和主题发展示例，请参阅 references/worked_examples.md。

3. 扎根理论

扎根理论旨在生成扎根于系统收集和分析数据的理论。

Strauss & Corbin（1998）——系统方法：

OPEN CODING
│   Break data into discrete parts
│   Label phenomena (concepts)
│   Group concepts into categories
│   Identify properties and dimensions of categories
│
│   Example:
│   Concept: "Time pressure"
│   Properties: Source (institutional, self-imposed), Intensity, Duration
│   Dimensions: Mild ←──────→ Severe
│
AXIAL CODING
│   Reassemble data around categories
│   Use the paradigm model:
│
│   Causal Conditions → Phenomenon → Context
│                                    → Intervening Conditions
│                                    → Action/Interaction Strategies
│                                    → Consequences
│
│   Example:
│   Causal conditions: Publish-or-perish culture
│   Phenomenon: Research anxiety
│   Context: Early-career faculty, research university
│   Intervening conditions: Mentorship availability, institutional support
│   Strategies: Strategic collaboration, prioritization, avoidance
│   Consequences: Productivity variation, burnout, career trajectory
│
SELECTIVE CODING
    Identify the core category
    Systematically relate all categories to the core
    Fill in categories that need further development
    Validate the emerging theory against data
    Write the storyline

    Example core category: "Surviving the Tenure Track"
    All other categories (research anxiety, teaching load, institutional
    politics, mentorship) relate to this central phenomenon

Charmaz（2014）——建构主义扎根理论：

与 Strauss & Corbin 的主要区别：

• 强调研究者在建构（而非发现）理论中的作用
• 使用初始编码和聚焦编码（而非开放式／主轴式／选择式编码）
• 编码时优先使用动名词（表示行动的词语）：“努力应对”“协商”“适应”
• 从一开始就将备忘录写作作为核心环节
• 持续进行理论抽样，直到类别达到饱和

理论抽样：

Initial data collection (purposive sampling)
│
├── Analyze → Emerging categories
│
├── Identify gaps in categories
│
├── Sample specifically to develop/test categories
│   (Who to interview? What to observe? What documents to examine?)
│
├── Analyze new data → Refine categories
│
├── Repeat until THEORETICAL SATURATION
│   (No new properties, dimensions, or relationships emerge)
│
└── Articulate substantive theory

4. 诠释现象学分析（IPA）

IPA 探究个体如何理解人生中的重要经历。它具有个案研究取向、现象学和诠释学特征。

术语（第 2 版，2022）： Smith、Flowers & Larkin 重新命名了分析单元——初显主题现称为体验陈述，上位主题现称为个人体验主题（PETs），跨个案的核心主题现称为群体体验主题（GETs）。以下步骤使用 2009 年版的术语，并在括号中注明 2022 年版的术语；请采用你所引用的版本。新研究应使用 2022 年版术语，因为熟悉 IPA 的审稿人会期待看到这些术语。

IPA 分析步骤（Smith、Flowers & Larkin，2009；2022）：

Step 1: Reading and Re-reading
│   Read the transcript multiple times
│   Listen to the audio recording alongside
│   Note initial observations in the margin
│
Step 2: Initial Noting
│   Three types of comments:
│   - Descriptive (content, what is said)
│   - Linguistic (language use, metaphors, pauses, laughter)
│   - Conceptual (interpretive, interrogative)
│
│   Example:
│   Transcript: "It was like hitting a brick wall"
│   Descriptive: Encountered a major obstacle
│   Linguistic: Metaphor of physical barrier — sudden, painful, solid
│   Conceptual: Sense of helplessness? Unexpected nature of the barrier?
│
Step 3: Developing Emergent Themes [2022: experiential statements]
│   Transform notes into concise themes
│   Themes capture psychological essence, not just content
│   Balance participant's words with analyst's interpretation
│   (The hermeneutic circle: part ↔ whole)
│
Step 4: Searching for Connections Across Themes [2022: personal experiential themes, PETs]
│   Organize emergent themes:
│   - Abstraction: Group similar themes under superordinate theme
│   - Subsumption: One theme becomes superordinate, absorbs others
│   - Polarization: Identify oppositional relationships
│   - Contextualization: Identify temporal or narrative connections
│   - Numeration: Note frequency (but do not reduce to counting)
│   - Function: Examine what themes do for the participant
│
Step 5: Moving to the Next Case
│   Bracket (as much as possible) findings from previous cases
│   Repeat Steps 1-4 for each participant individually
│
Step 6: Looking for Patterns Across Cases [2022: group experiential themes, GETs]
    Identify recurrent themes across participants
    Note convergence and divergence
    Create a master table of themes
    Retain idiographic detail — do not flatten into generic themes

