質性資料分析技巧：編碼、主題分析、NVivo 軟體應用

Slug: qualitative-data-analysis-techniques

摘要:

本篇文章旨在提供一套完整的質性資料分析指南，從基礎概念到進階技巧，深入探討如何透過編碼（Coding）與主題分析（Thematic Analysis）將龐雜的質性資料轉化為有意義的洞見。我們將詳細解析編碼的各個階段，包括開放式編碼、主軸編碼與選擇性編碼，並提供具體的操作範例。此外，本文也會逐步引導讀者進行主題分析，從資料中識別、分析並報告模式（主題）。

前言:

在當代學術與市場研究領域，質性研究的重要性日益凸顯。相較於量化研究專注於數據與統計分析，質性研究更側重於深入理解現象背後的脈絡、意義與複雜性。無論是透過深度訪談、焦點團體、參與式觀察還是文本分析，研究者得以窺見參與者真實的經驗、感受與觀點。然而，這些豐富的非結構性資料，如訪談逐字稿、田野筆記、社群媒體貼文等，往往龐雜而零散，如何從中萃取出系統性的洞見，便成為質性分析的核心挑戰。

許多初學者在面對大量的文本資料時，常感到不知所措，或僅停留在表面的描述，難以進行更深層次的分析。這不僅限制了研究的深度，也可能導致研究結果的信度與效度受到質疑。真正的質性分析，是一門兼具科學嚴謹性與藝術創造性的學問。它需要一套系統性的方法論，引導研究者逐步將原始資料轉化為具有解釋力的理論或模型。

本文將聚焦於質性資料分析中最核心的兩大技巧：編碼（Coding）與主題分析（Thematic Analysis）。編碼是將資料拆解、概念化並重新組合的過程，是建構分析的基石；主題分析則是在編碼的基礎上，進一步識別和詮釋資料中反覆出現的模式或主題。此外，為了順應數位時代的趨勢，我們也將介紹如何利用強大的質性資料分析軟體 NVivo，將繁瑣的手動操作自動化，讓研究者能更專注於思考與詮釋，而非資料管理。無論您是正在準備學位論文的研究生、需要進行市場調查的分析師，還是對質性研究充滿好奇的學習者，本篇文章都將為您提供一套清晰、實用且深入的行動指南。

質性研究的魅力在於其能夠捕捉人類經驗的細微之處，揭示複雜社會現象的深層邏輯。然而，這種深度理解的過程並非一蹴可幾，它需要研究者投入大量的時間和精力，對資料進行反覆的閱讀、思考、比較和詮釋。本指南將透過理論闡述、實例分析和工具應用，幫助您掌握質性資料分析的精髓，讓您能夠自信地駕馭質性資料的海洋，從中提煉出獨到而深刻的洞見。

---

第一章：質性資料分析的基礎：從準備到心態

在深入探討編碼與主題分析等具體技術之前，建立正確的基礎至關重要。這不僅涉及資料的準備與管理，更關乎研究者應有的分析心態。一個穩固的起點，將為後續的分析工作奠定成功的基石。本章將從資料準備的細節、研究者反思性的實踐，到初步閱讀的技巧，為您鋪開質性分析的地圖，確保您在出發前已做好萬全準備。

1.1 資料準備與管理：工欲善其事，必先利其器

質性資料的形式多樣，包括訪談錄音、逐字稿、田野筆記、影像、圖片、社群媒體內容等。在分析開始前，系統性的整理是不可或缺的步驟，它直接影響到後續分析的流暢度與準確性。一個組織良好、準備充分的資料集，能讓研究者將更多精力投入到深層次的分析與詮釋，而非耗費在繁瑣的資料尋找與校對上。

• 逐字稿的品質與細節：對於訪談或焦點團體，一份高品質的逐字稿是分析的基礎。這不僅意味著準確聽打所有對話，還應包含非語言訊息，如停頓（以秒數標記，如 (2s)）、笑聲、語氣的轉變（如 [語氣加重]）、猶豫（嗯、啊）、咳嗽、嘆息等。這些細節往往蘊含著重要的情感與意義，是理解參與者深層感受的關鍵線索。建議在逐字稿旁保留空白欄位，供後續註記與反思。例如，可以設計一個包含時間戳、發言人、內容和初步註記的表格，並在逐字稿中標註時間碼，以便回溯原始音檔。

  時間碼	發言人	內容	初步註記
  00:01:23	P1	「我覺得這份工作壓力真的很大 (3s) 每天都像在打仗一樣。」	語氣疲憊，顯示高壓工作環境
  00:02:05	P2	「嗯... (2s) 我不太確定該怎麼說，但有時候會覺得自己的努力沒有被看見。」	猶豫，可能表達了不確定或委屈

  實用建議：考慮使用專業的轉錄服務或軟體（如 Otter.ai, Happy Scribe）來提高逐字稿的效率和準確性。即使使用自動轉錄，也務必進行人工校對，並補充非語言訊息。在轉錄過程中，保持一致的格式和標記符號，將有助於後續的分析。

• 資料的匿名化與倫理考量：基於學術倫理，保護參與者的隱私是首要原則。在分析前，務必將所有可識別個人身份的資訊（如姓名、公司名稱、特定地點、學校名稱、職位、關係人等）進行匿名化處理，以代號（如 P1, P2, 公司A, 學校B, 受訪者甲）取代。這不僅是保護參與者的權利，也是維護研究信譽的表現。建立一份獨立的、加密保護的代號對照表，並妥善保管，僅在必要時查閱。在任何公開報告或發表中，都應確保匿名化處理的徹底性。

  實用建議：在資料收集階段就應向參與者明確告知匿名化處理的細節，並在知情同意書中載明。在處理敏感資料時，應使用加密儲存，並限制資料的存取權限。匿名化不僅是技術操作，更是一種倫理態度。

• 建立系統化的檔案管理系統：為您的研究專案建立一個清晰、邏輯性強的檔案結構。這不僅有助於您個人管理，也方便未來與他人協作或資料共享。例如，可以創建不同的資料夾來存放原始音檔、逐字稿、分析備忘錄（Memos）、圖片、文獻、研究日誌、同意書等。統一的命名規則（如 ProjectName_Interview_P1_20240915_v1.docx，其中 v1 表示版本號）能幫助您快速找到所需檔案，尤其在資料量龐大或專案時間跨度長時更顯重要。在專案開始時就建立好這個系統，並嚴格遵守，定期整理。

  實用建議：使用雲端儲存服務（如 Google Drive, Dropbox, OneDrive）進行檔案同步和版本控制，方便團隊協作和資料備份。為每個資料夾設定清晰的命名規則，並在專案初期就制定好檔案管理規範。

• 備份！備份！再備份！：研究資料是無價之寶，其重要性不言而喻。務必在多個安全的地方進行備份，以防意外丟失。建議採用「3-2-1原則」：3 份資料拷貝，儲存在 2 種不同類型的儲存媒介上，其中 1 份儲存在異地。例如，一份在電腦硬碟，一份在外部硬碟，一份在雲端儲存（如 Google Drive, Dropbox, OneDrive）。定期檢查備份的完整性與可恢復性，確保資料安全無虞。

  實用建議：設定自動備份，減少人為疏忽。定期測試備份資料是否可讀取，確保在需要時能夠恢復。對於高度敏感的資料，考慮使用加密備份。

1.2 研究者的反思性（Reflexivity）：帶著覺察進入分析

質性研究強調研究者本身就是分析工具的一部分。您的個人背景、價值觀、既有假設、文化視角，都可能在不經意間影響您對資料的解讀。因此，反思性成為確保研究嚴謹性、透明度和可信度的關鍵。它要求研究者對自身在研究過程中的角色和影響進行持續的批判性審視。

定義：反思性（Reflexivity） 反思性是指研究者對自身在研究過程中所扮演角色的持續性批判與反思，包括個人的社會背景、假設、價值觀、理論傾向、情感反應等如何影響資料的蒐集、分析與詮釋。它是一種自我覺察和自我批判的實踐。

實踐反思性的具體方法是撰寫研究日誌或備忘錄（Memos）。在整個分析過程中，隨時記錄您的：

• 初步想法與假設：當您閱讀一份逐字稿時，腦中浮現了哪些初步的詮釋？這些詮釋是否受到您個人經驗、學術訓練或文化背景的影響？您對研究主題的預設觀點是什麼？
• 情感反應與偏見：某位參與者的故事是否引起您強烈的情感共鳴或反感？為什麼？這種情感反應如何影響您對該參與者言論的解讀？您是否對某些觀點持有偏見？
• 決策過程與理由：您為什麼決定將某段文字歸類於這個編碼，而非另一個？在分析過程中遇到了哪些困惑與挑戰？您是如何解決的？這些決策背後的理由是什麼？
• 方法論的反思：您選擇的訪談問題是否引導了參與者的回答？您的在場是否影響了觀察情境的自然性？資料收集的方法是否限制了某些聲音的表達？
• 與資料的互動：您如何與資料互動？資料如何挑戰或證實您的想法？您在分析過程中學到了什麼？

這些紀錄不僅幫助您保持對自身偏見的覺察，更是分析過程本身的重要部分。許多深刻的洞見，正是在這種不斷自我對話與反思的過程中產生的。反思性日誌本身就可以成為一份寶貴的研究資料，揭示了知識是如何被建構出來的，並增加了研究的透明度和可信度。在最終的研究報告中，適當地呈現反思性，也能讓讀者更全面地理解研究的脈絡和限制。

