《定性数据分析、NVIVO的使用.ppt》由会员分享，可在线阅读，更多相关《定性数据分析、NVIVO的使用.ppt（67页珍藏版）》请在三一文库上搜索。
1、http:/www.btvu.org,质性数据分析和NVIVO的使用2011年6月,http:/www.btvu.org,汇报内容,量的研究VS质的研究,量的研究 采取自然科学研究模式，对研究问题或假设，以问卷、量表、测验或实验仪器等作为研究工具，搜集研究对象有数量属性的资料，经由资料处理与分析之后，提出研究结论，藉以解答研究问题或假设的方法。 质的研究 质的研究方法是以研究者本人作为研究工具，在自然情境下，采用多种资料收集方法，对研究现象进行深入的整体性探究，从原始资料中形成结论和理论，通过与研究对象互动，对其行为和意义建构获得解释性理解的一种活动。,http:/www.btvu.org,质
2、的研究与量的研究的区别质性研究的意义和适用范围,http:/www.btvu.org,质的研究的基本步骤,1）确定研究现象，提出研究问题和概念框架 2）文献综述，反思自作者经验和前设 3）选择研究对象 4）探讨研究关系 5）选择研究方法 6）进入研究现场 7）收集资料 8）分析资料，建构理论 9）质量检测（效度、信度、推广度、伦理问题） 10）写研究报告,循环、演进的研究过程,界定研究问题,进入研究现场,收集资料,分析资料,撰写研究报告,质性数据处理和分析,http:/www.btvu.org,http:/www.btvu.org,你做研究的时候 一般用什么方法收集数据？ 数据是量化的还是质性
3、的？,为什么要用质性数据？,质性数据更加生动。 （故事） 质性数据更加具有情境性，能够对过程进行背景陈述、细描和解释。 通过质性数据，能够让数据具备时间的属性，得到更富有成效的解释。 帮助研究者超越最初的成见和框架。,http:/www.btvu.org,数据分析方法的比较,10,量化数据分析 有一套专门的，标准化的技巧 在数据收集和处理之后开始数据分析 检验假设 用数字和统计来测量社会现象,质性数据分析 非标准化，通常采用归纳的方法 在数据收集的同时进行分析 创造新的概念和理论 数据通常是相对不精确的，分散的，情境相关的。,11,质性数据分析,质性数据比量化数据更难分析。 需要将原始数据缩减
4、为可管理的，有意义的数据。 需仔细阅读你的数据（大部分都是文本），进行编码和撰写分析备忘录。 写作技能在呈现质性数据的时候至关重要。,典型的质性数据分析流程,编码和概念形成,基于数据形成概念 概念形成始于数据收集阶段 数据分析：将数据根据概念/主题划分为不同的类属，例如：进行编码。 结论和证据是相互支持的。 编码是质性数据分析的核心过程。,质性数据中的编码,编码:将原始资料根据其所反映的概念类别进行整理，以发展出新的主题或概念。,开放编码（Open Coding，一级编码）,对所搜集资料进行分析的第一阶段时使用开放式编码，将主题和概念从资料内部浮现出来。 这一轮编码的主要目的是开放对资料的探究
5、，所有的解释都是初步的、 未定的，相应的NVIVO中有一个Free Node的选项。 研究者要求以一种开放的心态，尽量“悬置”个人的“偏见”和研究界的 “定见”，将所有的资料按其本身所呈现的状态进行编码。,开放编码,阅读所有的现场笔记或其他数据，给资料赋予初步的编码标签。 开放编码的过程类似一个漏斗，开始时编码的范围比较宽 ，随后不断地缩小范围，直至编码出现了饱和。 为了使自己的分析不断深入，研究者在对资料进行开放编码的同时应该经常停下来写分析型备忘录，对资料中出现的理论性问题进行思考，通过写作的方式逐 步深化自己已经建构起来的初步理论。 给每一个编码进行初步的命名，命名可以使用当事人的原话，
6、也可以是研究者自己的语言，不要担心这个命名现在是否合适。,http:/www.btvu.org,主轴编码（Axial coding）,对已经存在编码和概念的数据进行二次审视，又被称为二级编码，或关联编码。 主要任务是发现和建立概念类属之间的各种联系，以表现资料中各个部分之间的有机关联。 这些联系可以是因果关系、时间先后关系、语义关系、情境关系、相似关系、差异关系、对等关系、类型关系、结构关系、功能关系、过程关系、策略关系等。,主轴编码（Axial coding）,在主轴编码中，研究者每一次只对一个类属进行深度分析，围绕着这一个类属寻找相关关系，因此称之为“主轴”。随着分析的不断深入，有关各个类
7、属之间的各种联系应该变得越来越具体。 在对概念类属进行关联性分析时，研究者不仅要考虑到这些概念类属本身之间的关联，而且要探寻表达这些概念类属的被研究者的意图和动机，将他们的言语放到当时的语境以及他们所处的社会文化背景中加以考虑。,http:/www.btvu.org,19,选择编码（Selective Coding）,选择编码（又称三级编码或核心编码）指的是：在所有已发现的概念类属中经过系统的分析以后选择 一个“核心类属”，分析不断地集中到那些与核心类属有关的编码上面。 核心类属必须在与其他类属的比较中一再被证明具有统领性，能够将最大多数的研究结果囊括在一个比较宽泛的理论范围之内。,选择编码,
8、在核心编码阶段，研究者应该经常问：“这个（些）概念类属可以在什么概括层面上属于一个更大的社会分析类属？在这些概念类属中是否可以概括出一个比较重要的核心？作者如何将这些概念类属串起来，组成一个系统的理论构架？”这个时期研究者写的备忘录应该更加集中，针对核心类属的理论整合密度进行分析，目的是对理论进行整合，直至取得理论的饱和和完整。,http:/www.btvu.org,三种编码在文章中的表述,马利文，陈会昌（2007）中小学教师对尊重的理解及不尊重行为的表现J.教育研究与实验.（6）：53-56.,http:/www.btvu.org,编码举例,在对一些在美国留学的中国学生的跨文化人际交往活动及
