第十三章 定性分析

定性分析是对定性数据如从访谈脚本中提取的文本数据的分析。与定量分析是统计导向的以及很大程度上独立于研究者的不同，定性分析很大程度上依赖于研究者的分析与整合技术以及研究者对数据收集的社会情境的个人知识。定性分析中的重点是“意会”或对现象的理解而不是预测或解释。基于道德性启迪，置参与者于情境中的态度以及一系列分析策略，定性分析还需要创新性的与审查性的思维模式。该章将对一些定性分析的策略进行简要的概述，感兴趣的读者可以参考其他更权威和详细的文献如迈尔斯和休伯曼（1984）17关于该话题的奠基性的书籍。

扎根理论

你应该如何分析大量通过参与者观察，深度访谈，焦点组，音频（视频）录音（录相）的叙述或者二手文档等途径得来的定性数据呢？用于分析文本数据的一项技术是扎根理论研究法，它是一种基于社会现象的描述性记录数据进行归纳分析并构建相关理论的技术。这项技术是由格拉泽和施特劳斯（1967）18开发的，其提出了扎根理论研究的不断比较分析方法，施特劳斯和科尔宾（1990）19随后对其进行了改进并提出了具体的编码技术—一个将文本数据的片段归类为一系列代码（概念），类别（变量）和关系的过程。由于诠释是“扎根于”（或基于）观测到的实证数据的，因此得名“扎根理论研究法”。为了确保理论仅仅是基于观测到的证据的，扎根理论法需要研究者在数据分析前禁止一切提前存在的理论预期或偏差，让数据告知你理论是如何形成的。17Miles M. B., Huberman A. M. (1984). Qualitative Data Analysis: A Sourcebook of New Methods. Newbury Park, CA: Sage Publications. 18Glaser, B. and Strauss, A. (1967).The Discovery of Grounded Theory: Strategies for Qualitative Research, Chicago: Aldine. 19Strauss, A. and Corbin, J. (1990).Basics of Qualitative Research: Grounded Theory Procedures and Techniques, Beverly Hills, CA: Sage Publications.

施特劳斯和科尔宾（1998）介绍了分析文本数据的三种编码技术：开发式的，主轴式的和选择式的。开发式编码是一个旨在确定隐藏于文本数据中可能与研究现象相关的概念或关键想法的过程。研究者对原始文本数据一行一行进行分析以确定离散事件、突发事件、想法、行动、观点以及相关性的交互，这些被编码为概念（因此称为“有机编码”）。每个概念是与以备后续验证的具体比例的文本（编码单元）相联系的。某些概念可能是简单、清晰与无异议的，而另外一些则可能是复杂、模糊或者仁者见仁的。编码的单元会随着提取的概念而变化。简单的概念如“组织规模”可能只包括文本中的几个词，而复杂的概念如“组织使命”则可能横跨几页。概念可以用研究者自己的命名习惯或者从研究文献中得来的标准化标签来命名。一旦确立好基准概念，这些概念就可以用于对其余数据进行编码，而且需要同时寻找新概念与更新旧概念。编码时，确定每个概念可识别的特征（如大小、颜色、水平高或低）非常重要，这样相似的概念可以被归类到一起。这种编码方法称之为“开放式”编码因为研究者对与研究现象相关的新概念持开放态度并对其积极搜寻。

然后，相似的概念被归类到更高的层次类别。虽然概念可能是情景化的，类别倾向于广泛与可推广的，其最终将演化为扎根理论中的变量。需要用类别来降低研究者需要处理的概念的数量，从而勾画出用于理解社会现象的主要议题的“全局图”。归类是分步完成的，先将概念组合为子类，然后再将子类组合为更高层级的类。已有文献中的变量可用于对类别进行命名，特别是当研究的目的是扩展现有的理论时。不过，在利用已有变量进行命名时需要非常谨慎，因为这些变量可能会带来惯有的信念与偏差。需要对每个类别的特征（或属性）和每个特征的维度进行确认。维度表示一个特征的连续性的值。例如，一个名为“沟通媒体”的类别可能有一个特征称之为“速度”，其可以分为快、中和慢。这样的归类有助于区分不同类别的沟通媒体并使研究者可以确定数据的模式，例如对于哪类任务采用了哪类媒体。