實用建議：將反思性日誌視為研究不可或缺的一部分，而非額外負擔。可以每天或每次分析結束後，花 15-30 分鐘撰寫備忘錄。在 NVivo 等軟體中，內建的備忘錄功能可以方便地與資料片段或編碼連結，讓您的反思與分析過程緊密結合。

1.3 初步閱讀與沉浸：與資料建立第一次親密接觸

在正式開始編碼之前，切忌直接跳入細節。您需要花時間反覆、全面地閱讀您的資料，讓自己完全沉浸其中。這個階段的目標不是分析，而是熟悉，是為了獲得一種對資料整體的「感覺」（a sense of the whole）。這就像在開始解剖之前，先觀察整個生物的形態和行為。

• 通讀所有資料：至少完整地閱讀所有逐字稿或田野筆記一到兩遍。第一遍可以快速瀏覽，了解大概內容、主要事件和參與者的基本觀點；第二遍則應放慢速度，仔細品味，開始注意重複出現的詞彙、短語、概念或故事線。此時，您可能會開始對資料產生一些初步的「直覺」或「預感」。
• 聆聽原始錄音/觀看影片：重聽訪談錄音或觀看影片，一手拿著逐字稿，一手做筆記。感受參與者的語氣、情緒、音量、語速和節奏，這些是純文字無法完全傳達的。您可能會發現逐字稿未能捕捉到的弦外之音、語氣中的諷刺、停頓中的深意，或是肢體語言所傳達的訊息。這有助於您更全面地理解資料的豐富性。
• 做初步的筆記與高亮：在閱讀過程中，隨手記下那些讓您印象深刻的詞彙、句子、故事或隱喻。這些「亮點」往往是後續分析的重要線索。此時的筆記是自由的、非結構化的，可以是問題、評論、初步的想法，甚至是您自己的感受。您也可以使用不同顏色的螢光筆或標記工具，對資料中不同類型的內容進行初步的區分，例如用黃色標記「感受」，用藍色標記「行動」，用綠色標記「原因」。
• 撰寫資料摘要：在通讀每份資料後，嘗試用簡短的幾句話或一個段落，總結這份資料的核心內容、主要觀點和您對它的初步印象。這有助於您在腦海中建立一個資料的「地圖」。

這個沉浸的過程，能幫助您建立對整個資料集的宏觀感受，了解大致的輪廓與氛圍，為接下來更具結構性的編碼工作做好準備。如同拼圖一樣，您需要先看看完整的圖樣，再開始尋找每一片拼圖的位置。忽略這一步，直接進入編碼，往往會導致分析變得零碎，缺乏整體感，甚至可能錯失資料中重要的脈絡信息。

常見錯誤提醒：

• 過早下結論（Premature Closure）：在未全面熟悉資料前，就根據片段資訊草率地做出詮釋，這會導致分析的偏頗和膚淺。質性分析需要耐心，讓資料「說話」。
• 忽略非語言訊息：只關注文字內容，而忽略了語氣、停頓、肢體語言等重要的溝通線索，這會導致對資料理解的片面性。
• 缺乏系統性整理：檔案雜亂無章，導致分析過程中浪費大量時間尋找資料，甚至可能遺失重要資料，影響分析效率和準確性。
• 將反思性視為額外工作：認為反思性日誌是可有可無的，從而忽略了管理自身主觀性的重要性，這會降低研究的透明度和可信度。
• 一次性閱讀：只閱讀一次資料就開始編碼，這會錯失許多深層次的細節和模式。反覆閱讀是質性分析的黃金法則。

---

第二章：編碼（Coding）：質性資料分析的核心技術

編碼是質性分析的引擎，它將龐雜的原始資料分解、標籤化，並為後續的主題發展奠定基礎。這個過程並非簡單的分類，而是一個充滿詮釋與思辨的創造性活動。它要求研究者不僅要識別資料中的顯性內容，更要挖掘其隱含的意義。本章將深入介紹編碼的層次、方法與實用技巧，並提供具體範例。

2.1 什麼是編碼？為何它如此重要？

在質性研究中，編碼是研究者為資料片段（如一個詞、一句話、一段話，甚至是一張圖片或一段影片）賦予一個簡潔標籤（即「編碼」或「代碼」）的過程。這個標籤捕捉了該片段的核心意義、概念或屬性。編碼的本質是將原始資料進行概念化和分類，是從具體到抽象的轉化過程。

範例：

• 原始資料：「我每天下班回家都覺得筋疲力盡，根本沒有心力再去做別的事情，只想躺在沙發上滑手機。我覺得自己好像被工作掏空了。」
• 可能的編碼：職業倦怠、下班後的無力感、尋求被動式放鬆、被工作掏空感、精力耗竭

編碼的重要性在於：

1. 系統化整理與濃縮：將數萬字的文本，濃縮成數十或數百個有意義的編碼，便於管理、比較和檢索。它將非結構化的資料轉化為半結構化的形式，為進一步分析提供便利。
2. 促使深度思考與詮釋：為資料下標籤的過程，強迫研究者仔細思考每一句話背後的深層含義、潛在的假設和其與研究問題的關聯。這是一個主動建構意義的過程，而非被動地接受資料。
3. 建立分析基礎與理論建構：編碼是後續識別主題、建立理論模型或概念框架的基礎材料。沒有好的編碼，就不可能有深刻的分析和有說服力的研究發現。編碼是從資料中「浮現」理論的關鍵步驟。
4. 提升研究的透明度與可追溯性：透過清晰的編碼過程和編碼簿，其他研究者可以理解您的分析路徑，增加研究的可信度和可重複性。

2.2 編碼的三個層次：從開放到選擇

編碼通常被視為一個迭代上升的過程，最經典的劃分來自於紮根理論（Grounded Theory），分為三個主要階段：開放式編碼、主軸編碼與選擇性編碼。即便您不採用完整的紮根理論方法，這個層次劃分依然極具參考價值，因為它提供了一個從資料細節到抽象概念的系統性路徑。

階段一：開放式編碼（Open Coding）

這是編碼的初始階段，目標是打破資料的限制，盡可能地產生多元、開放的編碼。在這個階段，您需要逐行、逐句、甚至逐詞地閱讀資料，問自己：「這段話在說什麼？」、「這裡面包含了哪些概念？」、「參與者想表達什麼？」、「這句話的潛在意義是什麼？」

操作技巧：

• 保持開放與敏感：不要被既有的理論或假設所束縛。讓資料本身對您說話，對資料中的每一個細節保持敏感。暫時放下您的理論眼鏡，以「初學者」的心態去接觸資料。
• 盡量詳細與具體：初期編碼可以非常具體，甚至直接使用參與者的原話（稱為 In Vivo Code）。例如，「覺得自己像個局外人」、「老闆只看結果不看過程」。避免一開始就使用過於抽象的編碼，以免錯失資料的細節。
• 持續比較法（Constant Comparative Method）：不斷將新產生的編碼與已有的編碼進行比較。它們是相似還是不同？是否可以合併或進一步細分？這個方法是確保編碼一致性、發展編碼定義和發現資料中模式的關鍵。
• 善用備忘錄（Memos）：當您產生一個編碼時，立即在備忘錄中寫下您對這個編碼的定義、想法、它與其他編碼的可能關聯、您對它的疑問，以及任何可能影響您判斷的反思。備忘錄是您分析過程的「思考軌跡」。
• 問自己問題：不斷向資料提問，例如：「這是什麼？」、「它代表什麼？」、「它的原因是什麼？」、「它的結果是什麼？」、「它與什麼相關？」

範例：一段關於遠距工作經驗的訪談

原始逐字稿	開放式編碼	備忘錄（Memos）
「剛開始在家工作時，我覺得超自由的，可以自己安排時間，沒人盯著。但久了之後，就覺得有點孤單，很懷念以前在辦公室跟同事聊天打屁的日子。」	享受工作彈性、自主時間管理、遠距初期正面感受、遠距工作的孤獨感、懷念辦公室社交、社交連結需求	備註：P1 對遠距工作感受有明顯轉變，從積極到消極。孤獨感可能與社交需求未被滿足有關。
「最大的挑戰是，工作跟生活的界線變得很模糊。以前下班卡一打，就是自己的時間。現在好像隨時都在待命，很難真正放鬆。」	工作與生活界線模糊、隨時待命的壓力、難以切換狀態、個人時間被侵蝕、缺乏下班儀式感	備註：P1 提到「下班卡一打」是過去的明確界線，現在這種界線消失導致壓力。這可能是一個普遍現象。

經過開放式編碼，您可能會得到數十甚至數百個初步編碼。這看起來可能很混亂，但這是必經的過程，是您對資料進行「去骨拆肉」的階段。

階段二：主軸編碼（Axial Coding）

在開放式編碼的基礎上，主軸編碼的任務是將這些零散的編碼組織起來，建立它們之間的聯繫。您需要開始尋找編碼之間的邏輯關係，將它們分門別類，形成更具概括性的「類別」（Categories）。這個階段的目標是開始建構一個初步的分析框架，將資料碎片重新組裝。