9、其意义解释进行研究时，作者对资料进行了逐级的编码。首先，在开放编码中，作者找到了很多受访者使用的“本土概念”，如“兴趣、愿望、有来有往、有准备、经常、深入、关心别人、照顾别人、管、留面子 、丢面子、含蓄、体谅、容忍、公事公办、情感交流、热情、温暖、铁哥们、亲密、回报、游离在外、圈子、 不安定、不安全、不知所措、大孩子、低人一等，民族自尊、不舒服”等。 然后，在主轴编码中，作者在上述概念之间找到了一些联系，在七个主要类属下面将这些概念连接起来：“交往、人情、情感交流、交友、局外人、自尊、变化”。在每一个主要类属下面又分别有相关的分类属，比如在“人情”下面有“关心和照顾别人 、体谅和容忍、留面子和
10、含蓄”等；在“局外人”下面有“游离在外、圈子、不知所措、不安定、不安全、孤 独、想家、自由和自在”等。,http:/www.btvu.org,编码举例,最后，在所有的类属和类属关系都建立起来以后，作者在选择编码的过程中将核心类属定为“文化对自我和人我关系的建构”。在这个理论框架下对原始资料进行进一步的分析以后，作者建立了两个扎根理论：1）文化对个体的自我和人我概念以及人际交往行为具有定向作用；2）跨文化人际交往对个体的自我文化身份具有重新建构的功能。 资料来源：,http:/www.btvu.org,编码举例（2）,Face to face interviews with 10 informa
11、nts from each group Topic guide Each interview audio recorded and fully transcribed,Coding,Topic guide was based on the following broad themes: 0. Diagnoses of learning disability 1. Patient Needs, 2. Roles & Responsibilities 3. Barriers to Good Practice 4. Evidence of Good Practice 5. Proposed Mech
12、anisms to Encourage Good Practice,Coding,We applied the framework systematically to the texts We used multiple coding where sentences / phrases had many meanings We looked for emergent patterns to give early clues to associations for later stages of analysis,Index/Coding Frame extract:,2. Roles & Re
13、sponsibilities 2.1 Roles & Responsibilities in Primary Care 2.1.1 Medical 2.1.2 Social 2.2 Roles & Responsibilities in Secondary Care 2.2.1 Medical 2.2.2 Social 2.3 Parents/carers responsibilities,编码举例（3）,http:/www.btvu.org,Peer review Giving feedback Receiving feedback helpactions questions general
14、 commentsgiving help criticism suggestions content evaluation technicalotherpositive trouble-shooting,编码举例（3）,http:/www.btvu.org,NVIVO的使用,http:/www.btvu.org,31,为什么要用软件数据量太大,质性研究会产生大量的数据。 1 focus group interview = 50 pages 1 hour interview = 2-6 hours transcription time,32,NVivo是什么,Nvivo=Nudist Vivo
15、Non-numerical Unstructured Data by techniques ofIndexing Searching and Theorizing 非数值型,无结构化数据的 索引、搜寻、理论化 vivo:自由自在 首页: .au,NVIVO 8.0的新特点,多媒体支持 可支持影像和声音的资料直接导入并编码 支持图像和PDF直接导入并编码 可将资料图式化（charts） 团队协同 在协同作业或团队研究时，可显示哪笔资料或编码建立者为谁 可选择地显示特定几位研究者所建立的编码 界面：可用缩图显示(thumbnails)功能、标签（tab）快选功能,NVIVO的分析流程和概念结构,N