扎根理论法的第二个阶段是主轴式编码。此时，类别或子类被放置于因果关系或假设之中，可以常识性地对研究现象进行解释。尽管与开放式编码不同，主轴式编码可与开放式编码同时进行。类别之间的关系可能可以通过数据清晰的判别或者非常微弱或不可见。在后面的情况下，研究者可以采用编码主题（经常称为“编码范式”，但其与第三章所提到的范式概念不同）来理解哪种类别代表条件（现象所处的情况），行动或交互（个体对事件在某种条件下的反应），和结果（行动或交互的产物）。当条件、行动/交互和结果确定后，理论假说就开始浮现了，研究者可以开始解释为什么一个现象会发生，在什么条件下发生，以及其结果是什么。

扎根理论法的第三个也是最后一个阶段是选择性编码，涉及到确定核心类别或核心变量并系统性地合乎逻辑地将核心类别与其他类别相联系。核心类别可以从已存在的类别进行演化，也可以是包括已编码类别的更高层级的类别。对新的数据进行选择性抽样以验证核心类别以及其与其他类别的关系（即尝试性理论）。选择性编码限制了分析的范围，使分析更快。同时，编码者必须注意可能从与研究现象相关的新数据中出现的其他类别（开放式编码），这将促使初始理论的进一步优化。这样，开放式、主轴式和选择式编码可能同时进行。对新数据进行编码并对理论进行精炼直到到达理论成熟，即当新数据并不会给核心类别或关系带来任何边际改变。

“持续比较”过程暗示了基于增加的理解深度对类别、关系和表述不断的重新安排、综合与精炼，实现下述四阶段活动的迭代：（1）比较分配到各个类别中的事件或文本以验证该类别的有效性，（2）整合类别及其属性，（3）界定理论，关注于那些核心概念而忽略那些不太相关的概念，以及（4）用下面将要讨论的诸如书写备忘录、叙事和图解的方式来撰写理论。形成一个中心类并不意味着所有其他类别可以很好地与其整合在一起。为了确定核心类的条件、行动/交互和结果等关键类别，施特劳斯和科尔宾（1990）推荐了叙事、回忆录或概念映射等几种整合技术。采用叙事方式，可以用类别与关系来对关于所观测的现象的故事进行精炼。备忘录是指对那些随扎根理论分析的开展而记录下的关于概念及经过理论化编码的概念间关系的观点，它是在分析过程中对观点进行追踪与精炼的重要工具。书写备忘录就是利用这些备忘录，以二乘二的表格、图表、图示或其他展示方式来发现类别之间的模式或关系的过程。概念映射是对概念及其关系的图形化表示（如方框和箭头）。将主要概念在一页或多页纸、黑板或图形软件程序上进行展示，通过箭头连接不同概念，对其进行调整以适应观察数据。

在形成一个扎根理论之后，必须对其进行精炼以符合内部一致性与逻辑。研究者必须确保中心变量具有所陈述的特征和维度，如果没有，那么需要重新进行数据分析。研究者必须保证这些特征与维度在不同类别间具有方差。例如，如果行为频率是这样一个类，那么数据应该包括针对该行为的高频行为者与低频行为者。最后，理论必须与原始数据相比较以验证理论的有效性。如果理论与观测证据相冲突，可能需要重复编码过程以消除这些冲突或未解释的方差。

内容分析

内容分析是以定量或定性的方式对文本内容（如谁对谁说了什么，为什么这么说，有什么效果，效果的程度如何等）进行的系统性分析。内容分析一般按如下步骤开展。首先，当要分析的文本很多时（如新闻故事、财务报告、博客、在线评论等），研究者需要从总体样本的文本中抽取一部分文本进行分析。这个过程并不是随机的，那些含有丰富内容的文本被选择性地选取。其次，研究者应确定并应用某种规则将文本分割为可作为独立分析单元的部分或“块”。这个过程称之为单元化。例如，每个单元可能由文本中的假设、效果、推动因素与阻碍因素而构成。再次，研究者构建并应用在每个单元化的文本部分中的一个或多个概念的过程被称作编码。为了满足编码的目的，在对文本进行归类时，研究者需要采用一种基于其正在寻求或揭示的主题的编码方案。最后，对编码数据进行定量和定性分析以决定哪些主题出现频率最多，在何种情境出现以及这些主题间是如何相互关联的。