操作技巧：

• 尋找關聯與分組：檢視您的開放式編碼清單，哪些編碼可以被歸類在一起？例如，「遠距工作的孤獨感」和「懷念辦公室社交」可以被歸入一個更大的類別，如「社交連結的失落」。思考這些編碼之間是因果關係、屬性關係還是時間順序關係。
• 發展類別的屬性與維度：為每個類別定義其屬性與維度。例如，對於「工作與生活界線模糊」這個類別，其屬性可能包括「時間上的模糊」（隨時待命）與「空間上的模糊」（臥室變成辦公室）。這些屬性有助於更精確地理解類別的內涵。
• 繪製關係圖與心智圖：嘗試用視覺化的方式（如心智圖、流程圖、概念圖）來呈現類別之間的關係。哪個是核心現象？哪些是原因？哪些是結果？哪些是條件？哪些是策略？這種視覺化有助於您發現資料中隱藏的結構。
• 撰寫類別備忘錄：為每個新形成的類別撰寫備忘錄，詳細定義該類別，解釋其包含哪些編碼，以及它與其他類別的關係。

範例：將開放式編碼組織為主軸編碼

• 類別：遠距工作的挑戰

  • 子類別：人際與社交層面
    • 編碼：遠距工作的孤獨感
    • 編碼：懷念辦公室社交
    • 編碼：社交連結需求
    • 編碼：溝通效率降低
  • 子類別：個人平衡與壓力
    • 編碼：工作與生活界線模糊
    • 編碼：隨時待命的壓力
    • 編碼：難以切換狀態
    • 編碼：精力耗竭

• 類別：遠距工作的益處

  • 子類別：工作彈性與自主
    • 編碼：享受工作彈性
    • 編碼：自主時間管理
    • 編碼：節省通勤時間
  • 子類別：工作效率提升
    • 編碼：更高的專注度
    • 編碼：減少干擾

階段三：選擇性編碼（Selective Coding）

這是編碼的最高層次，目標是從眾多類別中，提煉出一個或數個「核心類別」（Core Category）。這個核心類別能夠統攝大部分的資料，並構成您研究故事的主軸。它是一個具有解釋力的概念，能夠將所有其他類別整合到一個更宏大、更連貫的理論框架中。

操作技巧：

• 識別故事線與核心概念：問自己：「如果我要用一句話來總結我的研究發現，那會是什麼？」、「什麼是這個現象最核心的解釋？」這個總結性的陳述，往往就指向您的核心類別。核心類別應該是飽和的、具有解釋力的，並且能夠解釋其他主要類別之間的關係。
• 系統性地驗證：一旦確定了核心類別，您需要回到原始資料中，系統性地檢視這個核心類別是否能有效地解釋大部分的現象。是否有與之矛盾的案例（反面案例）？這些反面案例如何挑戰或完善您的核心類別？
• 發展理論框架：圍繞核心類別，將其他相關的主軸類別整合進來，形成一個具有解釋力的理論框架或故事線。這可能涉及繪製更複雜的概念模型，展示各類別之間的因果、條件、情境和行動/互動策略。
• 撰寫理論備忘錄：詳細闡述您的核心類別，解釋其如何整合其他類別，以及它對研究問題的回答。這份備忘錄可能就是您研究發現的初稿。

範例：從主軸編碼到核心類別

在上述遠距工作的例子中，核心類別可能是「在自主與孤立之間擺盪：遠距工作者的雙重體驗與調適策略」。這個核心類別不僅涵蓋了益處（自主）與挑戰（孤立），更點出了兩者之間的動態張力，以及參與者如何應對這些挑戰的策略，提供了一個更深刻、更全面的詮釋視角。其他類別如「遠距工作的挑戰」和「遠距工作的益處」則成為支持和闡釋這個核心類別的子概念。

2.3 編碼的實用建議與常見錯誤

• 從一小部分資料開始（Pilot Coding）：不要試圖一次編碼所有資料。可以先從 2-3 份訪談稿開始，進行開放式編碼，發展出初步的編碼簿（Codebook），然後再應用到其他資料上，並隨時根據新資料的出現修正和完善編碼簿。這是一個迭代的過程。
• 建立詳細的編碼簿（Codebook）：編碼簿是您研究的藍圖，它應該包含每個編碼／類別的名稱、詳細定義、一個正向和一個反向的範例（如果適用），以及任何相關的備忘錄。這對於確保編碼的一致性，尤其在團隊合作中，至關重要。編碼簿應是動態的，隨著分析的深入而持續更新。
• 兩人或多人編碼（Inter-coder Reliability/Agreement）：如果條件允許，可以邀請另一位研究者對部分資料進行獨立編碼，然後比較兩人的結果，討論差異之處。這能有效提升研究的信度，並幫助澄清編碼定義。對於分歧，應透過討論達成共識，並更新編碼簿。
• 保持分析的透明度：在研究報告中，清晰地描述您的編碼過程，包括您如何定義編碼、如何將資料歸類，以及您在分析過程中做出的重要決策。這有助於讀者評估您研究的嚴謹性。

常見錯誤提醒：

• 編碼過於寬泛或籠統：使用如「正面感受」、「負面感受」、「重要的事情」等過於籠統的編碼，這會失去資料的細節與深度，無法提供有意義的洞見。編碼應盡可能具體和有描述性。
• 將編碼等同於計數：質性分析的重點是意義、脈絡和深層理解，而非頻率。某個編碼出現的次數多，不一定代表它最重要或最具解釋力。過度關注頻率會將質性分析量化，失去其本質。
• 編碼過程缺乏彈性：死守最初的編碼，不願意根據新的資料或理解進行修改、合併或拆分。質性分析是一個動態的、迭代的過程，編碼簿應隨時準備好被修正。
• 將資料摘要當作編碼：編碼是概念化，而不是簡單地重述資料內容。例如，將「P1 說他很累」編碼為「P1 說他很累」，這只是摘要，而非概念化。更合適的編碼可能是「精力耗竭」或「工作壓力導致疲憊」。
• 缺乏理論敏感度：在編碼過程中，未能將資料與現有理論或概念進行對話，導致編碼停留在描述層面，無法上升到理論建構。

編碼是一項極具挑戰性但也充滿回報的工作。它迫使我們放下預設，真正地去「聆聽」資料。一個好的編碼過程，本身就是一場深刻的智識之旅，它將引導您從資料的表象走向深層的意義建構。

---

第三章：主題分析（Thematic Analysis）：從編碼到洞見

主題分析是質性研究中最常用且彈性最高的分析方法之一。它超越了單純的編碼，旨在從資料中識別、分析並報告重複出現的模式或「主題」。這些主題不僅僅是資料的摘要，更是對資料深層意義的詮釋，是研究者對資料進行概念化和理論化的結果。本章將詳細介紹主題分析的六個步驟，並提供實用建議與常見陷阱，幫助您將編碼的「磚塊」建構成有意義的「建築」。

3.1 什麼是主題分析？為何選擇它？

主題分析是一種用於識別、分析和報告資料中模式（主題）的方法。它是一種靈活的分析工具，可以應用於各種理論框架（如實用主義、批判現實主義、建構主義等），使其成為質性研究者的熱門選擇。主題是資料中重複出現的、有意義的模式，它捕捉了資料中某些方面的重要性及潛在意義。

選擇主題分析的原因：

• 靈活性高：主題分析不綁定特定的理論框架，研究者可以根據研究問題和資料性質，選擇歸納法（從資料中浮現主題）或演繹法（從現有理論出發尋找主題）。這種彈性使其適用於廣泛的研究領域和問題。
• 易於上手：相較於紮根理論、現象學等方法，主題分析的步驟相對清晰，對於初學者而言更容易學習和應用。
• 適用於多種資料類型：主題分析可用於分析訪談、焦點團體、問卷的開放式問題、文獻、媒體內容等多種質性資料。
• 提供深度洞察：主題分析不僅僅是描述資料，更能幫助研究者深入詮釋資料，發現資料背後的潛在意義和結構。

3.2 主題分析的六個步驟（Braun & Clarke, 2006）

Virginia Braun 和 Victoria Clarke 提出的六步驟主題分析法，是目前最廣為人知且被廣泛應用的框架。這六個步驟並非線性，而是一個反覆迭代、來回穿梭的過程。

步驟一：熟悉資料（Familiarizing yourself with your data）

這一步與我們在第一章提到的「初步閱讀與沉浸」高度重疊。您需要反覆閱讀資料，並開始做初步的筆記。目標是完全沉浸在資料中，對資料有一個全面的、整體的理解。這包括通讀所有資料、聆聽原始錄音或觀看影片，以及做初步的筆記與高亮。這個階段的目的是為了獲得對資料的「整體感」，為後續的編碼工作打下基礎。

步驟二：生成初步代碼（Generating initial codes）

這一步對應的是第二章的「開放式編碼」。您需要對資料進行系統性的編碼，識別出資料中有趣的、與研究問題相關的特徵，並賦予簡潔的代碼。在這個階段，應盡可能地產生多元的代碼，捕捉資料的豐富性。這是一個將資料碎片化、概念化的過程，是從具體到抽象的轉化。

步驟三：搜尋主題（Searching for themes）

這是主題分析的核心步驟，目標是將零散的代碼組織成潛在的主題。您需要開始思考代碼之間的關係，將相關的代碼分組，形成候選主題。這個過程需要研究者不斷地比較、歸類和連結代碼，從中發現重複出現的模式或概念群。