IPA 主题总表示例（上位主题、子主题、各参与者对应的页码），请参阅 references/worked_examples.md。

5. 案例研究方法论（Yin，2018）

案例研究设计类型：

                    Single-Case              Multiple-Case
                    ┌──────────────────┐     ┌──────────────────┐
Holistic            │ Type 1           │     │ Type 3           │
(single unit        │ Critical, unique,│     │ Replication      │
of analysis)        │ revelatory, or   │     │ logic across     │
                    │ longitudinal case│     │ cases            │
                    └──────────────────┘     └──────────────────┘
                    ┌──────────────────┐     ┌──────────────────┐
Embedded            │ Type 2           │     │ Type 4           │
(multiple units     │ Single case with │     │ Multiple cases   │
of analysis)        │ embedded sub-    │     │ each with        │
                    │ units            │     │ embedded units   │
                    └──────────────────┘     └──────────────────┘

案例研究设计的五个组成部分：

1. 研究问题——“如何”和“为什么”类问题最适合
2. 命题（如有）——明确指出应考察的内容
3. 分析单位——定义“案例”（个人、组织、项目、事件）
4. 将数据与命题关联的逻辑——模式匹配、解释构建、时间序列
5. 解释研究发现的标准——竞争性解释、充分证据

数据收集——六种证据来源：

来源	优势	劣势
文档	稳定、不干扰研究对象、覆盖面广	检索困难、选择性偏差、报告偏差
档案记录	精确、定量	隐私限制、可访问性
访谈	有针对性、富有洞见、具有解释力	问题设计不佳导致的偏差、回答偏差、回忆不准确
直接观察	实时、结合情境	耗时、选择性、反身性效应
参与式观察	有助于洞察人际行为	研究者参与带来的偏差
实物制品	有助于洞察文化特征	选择性、可获得性

证据链：

Research questions
    ↓
Case study protocol
    ↓
Citations to specific evidence in case study database
    ↓
Case study database (organized notes, documents, tabular materials)
    ↓
Case study report

6. 编码技术

编码层级：

Level 1: OPEN/INITIAL CODES
│   Line-by-line or segment-by-segment labels
│   Stay close to the data
│   Example: "feeling unprepared," "seeking guidance," "peer support"
│
Level 2: FOCUSED/AXIAL CODES (Categories)
│   Group open codes into higher-level categories
│   Identify relationships between categories
│   Example: "Navigation strategies" (contains: seeking guidance, peer
│   support, trial and error, online resources)
│
Level 3: THEMES / THEORETICAL CODES
    Abstract, interpretive-level patterns
    Capture the meaning across categories
    Example: "The invisible apprenticeship" (captures how new academics
    learn the unwritten rules of their profession)

完整的编码手册模板（定义、纳入／排除标准、示例）：参见 references/worked_examples.md。

7. 基于 Python 的定性分析工作流

对于偏好使用开源工具而非 NVivo/Atlas.ti 的研究者，可直接运行的 Python 配方涵盖基于关键词的初始编码、二元词组／三元词组频率和搭配分析，以及主题网络可视化。

完整的代码配方：参见 references/python_workflows.md。

8. 可信度标准（Lincoln 与 Guba，1985）

定性研究中的可信度与定量研究中的效度和信度相对应。

定量标准	定性对应标准	策略
内部效度	可信性	长期投入、持续观察、三角验证、同行汇报、负面案例分析、成员核查
外部效度	可迁移性	对情境进行厚实描述、目的性抽样、详细的方法论
信度	可靠性	审计轨迹、研究审计、反思日志、编码－重新编码稳定性
客观性	可确认性	审计轨迹、三角验证、反思性

附加质量标准——真实性（Guba 与 Lincoln，1989）：

• 公平性：公平地呈现多种观点
• 本体论真实性：提升参与者的理解
• 教育真实性：帮助参与者更好地理解他人的观点
• 催化真实性：研究推动行动
• 战术真实性：赋予参与者采取行动的能力

三角验证类型：

1. Data triangulation      — Multiple data sources (interviews + documents + observations)
2. Investigator triangulation — Multiple researchers coding/analyzing
3. Theory triangulation    — Multiple theoretical lenses applied to the same data
4. Methodological triangulation — Multiple methods (interviews + surveys + observations)