16、Vivo 8质性分析流程图,NVIVO的使用,准备阶段 新增项目 原始资料建立 整理原始资料 编码阶段 建立节点 利用个案属性进行编码 利用关键字编码 质性分析阶段 树状节点分析 矩阵节点分析 整合 组合 模型,准备阶段1.新增项目,NVivo 7在文件分析应用,做法：1. New projec2.Title输入名称输入项目描述,准备阶段2.建立原始资料,NVivo 7在文件分析应用,SourcesInternals/Externals/Memos/ New Import,NVivo 8支持导入的文件格式,准备阶段3.整理资料,由于在document模式下可以将资料增减与整理，通过整理资料，可
17、作方便做编码(自动编码和范围编码）,未整理(无分段) 整理后(有分段),编码阶段 - 建立节点,节点 自由节点：进行试探性的质性分析所建立的节点。 树状节点：能被分类且具有树状结构的节点，亦即存在有主从关系。 个案：藉由树状结构的安排来表现概念间的阶层关系，与树状节点不同点是在能设定属性，并针对属性进行分析。 关系：表示两项目之间的关联性。藉由线条符号的使用及关系类型的命名来说明之间关联性。 矩阵：不能由使用者建立，需通过查询来产生，当使用者执行查询中的矩阵编码，其结果就能形成矩阵，可视为两概念交集所形成的节点。,编码阶段 - 建立节点,编码途径 浏览编码：即使用者一边浏览原始资料，一边将所需
18、要的内容编码到指定的节点中。 活力编码：以关键字词快速产生节点，再将选取的内容进行编码。 自动编码：将整份原始资料依照标题或段落的方式自动进行编码。,编码阶段 - 建立节点,右键 code selection Code in vivo Uncode selection Code Tab Auto Code Range Code,编码阶段树状节点,节点建立完成后，即可按照各节点特性，进阶建立成树状编码 做法：先建立树状节点，再将自由节点中各个节点反白复制(右键copy)后，在贴到树状节点上(右键paste),编码阶段：利用个案属性建立编码,前置作业(建立属性) 1.将逐字稿按照探讨部分、或是段落
19、拆开来，在document分别建立文字档，之后将这些档案反白(右键)create as create cases,之后就会在nodes cases看到建立的个案 2.在classification Attributes在空白处右键建立属性New attribute,在value建立属性项目 3.之后到Tools Casebook open casebook 来归类个案的属性,编码阶段：利用属性编码,到Queries右键New querycoding 接着在Queries的result就可看到有新的节点，然后可以复制到树状节点中当成新节点,编码阶段：利用关键字编码,Queries (右键)New
20、 Query Text Search,质性分析阶段,树状节点分析 矩阵节点分析,质性分析：树状节点分析,由于先前的编码已经在自由节点时先行处理过一次，再转到树状节点中，故： 1.可以从树状节点中，观察了解哪个节点涉及的信息比较多 2.可从该节点浏览其对于节点相关的论述，并将相关论述做比较 3.可针对该节点通过memo加入个人看法 点选节点右键Momo Link Link to new memo 编即memo名称，之后到source Memo选取刚刚建立的meno，点选进去编辑心得与分析,对于广义的文化定义 有四种说法,浏览其内容,表示已经建立meno,质性分析：矩阵节点分析,通过交叉分析方式，
21、分析个案。 分析后结果，也可以变成节点。 做法Queries右键New QueryMatrix,查询结果，即可看到如下图矩阵， 再点选交集的节点，如行为与文化特性的关系,浏览后，即可得到生命历经的行为与其文化养成有关系,整合阶段,分析完之后，必须将分析结果与讨论进行整合，形成研究报告，此时，要通过Sets这个功能或Models模型来整合研究结果。 步骤为： 1.建立组合 2.建立关系模型,建立组合,切换到Sets，按照步骤1,2,3,1.点选后右键New set,1.任意输入名称,右键Add Set Members,建立模型关系,目的在表现对资料进行分析后的关联性 首先要建立关系类型，才有办法
22、建立模型关系 再来建立关系节点 最后，建立模型,建立模型关系1.建立关系类型,Classifications Relationship Type(右键) New Relationship Type,建立的范例，有依据、包含、比较,建立模型关系2.建立关系节点,NodesRelationships右键New Relationship,NVivo 7在文件分析应用,关系形态的使用参考,以文化认同为例： 文化认同可以依据文化、文化的学习、文化背景、认同，所以使用“” 在认同中，认同包含了认同的转变与行为的认同，所以使用“” 由于本研究跟在交织生命跟文化关系， 可以用生命与文化比较文化认同和生命历程，
23、所以使用,典型的建立关系节点,注意：在比较的时候，最好使用矩阵分析。 而资料来源请将queries的results中的分析结果，复制到nodes的Matrix， 即可使用,建立模型,Models右键New Model输入名称后,之后再下面空白地方，右键Add Project Items,NVivo 7在文件分析应用,勾选Relationships如下图所示,NVivo 7在文件分析应用,接着就可以看到结果，为了方便编即，在windows中， 将Docked勾勾点掉，即可另开视窗方便编即模型,NVivo 7在文件分析应用,完成,“Behind every quantity there must lie a quality.” (by Gertude Jaeger Selznick, PH. D.),http:/www.btvu.org,http:/www.btvu.org,Q&A,Thank You !,