操作技巧：

• 視覺化輔助：將所有代碼寫在便利貼上，貼在牆上或白板上，然後嘗試移動、分組、歸類。或者使用心智圖軟體（如 XMind, Coggle）來進行視覺化的整理。這種方式有助於您跳出線性思維，發現代碼之間的模式。在 NVivo 中，您可以利用「Nodes」功能建立層級結構，並使用「Maps」功能繪製概念圖。
• 建立候選主題：將相關的代碼組合在一起，形成一個「候選主題」。為這個候選主題起一個臨時的名稱，並列出其包含的所有代碼。例如，如果有多個關於「時間管理困難」、「拖延」和「多任務處理壓力」的代碼，它們可能共同指向一個候選主題：「學習效率挑戰」。
• 處理「雜項」代碼：有些代碼可能暫時無法歸入任何主題，可以先將它們放在一個「雜項」或「待定」的類別中，後續再回來檢視。這些看似不相關的代碼，有時反而能引導您發現新的、意想不到的主題。
• 思考主題的層次：主題可以有不同的層次，有些是廣泛的，有些是具體的。在搜尋主題時，要思考如何將這些不同層次的模式組織起來，形成一個有邏輯的分析框架。

步驟四：審查主題（Reviewing themes）

這個階段的任務是精煉您的候選主題。您需要從兩個層面來審查它們：

1. 在代碼層面審查：檢查每個主題下的代碼是否真的屬於這個主題？它們之間是否有一致性？如果一個主題下的代碼過於分散，可能需要將其拆分成多個主題，或者重新思考這個主題的定義。確保每個主題內部具有同質性，而主題之間具有異質性。
2. 在整個資料集層面審查：重新閱讀整個資料集，檢查您的主題地圖是否能準確地反映資料的全貌？是否有重要的資料被遺漏？主題之間是否有清晰的區別？這個階段需要您不斷地在主題和原始資料之間來回穿梭，確保主題能夠充分地代表資料，並且沒有遺漏重要的訊息。

在這個階段，您可能會合併主題（如果它們過於相似）、拆分主題（如果一個主題包含的內容過於廣泛）、捨棄主題（如果某個主題的資料支持不足），或創建新的主題。這是一個不斷迭代和修正的過程，直到您對主題地圖感到滿意為止。這個過程需要批判性思維和對資料的深刻理解。

步驟五：定義和命名主題（Defining and naming themes）

當您確定了最終的主題後，就需要為每個主題進行清晰的定義和命名。這一步的目標是抓住每個主題的「本質」，並使其能夠在報告中清晰地呈現。

操作技巧：

• 撰寫主題分析報告：為每個主題撰寫一段詳細的描述。這段描述應該清楚地定義該主題，解釋其內涵、邊界，以及它如何與研究問題相關。同時，您需要從原始資料中挑選出最具代表性的引文，來支持和說明這個主題。這些引文不僅能證明您的主題，也能讓讀者更直觀地感受到資料的豐富性。
• 命名主題：為每個主題起一個簡潔、生動且能準確概括其內容的名稱。好的主題名稱應該能讓讀者一目了然地理解該主題的核心意義。避免使用過於學術化或抽象的詞彙，力求清晰和易懂。例如，與其使用「認知失調」，不如使用「內心矛盾與掙扎」。

步驟六：撰寫報告（Producing the report）

這是分析的最後階段，目標是將您的分析結果轉化為一篇具有說服力的學術報告或研究報告。您需要將主題分析的結果與現有文獻進行對話，討論您的研究發現的理論意涵和實務應用價值。

報告結構建議：

• 引言：介紹研究背景、問題和分析方法。簡要說明您為何選擇主題分析，以及您如何進行分析。
• 分析結果：逐一呈現您的主題。每個主題下應包含：
  • 主題的名稱和定義。
  • 對主題的詳細描述和詮釋，解釋該主題如何回答您的研究問題。
  • 來自原始資料的引文作為證據，這些引文應該是精挑細選的，能夠有力地支持您的論點。
  • 討論該主題與其他主題的關係，以及它在整個研究故事中的位置。
• 討論：總結您的研究發現，將其與現有文獻進行比較和對話，討論研究的理論貢獻、實務意涵、研究限制和未來研究方向。這個部分是您展現批判性思維和理論建構能力的地方。

3.3 主題分析的實用建議與常見陷阱

實用建議：

• 主題地圖（Thematic Map）：在整個分析過程中，持續繪製和更新您的主題地圖。這張地圖可以視覺化地呈現主題之間的層級關係、連結和整體結構，是您思考和溝通的有力工具。您可以使用手繪、心智圖軟體或 NVivo 的地圖功能來創建。
• 反面案例分析（Negative Case Analysis）：主動尋找與您主題不符或矛盾的資料。對這些反面案例的分析，不僅能增加研究的嚴謹性，也常常能帶來更深刻的洞見，幫助您修正和完善您的主題。不要害怕與您的預期不符的資料，它們往往是發現新知識的契機。
• 保持故事線（Storyline）：在呈現結果時，思考如何將您的主題串連成一個連貫、有邏輯的故事。這個故事應該能夠清晰地回答您的研究問題，並向讀者傳達一個明確的訊息。好的研究報告就像一個引人入勝的故事，讓讀者能夠跟隨您的思路，理解您的發現。
• 團隊協作與討論：如果可能，與其他研究者或同儕定期討論您的主題和分析過程。不同的視角可以幫助您發現盲點，並提升分析的深度和廣度。

常見陷阱：

• 將主題視為資料的簡單歸納：主題不僅僅是資料的摘要，而是對資料的詮釋。一個好的主題應該具有分析性和解釋力，而不僅僅是重複資料的表面內容。避免將資料片段簡單地堆疊在一起，而沒有進行深層次的意義建構。
• 主題之間缺乏清晰的區別：主題之間應該有明確的界線和獨特的貢獻。如果主題之間重疊過多，可能需要重新審查和定義。每個主題都應該有其獨特的「故事」和「意義」。
• 主題與原始資料脫節：分析結果必須牢牢地植根於資料。在報告中，務必使用充分的引文來支持您的每一個主題，讓讀者看到您的詮釋是如何從資料中產生的。缺乏資料支持的主題，將會顯得空泛無力。
• 未能超越描述層面：主題分析的目標是詮釋，而不僅僅是描述。您需要解釋這些主題意味著什麼？它們為何重要？它們如何幫助我們理解現象？僅僅描述資料內容，而沒有進行深層次的分析和理論連結，會降低研究的價值。
• 過度概括或過度細分：主題的廣度需要適中。過度概括會導致主題內容空泛，失去細節；過度細分則會讓主題過於零散，難以形成連貫的分析。這需要研究者在分析過程中不斷地權衡和調整。

主題分析是一個系統化且富有創造性的過程。透過這六個步驟的引導，研究者可以將龐雜的質性資料轉化為清晰、深刻且具說服力的研究發現，從而為學術對話和實務應用貢獻價值。

---

第四章：NVivo 軟體應用：提升質性分析效率的利器

在數位時代，質性資料分析軟體（Qualitative Data Analysis Software, QDAS）已成為研究者的得力助手。其中，NVivo 是目前最主流、功能也最全面的軟體之一。本章將介紹 NVivo 的核心功能，並透過實際操作範例，展示如何利用 NVivo 進行編碼、主題分析、資料查詢與視覺化，從而大幅提升您的研究效率與分析深度。

4.1 為何使用 NVivo？軟體在質性分析中的角色

首先需要澄清一個重要觀念：NVivo 不會為您分析資料。它是一個強大的管理與輔助工具，其角色是將研究者從繁瑣的資料整理、剪貼、分類等手動操作中解放出來，讓您能將更多寶貴的時間與精力，投入到更高層次的思考、詮釋與理論建構中。

使用 NVivo 的主要優勢：

• 集中管理海量資料：NVivo 像一個強大的資料庫，可以將您所有的研究資料（逐字稿、PDF文獻、圖片、音訊、視訊、社群媒體資料、網頁內容等）集中儲存在一個專案檔案中，方便隨時存取與管理。這對於處理大量異質性資料的研究尤其重要。
• 靈活高效的編碼工具：提供多種編碼方式（拖曳、右鍵、快速編碼等），讓編碼過程更直觀、更有效率。您可以隨時修改、合併、拆分編碼，並輕鬆回溯到原始資料。NVivo 支援層級式編碼，有助於您從具體概念逐步抽象化到主題。
• 強大的查詢與探索功能：這是 NVivo 最核心的價值之一。您可以進行各種複雜的查詢，例如：
  • 文字頻率查詢（Word Frequency Query）：快速找出資料中出現頻率最高的詞彙，這可能會給您一些初步的分析方向，例如哪些概念或議題在資料中被頻繁提及。
  • 文字搜尋查詢（Text Search Query）：搜尋特定詞彙或短語在資料中的所有出現位置，並顯示其上下文，幫助您深入理解其使用情境。
  • 編碼查詢（Coding Query）：找出同時被多個編碼標記的資料片段，探索概念之間的交集。例如，您可以查詢「壓力」和「工作與生活平衡」同時出現的資料，以理解兩者之間的關係。
  • 矩陣編碼查詢（Matrix Coding Query）：以表格形式交叉分析不同案例（如不同性別、年齡層的參與者）與不同編碼的關係，是進行比較分析的利器。例如，比較男性和女性在「職業倦怠」上的差異。
  • 交叉表查詢（Crosstab Query）：類似於矩陣編碼查詢，但更側重於案例屬性與編碼之間的關係，可以進行更精細的比較。
• 促進反思與理論建構：內建的備忘錄（Memos）和註解（Annotations）功能，可以方便地記錄您的分析思路、理論連結與反思，並將其與具體的資料或編碼連結起來。這有助於建立「審計軌跡」，提升研究的透明度。
• 多樣化的視覺化呈現：提供詞雲（Word Cloud）、概念圖（Concept Map）、專案地圖（Project Map）、層級圖表（Hierarchy Chart）、比較圖（Comparison Diagram）等視覺化工具，幫助您以更直觀的方式探索和呈現資料中的模式與關係。這些圖表不僅有助於研究者理解資料，也能有效地向讀者傳達研究發現。
• 協同工作：支援多位研究者在同一專案上協同工作，確保編碼一致性並提高團隊效率。NVivo 提供了專案合併（Project Merge）功能，方便團隊成員整合各自的分析結果。
• 提升研究的透明度與嚴謹性：NVivo 會自動記錄您的分析軌跡，方便您回溯和審查自己的分析過程，也使得研究的透明度和可信度更高。這對於質性研究的品質評估至關重要。