完整的成员核查流程和报告模板：参见 references/worked_examples.md。

9. 反思性

反思性是研究者持续对自身角色、假设及其对研究过程的影响进行批判性自我审视。

涵盖数据收集和分析之前、期间及之后的反思日志提示：参见 references/worked_examples.md。

---

最佳实践

1. 先选择方法论，再收集数据。 方法论会影响研究问题、抽样、数据收集和分析。不要先收集数据，再决定如何分析。

2. 保留审计轨迹。 记录每项决策：为什么选择某种方法论、如何招募参与者、编码如何演变、为什么合并或拆分主题。这些记录是证明研究严谨性的依据。

3. 系统地编码。 无论使用软件还是纸笔，都要一致地编码整个数据集。不要只挑选符合预期的片段。

4. 贯穿研究过程撰写备忘录。 分析性思考在备忘录中展开。尽早开始、经常撰写，围绕编码、类别、主题、疑问和意外发现进行记录。

5. 审慎判断是否达到饱和。 饱和不是一个数字（例如“12 次访谈”），而是指新数据不再产生与研究问题相关的新见解这一判断。

6. 使用参与者的原话。 直接引语是定性研究的证据。应将其融入分析，作为论证的基础，而非装饰。

7. 区分描述与阐释。 描述说明数据包含什么，阐释说明数据意味着什么。两者都不可或缺；不要混为一谈。

8. 进行三角互证。 使用多个数据来源、方法或分析者来增强可信度。单一来源并不足够。

9. 践行反思性。 你的立场会影响你观察到的内容及其阐释方式。应明确说明这一点，将其作为一种方法论实践，而非自我坦白。

10. 透明地报告研究过程。 附上编码手册，详细描述分析过程，说明样本选择依据，并承认研究局限。读者应能够评估研究的严谨性。

---

常见陷阱

陷阱	成因	如何避免
方法与方法论混淆	将方法（访谈）与方法论（扎根理论）混为一谈	研究所选方法论的哲学基础
轶事主义	选择支持预设叙事的引语	编码整个数据集；报告不支持预设的证据
过早结束	过早停止数据收集	采用理论抽样；记录饱和判断
浅层编码	停留在描述层面，缺乏阐释深度	除语义编码外，也使用潜在编码；撰写分析备忘录
把主题当成话题	将话题称为主题（例如，“沟通”是话题，而非主题）	主题是共享意义的模式——它们提出一种主张
忽视语境	将片段视为脱离语境的数据点	在编码手册中保留语境；采用厚实描述
缺乏反思性	假设研究者是中立的工具	从第一天起就坚持撰写反思日志
过度依赖频次	将定性分析等同于统计编码出现次数	主题的重要性取决于意义，而非频次
未加说明地混用方法论	混合扎根理论与主题分析的要素，却不加解释	明确说明方法论立场及其依据
数据管理不善	访谈记录散乱、缺乏版本控制、没有备份	使用系统的文件夹结构；定期备份；使用 CAQDAS

---

参考文献

• Braun, V., & Clarke, V. (2006). 在心理学中使用主题分析。Qualitative Research in Psychology，3(2)，77-101。
• Braun, V., & Clarke, V. (2019). 反思反思性主题分析。Qualitative Research in Sport, Exercise and Health，11(4)，589-597。
• Braun, V., & Clarke, V. (2022). 主题分析：实用指南。Sage。
• Charmaz, K. (2014). 建构扎根理论（第 2 版）。Sage。
• Clandinin, D. J., & Connelly, F. M. (2000). 叙事探究：定性研究中的经验与故事。Jossey-Bass。
• Creswell, J. W., & Poth, C. N. (2018). 定性探究与研究设计：五种方法的选择（第 4 版）。Sage。
• Lincoln, Y. S., & Guba, E. G. (1985). 自然主义探究。Sage。
• Smith, J. A., Flowers, P., & Larkin, M. (2009). 解释现象学分析：理论、方法与研究。Sage。
• Smith, J. A., Flowers, P., & Larkin, M. (2022). 解释现象学分析：理论、方法与研究（第 2 版）。Sage。
• Strauss, A., & Corbin, J. (1998). 扎根理论基础：发展扎根理论的技术与程序（第 2 版）。Sage。
• Yin, R. K. (2018). 案例研究：设计与方法及其应用（第 6 版）。Sage。

另请参阅：references/qualitative-frameworks.md，了解扩展的方法论详情。

AlterLab 学术技能套件的一部分。