一种简单的内容分析类型是情感分析，它是一种用于刻画人对一个对象、人或现象的观点或态度的技术。这种分析的一个例子是，阅读一个在线论坛上关于某位政治候选人信息，并将每条信息分作正向的、负向的或中立的。在这个例子中，每条信息代表了一个分析单元。这种分析有助于确认样本整体是否对候选人持正向、负向或中立的态度。用同样的方式对在线评论的内容进行分析是另外一个例子。尽管这种分析可以手动完成，当数据集非常庞大时

（上百万的文本记录），基于自然语言处理和文本分析的软件程序可用于自动编码过程，并可以保持人们随时间的情感波动记录。

对于内容分析的常见的一种批评是其缺乏让其他研究者复制该分析的一系列系统性的程序。针对这一批评，席林（2006）20提出了综合不同内容分析步骤的螺旋模型。该模型由文本描述的五个水平或阶段组成：（1）将录音转换成可供内容分析的原始文本数据或脚本，

（2）将原始数据转换成压缩协议，（3）将压缩协议转换成初步的类别系统，（4）利用初步类别系统形成编码协议，（5）分析编码协议，形成对研究形象的表述。

内容分析有几点缺陷。第一，编码过程受制于文本形式的信息。例如，如果研究者有兴趣研究人们对死刑的看法，但不存在与之相关的文档，那么该分析无法进行。第二，采样是必须非常认真以防止采样偏差。例如，如果你采用的样本总体是关于某一话题的发表的研究文献，那么你已经系统性地忽略了那些未发表的研究或者那些最近的即将发表的文献。

解释学分析

解释学分析是一种特殊类型的内容分析，研究者可以采用该方法尝试对在特定社会历史情境中的某个文本的主观意义进行“诠释”。与那些在编码过程中忽视文本文件的情境与意义的扎根理论或内容分析不同，解释学分析是一种真正的分析定性数据的诠释性技术。这种方法假定所写的文本描绘了作者在某个特定社会历史情境中的感受，应该结合特定情境进行诠释。因此，研究者不断地在文本的孤立表示（部分）与对情境的全盘理解（整体）之间进行迭代，以形成对嵌入情境中的现象的更深刻理解。德国哲学家马丁·海德格尔(将其称为解释性循环)。“解释性”一词指的是诠释的一种独特的方法或分支。

一般而言，解释学是关于诠释的研究以及关于诠释的理论与实践。传统解释学源于宗教研究（如圣经注解学）或语言学，指的是对书写的文本特别是在文献学、宗教与法律（例如圣经）领域的诠释。在 20 世纪，海德格尔提出理解社会现实的更为直接、无中介和真实的方式是对现实进行体验而不仅仅是观测，因而提出了哲学释义学。海德格尔指出文本不仅仅是读者阅读作者的体验的工具，更是在想象中再次经历作者的体验的工具。由海德格尔的学生如伽达默尔发展的当代或近代解释学进一步分析了用于交流社会经验的书写文本的局限性，并进一步提出了整合所有沟通形式（包括书写的、口头的、非口头的）的诠释性过程的框架，探索了限制书写文本的沟通能力的原因，如预设、语言结构（如语法与句法等）和符号（关于书写标志如象征主义、隐喻、类比和反讽等的研究）。解释学一词有时也与注释学不太准确地进行互用，注释学仅仅是针对书写文本特别是经书的解释或批注。20Schilling, J. (2006). “On the Pragmatics of Qualitative Assessment: Designing the Process for Content Analysis,” European Journal of Psychological Assessment (22:1), 28-37.结论

最后，标准的软件程序如 ATLAS.ti.5，Nvivo 和 QDA Miner 可用于定性研究方法中的自动编码过程。这些程序可以根据用户定义的规则快速有效地组织、寻找、归类与处理大宗的文本数据。为了给自动分析提供指引，研究者需要制定一个编码规则，在对样本文本数据进行初始的收到分析后明确在对文本进行搜索时的关键词或代码。编码规则可以按层级将代码分为高阶代码或变量。需要利用一个不同的文本样本对编码规则验证其精确性与充分性。如果编码规则出现偏误或不准确，那么对于整个总体文本的分析将存在严重缺陷，而难以作出解释。不过，软件程序并不能破译某些字词、短语或这些字词或短语的应用情境（如在反讽或隐喻中）的意义，这将导致大规模定性分析的显著的错误诠释。