4.2 NVivo 核心介面與功能介紹

當您打開 NVivo，會看到一個清晰的工作介面，主要分為幾個區域：

• 導航窗格（Navigation Pane）：位於左側，是您存取所有專案項目的主要區域，包括資料（Files）、編碼（Codes）、案例（Cases）、備忘錄（Memos）、查詢（Queries）、視覺化（Visualizations）等。這是您管理和組織研究專案的中心。
• 列表視圖（List View）：位於中間，顯示您在導航窗格中選取的項目列表。例如，點擊「Files」，這裡會顯示所有已匯入的資料檔案及其屬性；點擊「Nodes」，則會顯示所有已建立的編碼。
• 詳細視圖（Detail View）：位於右側，顯示您在列表視圖中選取的具體項目內容。例如，點擊某個訪談逐字稿，其全文會顯示在此處供您閱讀和編碼；點擊某個編碼，則會顯示該編碼的定義和所有被該編碼標記的資料片段。

核心功能模組詳解：

• 資料（Data）：
  • Files：這是您匯入所有原始資料的地方。NVivo 支援多種檔案格式，包括 Word 文檔 (.docx)、PDF 文件 (.pdf)、音訊檔案 (.mp3, .wav)、視訊檔案 (.mp4, .mov)、圖片 (.jpg, .png)、網頁 (.html) 和社群媒體資料等。您可以直接在 NVivo 中閱讀、播放和編碼這些資料。
  • File Classifications：用於為您的資料檔案設定屬性，例如訪談的日期、地點、受訪者的人口統計資訊（如性別、年齡、職業）。這些屬性在後續的比較分析（如矩陣編碼查詢）中非常有用。
• 編碼（Codes）：
  • Nodes：這是 NVivo 中儲存編碼的核心位置。您可以建立兩種主要類型的節點：
    • 自由節點（Free Nodes）：用於儲存您在開放式編碼階段產生的初步、非層級化的編碼。
    • 樹狀節點（Tree Nodes）：用於儲存具有層級結構的編碼，例如將多個自由節點歸類到一個更抽象的父節點下，這對於主軸編碼和主題分析非常有用。
  • Cases：代表您的分析單位，如參與者、地點、組織。您可以為每個案例設定屬性（如年齡、性別、職位），方便後續進行比較分析。例如，您可以將每個受訪者設定為一個案例，並記錄他們的背景資訊。
  • Relationships：定義和記錄節點之間、案例之間或節點與案例之間的關係，如「影響」、「導致」、「屬於」等。這有助於您建構更複雜的理論模型。
• 備忘錄（Notes）：
  • Memos：撰寫和管理您的分析備忘錄，記錄靈感、反思、理論發展、方法論決策和任何分析過程中的思考。Memos 可以連結到特定的資料片段、編碼或案例，形成一個完整的審計軌跡。
  • Annotations：在資料檔案中直接對特定文字或段落添加註解，用於記錄對該片段的即時想法或疑問。
• 查詢（Queries）：執行各種資料查詢，探索模式與關係。這是 NVivo 最強大的功能之一，能幫助您從不同角度深入挖掘資料。
• 視覺化（Visualizations）：生成各種圖表，以視覺化方式呈現分析結果。這些工具不僅有助於研究者理解資料，也能有效地向讀者傳達研究發現。

4.3 NVivo 實戰演練：從編碼到主題分析

讓我們以一個虛構的研究案例，來演練如何使用 NVivo 進行分析。

研究案例：探討大學生使用線上學習平台的經驗與挑戰。

步驟一：建立專案與匯入資料

1. 打開 NVivo，建立一個新專案：點擊「File」->「New Project」，命名為「線上學習經驗研究」，並選擇儲存位置。建議將專案儲存在本地硬碟，並定期備份到雲端。
2. 匯入您的訪談逐字稿：在「Data」->「Files」上右鍵點擊，選擇「Import Files」，然後選擇您的訪談逐字稿（Word檔案）。如果您的資料是音訊或視訊，也可以直接匯入，NVivo 支援在軟體內播放並同步顯示逐字稿。
3. 匯入其他相關資料：例如，您可以匯入焦點團體錄音（MP3檔案）、相關文獻（PDF檔案）、線上論壇的討論內容（網頁檔案）等，將所有資料集中管理。

步驟二：初步閱讀與開放式編碼

1. 打開一份訪談逐字稿：在「Files」列表中雙擊一份逐字稿，它會在詳細視圖中打開。仔細閱讀內容，讓自己沉浸在資料中。
2. 進行開放式編碼：
   • 當您讀到一段有意義的文字時，例如「我常常因為網路不穩而斷線，錯過老師講的重點」，選取這段文字。
   • 方法一：右鍵點擊 -> 「Code」 -> 「Code In Vivo」，NVivo 會自動以選取的文字作為節點名稱進行編碼。這對於捕捉參與者的原話非常有用。
   • 方法二：拖曳編碼：將選取的文字拖曳到左側「Nodes」區域的「Free Nodes」文件夾中，放開後會提示您建立新節點，您可以將其命名為「技術問題」。
   • 方法三：快速編碼：選取文字後，按下 Ctrl + Shift + K (Windows) 或 Cmd + Shift + K (Mac)，會彈出快速編碼視窗，您可以輸入新的編碼名稱或選擇現有編碼。
3. 持續閱讀並重複此過程：對資料進行開放式編碼。您可能會產生如 學習彈性、缺乏互動、同儕壓力減少、自我管理挑戰、網路問題、平台操作困難、老師教學方式、學習動機 等多個初步節點。此階段的編碼應盡可能地具體和豐富。
4. 撰寫備忘錄：在編碼過程中，隨時右鍵點擊任何資料片段或已建立的節點，選擇「New Memo」，記錄您的想法、疑問、初步詮釋或理論連結。例如，在「網路問題」的備忘錄中，您可以寫下「這不僅是技術問題，可能也反映了學生對線上學習基礎設施的信任度問題」。

步驟三：組織編碼與搜尋主題（主軸編碼）

1. 檢視並整理初步節點：在「Nodes」區域，雙擊「Free Nodes」文件夾，檢視您所有的初步節點。此時您會看到大量的、可能有些混亂的編碼。
2. 建立樹狀節點（Tree Nodes）：開始將相關的節點組織起來，形成更具概括性的類別或主題。例如，您可以建立一個名為「線上學習挑戰」的樹狀節點。
3. 將相關節點拖曳到樹狀節點下方：將 技術問題、缺乏互動、自我管理挑戰、網路問題、平台操作困難 等節點拖曳到「線上學習挑戰」節點下方，使其成為子節點。您可以進一步細分，例如在「線上學習挑戰」下建立「技術層面挑戰」、「人際互動挑戰」、「自我管理挑戰」等子類別。
4. 重複此過程：同樣地，您可以建立一個名為「線上學習益處」的樹狀節點，並將 學習彈性、同儕壓力減少、節省通勤時間 等節點歸入其中。
5. 定義與描述主題：為每個樹狀節點（主題）撰寫詳細的備忘錄，定義其內涵、包含哪些子節點，以及它在您的研究中扮演的角色。這個過程就是主題分析中的「定義和命名主題」。

步驟四：使用查詢功能深化分析

1. 文字頻率查詢（Word Frequency Query）：進入「Query」->「Word Frequency」，設定查詢範圍為所有資料檔案，執行查詢。結果會顯示資料中出現頻率最高的詞彙。您可以排除常見詞（如「的」、「是」），並將同義詞分組（如「學生」和「同學」）。這有助於您快速掌握資料的關鍵概念。
2. 編碼查詢（Coding Query）：進入「Query」->「Coding」，您可以設定查詢條件，例如「找出所有同時被『線上學習挑戰』和『學習動機』編碼的資料片段」。這能幫助您探索不同概念之間的交集和關係。
3. 矩陣編碼查詢（Matrix Coding Query）：假設您想比較不同年級學生的學習挑戰。首先，您需要建立「Cases」，為每個參與者設定「年級」屬性（例如，大一、大二、大三、大四）。然後，進入「Query」->「Matrix Coding」，在行（Rows）中選擇「線上學習挑戰」及其子節點，在列（Columns）中選擇不同年級的案例。執行查詢後，您會得到一個清晰的矩陣表格，顯示不同年級學生在各項挑戰上的編碼數量，一目了然。這對於進行比較分析和發現差異模式非常有用。

步驟五：視覺化呈現與報告

1. 概念圖（Concept Map）：在「Visualizations」->「Concept Map」中，您可以自由地將節點、資料檔案、備忘錄等拖曳到畫布上，並用箭頭和線條連接它們，繪製出您的主題地圖或理論模型。這是一個強大的工具，可以幫助您視覺化地呈現複雜的關係和分析框架。
2. 層級圖表（Hierarchy Chart）：在「Visualizations」->「Hierarchy Chart」中，您可以選擇以編碼或案例為基礎，生成樹狀結構圖，直觀地展示各個主題或類別的層級關係和相對重要性。
3. 匯出結果：您可以將查詢結果、圖表、編碼內容等匯出為 Word, Excel 或圖片格式，方便地插入到您的研究報告中。NVivo 提供了多種匯出選項，確保您的分析結果能夠以專業的方式呈現。

4.5 NVivo 實用技巧與故障排除

• 定期儲存與備份：NVivo 專案檔案非常重要，務必養成隨手儲存（Ctrl+S）和定期備份的好習慣。建議將專案檔案備份到不同的儲存介質（如外部硬碟、雲端儲存），以防資料丟失。
• 專案合併（Project Merge）：在團隊協作中，不同成員可以在各自的電腦上對部分資料進行編碼，然後使用「Project Merge」功能將多個專案合併成一個，NVivo 會自動處理編碼和資料的整合。這大大簡化了團隊合作的流程。
• 處理大型檔案：對於大型的音訊或視訊檔案，為了避免專案檔案過於龐大，可以在匯入時選擇「Create as externally linked file」，這樣 NVivo 只會儲存檔案的路徑連結，而非將整個檔案嵌入專案中。這有助於保持專案檔案的大小適中，提升運行效率。
• 故障排除：如果 NVivo 運行緩慢或出現錯誤，可以嘗試「File」->「Compact and Repair Project」來優化和修復專案檔案。定期進行此操作，可以保持專案的健康狀態。此外，確保您的 NVivo 軟體是最新版本，並檢查電腦的硬體配置是否滿足軟體要求。
• 使用 NVivo 的教學資源：Lumivero 官方網站提供了大量的 NVivo 教學影片、用戶手冊和線上課程。當您遇到問題時，這些官方資源是最好的解決方案。此外，許多大學也提供 NVivo 的培訓課程。

透過本章的介紹與演練，您應該對如何利用 NVivo 提升質性分析的效率與深度有了全面的了解。記住，軟體是工具，真正的分析洞見來源於您對資料的深度思考與詮釋。善用 NVivo，讓它成為您探索質性資料世界的得力夥伴。

---

結論：質性資料分析的藝術與科學

質性資料分析是一項結合了嚴謹方法與創造性詮釋的複雜任務。它不僅僅是技術的操作，更是一場研究者與資料深度對話的旅程。本文從質性研究的基礎心態與資料準備談起，系統性地介紹了編碼的三個層次、主題分析的六個步驟，並實戰演練了如何運用 NVivo 軟體賦能分析過程。我們的目標是為讀者提供一份清晰、實用且深入的指南，無論您是學術新手還是資深研究者，都能從中獲得啟發，提升您的質性分析能力。

核心觀點總結：

1. 基礎決定高度：高質量的資料準備、系統化的檔案管理，以及持續的研究者反思性，是成功分析的基石。忽略這些基礎工作，將會給後續的分析帶來無窮的困擾。研究者應將這些看似瑣碎的環節視為研究嚴謹性的重要組成部分。
2. 編碼是概念化的過程：編碼不僅僅是貼標籤，更是將具體資料提升到抽象概念的關鍵步驟。從開放式編碼的發散，到主軸編碼的聚合，再到選擇性編碼的提煉，是一個層層遞進、不斷深化的詮釋過程。這個過程需要研究者保持開放、敏感和批判性思維。
3. 主題分析是建構故事的藝術：主題分析旨在從編碼中發現有意義的模式，並將其組織成一個連貫、有說服力的故事。一個好的主題分析，能夠清晰地回答研究問題，並與現有理論進行深刻對話。它要求研究者不僅要看到資料，更要理解資料背後的意義和脈絡。
4. 軟體是賦能而非取代：NVivo 等質性分析軟體是強大的輔助工具，能將研究者從繁瑣的手動操作中解放出來。但軟體不能取代研究者的思考，真正的洞見永遠來自於您對資料的深度理解和批判性詮釋。將軟體視為夥伴，而非替代品。
5. 嚴謹性貫穿始終：從三角檢定、成員檢核，到反面案例分析和建立審計軌跡，質性研究的嚴謹性體現在分析過程的每一個環節。保持透明、系統和反思，是確保研究品質的關鍵。這不僅是為了學術要求，更是為了確保研究結果的公信力和影響力。

質性研究的最終目的，是為了理解人類經驗的豐富性與複雜性，為我們所處的世界提供更深刻、更具人文關懷的洞察。掌握質性資料分析的技巧，就是掌握了一把能夠開啟深度理解之門的鑰匙。希望本文能陪伴您走好這段分析之旅的每一步，讓您在面對龐雜的質性資料時，不再迷茫，而是充滿自信與洞見。

---

第五章：質性研究的嚴謹性與倫理考量

質性研究的價值不僅在於其深度和豐富性，更在於其嚴謹性和倫理操守。本章將探討如何在質性研究的各個階段確保研究的品質與道德規範，從而提升研究的可信度、可轉移性、可靠性與可確認性。

5.1 質性研究的品質標準：超越量化思維

與量化研究側重於內部效度、外部效度、信度和客觀性不同，質性研究有其獨特的品質評估標準。Guba 和 Lincoln (1985) 提出的四項標準被廣泛接受：

1. 可信度（Credibility）：

   • 定義：指研究結果是否真實地反映了參與者的經驗和研究現象的本質。它是質性研究中與量化研究「內部效度」相對應的概念。
   • 實踐策略：
     • 長期投入（Prolonged Engagement）：研究者在研究場域中投入足夠的時間，與參與者建立信任關係，深入理解其文化和脈絡，減少因短暫接觸而產生的誤解。這有助於研究者克服表面現象，觸及深層意義。
     • 持續觀察（Persistent Observation）：在研究場域中持續、深入地觀察，識別出與研究目的相關的顯著特徵，並對其進行詳細記錄。這能幫助研究者區分重要與不重要的訊息。
     • 三角檢定（Triangulation）：使用多種資料來源（如訪談、觀察、文件）、多種方法（如訪談與焦點團體）、多位研究者或多種理論視角來檢視同一現象，以增加研究發現的廣度和深度，並相互驗證。例如，透過訪談、問卷開放題和社群媒體討論來探討同一議題。
     • 成員檢核（Member Checking）：將初步的研究發現或詮釋回饋給參與者，徵詢他們的意見，確認研究者是否準確地捕捉了他們的經驗和觀點。這是確保研究結果真實性的最重要策略之一，也是對參與者的一種尊重。
     • 同儕審查（Peer Debriefing）：邀請對質性研究有經驗的同儕，定期審查研究者的資料、編碼、分析過程和初步發現，提供批判性反饋，幫助研究者發現盲點和偏見。這有助於提升研究的客觀性和嚴謹性。

2. 可轉移性（Transferability）：

   • 定義：指研究結果在多大程度上可以應用或推廣到其他類似的情境或群體。它與量化研究的「外部效度」相對應，但質性研究不追求統計概化，而是追求「脈絡化概化」。
   • 實踐策略：
     • 厚描述（Thick Description）：在研究報告中提供豐富、細緻且具脈絡的描述，包括研究場域、參與者、資料收集過程、研究者的角色和分析過程等。讀者可以根據這些詳細描述，判斷研究結果是否適用於他們自己的情境。例如，詳細描述受訪者的背景、訪談情境、非語言行為等。

3. 可靠性/可依賴性（Dependability）：

   • 定義：指研究過程是否穩定、可追溯和一致。如果其他研究者在相同的脈絡下，遵循相同的研究過程，是否能得出相似的結果。它與量化研究的「信度」相對應。
   • 實踐策略：
     • 審計軌跡（Audit Trail）：詳細記錄研究過程中的所有決策、活動和思考軌跡，包括研究問題的演變、資料收集的選擇、編碼的發展、主題的形成、備忘錄的撰寫等。這份軌跡應足夠清晰，讓外部審計員能夠追溯研究者的分析路徑。這有助於確保研究過程的透明度和可重複性。
     • 編碼簿的建立與更新：建立詳細的編碼簿，並在分析過程中持續更新，確保編碼定義的一致性。編碼簿應包含每個編碼的名稱、定義、範例和排除標準。

4. 可確認性（Confirmability）：

   • 定義：指研究結果是否基於資料本身，而非研究者的偏見或想像。它與量化研究的「客觀性」相對應。
   • 實踐策略：
     • 審計軌跡：同可靠性，清晰的審計軌跡有助於證明研究結果是從資料中推導出來的。
     • 研究者反思性：研究者持續地反思自身的主觀性如何影響分析，並在報告中坦誠交代，有助於讀者區分資料與研究者的詮釋。這是一種自我批判的實踐。
     • 資料引文支持：在報告中大量使用原始資料的引文來支持研究發現，讓讀者看到研究結果的「證據」。這確保了研究結果的「資料基礎」。

5.2 質性研究的倫理考量：尊重與保護

質性研究通常涉及與人類參與者的深度互動，因此倫理考量至關重要。研究者必須確保在整個研究過程中，充分尊重和保護參與者的權利和福祉。違反倫理原則不僅會損害研究的信譽，更可能對參與者造成傷害。

1. 知情同意（Informed Consent）：

   • 原則：在資料收集前，研究者必須向參與者清楚說明研究的目的、程序、預期風險和益處、資料的保密性、匿名化處理方式、參與的自願性以及他們隨時可以退出研究的權利。參與者在充分理解後，應自願簽署知情同意書。這是一個持續的過程，而非一次性的簽署。
   • 實踐：使用清晰、易懂的語言撰寫知情同意書，避免使用過於專業的術語。對於未成年人或心智能力受損的參與者，需要獲得其法定監護人的同意。在訪談開始前，再次口頭確認參與者是否理解並同意。

2. 保密與匿名化（Confidentiality and Anonymity）：

   • 原則：研究者有責任保護參與者的身份和他們提供的敏感資訊不被洩露。匿名化是指確保任何人都無法將資料與特定個人聯繫起來；保密是指研究者承諾不向未經授權的第三方透露參與者的資訊。這兩者是保護參與者隱私的基石。
   • 實踐：在逐字稿和報告中，使用化名或代號取代參與者的真實姓名、地點、組織等可識別資訊。將原始資料與匿名化後的資料分開儲存，並對原始資料進行加密保護。在公開發表研究結果時，務必確保所有可識別資訊已被移除。對於小群體或特殊案例，匿名化可能更具挑戰性，需要更謹慎的處理。

3. 避免傷害（Avoiding Harm）：

   • 原則：研究者應盡一切努力避免對參與者造成任何形式的身體、心理、社會或經濟傷害。這包括避免讓參與者感到尷尬、焦慮、被剝削或受到歧視。研究者的首要職責是「不傷害」。
   • 實踐：在訪談或觀察過程中，對敏感話題保持敏感性，並給予參與者充分的空間表達或拒絕回答。如果參與者在研究過程中出現情緒困擾，研究者應提供適當的支持或轉介資源。研究結束後，應向參與者提供研究結果的摘要，並感謝他們的參與。在設計研究問題時，應避免提出可能對參與者造成心理負擔的問題。

4. 研究者的角色與界限（Researcher Role and Boundaries）：

   • 原則：研究者應清楚界定自己在研究中的角色，避免與參與者建立雙重關係，這可能會導致利益衝突或影響研究的客觀性。保持專業距離有助於維持研究的公正性。
   • 實踐：保持專業的態度，避免在研究過程中過度干預參與者的生活。在研究結束後，逐步退出研究場域，避免產生依賴關係。在研究報告中，坦誠交代研究者與參與者之間的關係，以及這可能對研究產生的影響。

5. 資料的儲存與銷毀（Data Storage and Disposal）：

   • 原則：研究者應妥善儲存資料，確保其安全，並在研究結束或達到規定年限後，按照倫理規範銷毀資料。這符合資料保護法規和學術倫理要求。
   • 實踐：將資料儲存在加密的電腦或雲端服務中，並設定訪問權限。在銷毀資料時，應確保資料無法被恢復，例如使用專業的資料清除軟體。對於紙本資料，應使用碎紙機銷毀。

質性研究的倫理審查通常由大學或研究機構的倫理委員會（Institutional Review Board, IRB）負責。研究者在開始資料收集前，務必向相關倫理委員會提交研究計畫，並獲得批准。這是一個強制性的步驟，確保研究符合最高的倫理標準。

透過嚴謹的品質標準和嚴格的倫理規範，質性研究不僅能產生深刻的洞見，更能贏得學術界和社會的信任與尊重。

---

常見問題 (FAQ)

Q1：質性資料分析與量化資料分析有何根本區別？

A1：質性資料分析與量化資料分析在哲學基礎、研究目的、資料類型和分析方法上存在根本區別。量化資料分析側重於數字、統計和普遍性法則的探討，旨在驗證假設、測量變數之間的關係，並將結果概化到更大的群體。其資料通常是結構化的，分析過程強調客觀性和可重複性。例如，透過問卷調查收集大量數據，然後使用統計軟體（如 SPSS, R）進行分析，得出「X 因素顯著影響 Y 結果」的結論。質性資料分析則深入挖掘資料背後的「為什麼」和「如何」，旨在提供豐富、細緻且具脈絡性的洞察，理解人類經驗、社會現象和文化意義。其資料通常是非結構化的（如文本、音視訊），分析過程高度依賴研究者的詮釋能力和主觀判斷，強調研究的嚴謹性、可信賴性和對現象的深度理解，而非統計概化。例如，透過深度訪談了解個體對某項政策的感受和經驗，從而揭示政策實施的深層影響。

Q2：編碼在質性資料分析中扮演什麼角色？

A2：編碼是質性資料分析的基石，扮演著將原始、非結構化資料轉化為可管理、可分析單元的關鍵角色。它涉及仔細閱讀或審視資料，識別出其中有意義的片段，並賦予這些片段簡潔的標籤或代碼。編碼的目的不僅是歸納資料，更是透過這個過程，幫助研究者深入理解資料、發現模式、發展概念，並為後續的主題分析和理論建構奠定基礎。沒有有效的編碼，質性資料將難以被系統化地理解和詮釋。編碼的過程也是研究者與資料進行對話、產生新想法的過程，是從混亂到有序的轉化。

Q3：主題分析的六個步驟具體是什麼？

A3：主題分析（Thematic Analysis）通常遵循 Braun & Clarke (2006) 提出的六個步驟：

1. 熟悉資料（Familiarizing yourself with your data）：沉浸於資料中，反覆閱讀、聆聽，獲得對資料的整體印象和初步理解。這就像是與資料建立第一次親密接觸。
2. 生成初步代碼（Generating initial codes）：對資料進行系統性編碼，識別出資料中有意義的片段，並賦予簡潔的代碼。這個階段的目標是盡可能地產生多元的、具體的編碼。
3. 搜尋主題（Searching for themes）：將初步代碼進行歸類、組合，尋找潛在的主題模式。這是一個從碎片到整體，從具體到抽象的過程。
4. 審查主題（Reviewing themes）：檢查主題是否與原始資料一致，並評估主題之間的區別和關聯，必要時進行調整、合併或拆分。這個階段需要研究者不斷地在主題和資料之間來回穿梭，確保主題的有效性。
5. 定義和命名主題（Defining and naming themes）：為每個主題提供清晰的定義、邊界和核心概念，並選擇具代表性的名稱。好的主題名稱應該能準確概括其內容，並具有吸引力。
6. 撰寫報告（Producing the report）：將分析結果以清晰、連貫且具說服力的方式呈現，包括對主題的描述、資料引文支持和理論連結。這一步是將研究發現傳達給讀者的關鍵。

Q4：NVivo 軟體如何幫助質性研究者？

A4：NVivo 是一款強大的質性資料分析軟體（QDAS），它能顯著提升質性研究的效率和深度。其主要幫助體現在：

• 資料管理：有效組織和管理多種格式的質性資料（文本、音視訊、圖片、社群媒體資料等），將所有資料集中於一個專案中。
• 編碼與分類：提供直觀的介面進行編碼，支援層級式節點（nodes）管理，方便概念的歸類和抽象化。您可以輕鬆地創建、修改、合併和拆分編碼。
• 查詢與探索：提供多種查詢工具（如文字頻率查詢、文字搜尋查詢、編碼查詢、矩陣編碼查詢、交叉表查詢），幫助研究者探索資料中的模式、關係和趨勢，從不同角度深入挖掘資料。
• 視覺化工具：透過詞雲、概念圖、專案地圖、層級圖表、比較圖等視覺化呈現，幫助研究者更直觀地理解資料和分析結果，並有效地向讀者傳達研究發現。
• 協同工作：支援多位研究者在同一專案上協同工作，透過專案合併功能，確保編碼一致性並提高團隊效率。
• 審計軌跡：自動記錄研究過程中的操作，包括編碼、備忘錄、查詢等，有助於保持分析的透明度和可追溯性，提升研究的嚴謹性。

NVivo 讓研究者能將更多精力投入到對資料的深度詮釋和理論建構中，而非繁瑣的資料整理工作，從而提升研究的品質和效率。

Q5：質性研究中如何確保研究的嚴謹性與可信度？

A5：質性研究的品質評估不同於量化研究，它強調研究的嚴謹性、可信賴性和對現象的深度理解。確保嚴謹性與可信度的關鍵策略包括：

• 可信度（Credibility）：透過長期投入（Prolonged Engagement）、持續觀察（Persistent Observation）、三角檢定（Triangulation，使用多種資料來源、方法或研究者）、成員檢核（Member Checking，向參與者確認研究發現）和同儕審查（Peer Debriefing，邀請同儕提供反饋）來確保研究結果真實反映參與者經驗。
• 可轉移性（Transferability）：透過提供豐富、細緻的「厚描述」（Thick Description），讓讀者判斷研究結果是否適用於其他情境。質性研究不追求統計概化，而是脈絡化概化。
• 可靠性/可依賴性（Dependability）：透過建立詳細的「審計軌跡」（Audit Trail），記錄研究過程中的所有決策和活動，確保研究過程可追溯和一致。同時，建立和更新編碼簿也是重要環節。
• 可確認性（Confirmability）：透過審計軌跡和研究者反思性，確保研究結果基於資料，而非研究者的偏見。在報告中大量使用原始資料引文來支持研究發現，也是證明可確認性的方式。

研究者應在整個研究設計、資料收集、分析和報告過程中，自覺地運用這些策略，以提升研究的品質和公信力。

Q6：如何選擇適合的質性研究設計？

A6：選擇適合的質性研究設計主要取決於您的研究問題、研究目的以及您對現象的哲學預設。沒有一種設計是「最好」的，只有「最適合」的。以下是一些常見的質性研究設計及其適用情境：

• 現象學研究（Phenomenology）：如果您想深入理解人們對某種現象的本質經驗，例如「人們如何體驗悲傷？」或「大學生如何感知線上學習？」，現象學研究可能最適合。它著重於描述和詮釋人類的意識經驗。
• 紮根理論研究（Grounded Theory）：如果您希望從資料中歸納建構理論，而不是驗證現有理論，紮根理論研究是理想選擇。例如，「護理人員如何應對職場壓力？」或「新創公司如何發展其商業模式？」。它強調從資料中浮現理論。
• 民族誌研究（Ethnography）：如果您旨在理解特定文化群體或社會場域的運作方式、信仰、行為和互動模式，民族誌研究將提供豐富的脈絡化理解。例如，「某個部落的儀式文化」或「某個企業的組織文化」。它通常需要研究者長期沉浸在研究場域中。
• 個案研究（Case Study）：如果您想對一個或多個特定個案（可以是個人、組織、事件或社區）進行深入、全面的探討，個案研究是合適的。例如，「某位成功企業家的創業歷程」或「某個社區的環境運動」。它旨在提供對個案的深度理解。
• 敘事研究（Narrative Research）：如果您關注人們如何透過故事來理解和建構自己的經驗，敘事研究將是您的方向。例如，「教師的職業生涯故事」或「移民的適應歷程」。它著重於收集和分析個人的生命故事。

建議研究者在選擇前，仔細閱讀不同研究設計的經典文獻，理解其哲學基礎、研究目的、資料收集和分析方法，並評估哪種設計最能有效回答您的研究問題。有時，研究者也會結合多種設計的元素，形成混合方法研究。

Q7：質性資料分析中，研究者的反思性為何重要？

A7：研究者的反思性（Reflexivity）在質性資料分析中至關重要，因為質性分析高度依賴研究者的主觀詮釋。反思性是指研究者持續地審視和批判自己的角色、預設、偏見、價值觀和經驗如何影響研究過程和結果。透過反思，研究者可以：

• 提高透明度：公開承認並交代自身對研究的影響，使讀者能更全面地理解研究結果的產生過程。這有助於讀者評估研究的公正性。
• 增強嚴謹性：意識到潛在的偏見，有助於研究者在分析時更客觀、更全面地考量資料，避免將個人觀點強加於資料之上。例如，研究者可能會發現自己對某個議題有強烈立場，透過反思，可以提醒自己在分析時保持中立。
• 深化理解：反思過程本身也是一種分析，能幫助研究者更深入地理解自己與研究對象、研究問題之間的關係，從而產生更豐富的洞察。有時，研究者自身的經驗反而能成為理解資料的資源，但前提是要經過批判性反思。
• 提升可確認性：透過系統性的反思記錄（如備忘錄），研究者可以證明其研究結果是基於資料，而非個人臆測。

反思性並非要消除主觀性，而是要將主觀性納入研究過程的考量，使其成為研究的資源而非缺陷。這是一種持續的自我覺察和自我批判的實踐，貫穿於研究的始終。

Q8：質性資料分析結果如何呈現？

A8：質性資料分析結果的呈現方式應清晰、連貫且具說服力，旨在向讀者展示研究發現的深度和豐富性。有效的呈現不僅能傳達研究結果，更能吸引讀者並促使他們思考。常見的呈現方式包括：

• 主題式呈現：這是最常見的方式，將分析得出的核心主題作為章節或小節標題，每個主題下詳細描述其定義、內涵、與其他主題的關係，並輔以豐富的原始資料引文（如訪談語句、田野筆記片段）作為證據支持。引文應精挑細選，具有代表性和說服力，並註明來源（如 P1, 訪談日期）。
• 敘事式呈現：特別適用於敘事研究或個案研究，透過講述一個或多個個案的故事，來呈現研究發現。這種方式更強調脈絡和流程，能讓讀者更深入地理解個體的經驗。例如，可以選擇一個典型的案例，詳細描述其故事，並從中提煉出主題。
• 視覺化呈現：利用圖表、模型、概念圖、流程圖等視覺元素來輔助說明複雜的關係或理論模型。例如，使用 NVivo 生成的層級圖、概念圖或矩陣圖，可以直觀地展示編碼之間的關係、主題的層次結構或不同群體之間的比較。視覺化能幫助讀者更快地抓住核心訊息。
• 理論式呈現：在紮根理論研究中，最終的呈現會是一個基於資料建構的理論模型，詳細解釋各個概念之間的關係和運作機制。這種呈現方式旨在提出新的理論或完善現有理論。
• 混合式呈現：研究者常常會結合多種呈現方式，例如先以主題式呈現主要發現，再輔以視覺化圖表，並在討論部分進行理論連結。關鍵在於選擇最能有效傳達研究發現的方式。

無論採用何種方式，都應確保研究發現與原始資料之間有清晰的連結，並提供足夠的脈絡化信息，讓讀者能夠理解和評估研究結果。同時，報告的語言應清晰、精煉，避免使用過於冗長或模糊的表達。

1.4 質性研究設計的類型：選擇最適合您的框架

質性研究並非單一方法，而是包含多種不同的研究設計，每種設計都有其獨特的哲學基礎、研究目的和分析策略。選擇合適的研究設計是確保研究成功的關鍵一步。以下介紹幾種常見的質性研究設計：

1. 現象學研究（Phenomenology）：

   • 目的：旨在深入理解人們對某種現象的本質經驗。它關注「是什麼樣的經驗？」以及「這種經驗對個人意味著什麼？」。
   • 核心概念：強調「懸置」（Epoche），即研究者暫時擱置自己的預設和偏見，以開放的心態去接近參與者的經驗。透過深度訪談，收集參與者對特定現象的生動描述。
   • 資料來源：深度訪談、個人敘事、日記、藝術作品等。
   • 分析方法：通常涉及對訪談逐字稿進行意義單元（Meaning Units）的識別、歸納和詮釋，最終提煉出該現象的本質結構。
   • 適用情境：探索人類經驗的深層意義，如悲傷、創傷、幸福、疾病體驗、學習歷程等。

2. 紮根理論研究（Grounded Theory）：

   • 目的：從資料中歸納建構理論，而不是驗證現有理論。它旨在發展出能夠解釋特定社會現象或行為過程的概念框架或理論。
   • 核心概念：強調「持續比較法」（Constant Comparative Method），即在資料收集和分析過程中不斷比較資料片段、編碼和類別，以發展出具有解釋力的理論。同時，也強調「理論抽樣」（Theoretical Sampling），即根據初步分析的結果來決定下一步收集哪些資料。
   • 資料來源：深度訪談、觀察、文件、田野筆記等。
   • 分析方法：包括開放式編碼、主軸編碼和選擇性編碼三個階段，最終形成一個核心類別，並圍繞其建構理論。
   • 適用情境：當現有理論無法充分解釋某個現象，或希望發展出新的、基於資料的理論時，如探索某個群體的適應過程、某種社會變革的動態等。

3. 民族誌研究（Ethnography）：

   • 目的：深入理解特定文化群體或社會場域的運作方式、信仰、行為和互動模式。它旨在從「內部人」的視角來描繪和解釋一個文化。
   • 核心概念：強調「參與式觀察」（Participant Observation），即研究者長期沉浸在研究場域中，親身體驗和觀察文化成員的日常生活。同時，也重視「文化詮釋」，即解釋文化符號和意義系統。
   • 資料來源：參與式觀察、深度訪談、非正式對話、文件、文物、影像等。
   • 分析方法：通常涉及對田野筆記、訪談逐字稿進行主題分析、敘事分析，並結合文化理論進行詮釋。
   • 適用情境：研究特定社區、組織、亞文化群體、職業群體等，以理解其獨特的文化模式和社會結構。

4. 個案研究（Case Study）：

   • 目的：對一個或多個特定個案（可以是個人、組織、事件、社區或專案）進行深入、全面的探討。它旨在提供對個案的深度理解，並從中提煉出普遍性的見解。
   • 核心概念：強調「邊界」（Boundaries），即明確界定個案的範圍和焦點。個案研究可以是探索性的、描述性的或解釋性的。
   • 資料來源：多種資料來源的整合，如訪談、觀察、文件、檔案、問卷、統計數據等。
   • 分析方法：通常結合多種質性分析方法，如主題分析、敘事分析、內容分析等，對個案進行綜合性分析。
   • 適用情境：當研究問題需要對特定現象進行深入剖析，或希望從單一或少數個案中獲得豐富的脈絡化知識時，如分析某個政策的實施效果、某個創新專案的成功因素等。

5. 敘事研究（Narrative Research）：

   • 目的：關注人們如何透過故事來理解和建構自己的經驗，以及這些故事如何反映個人的身份、社會和文化脈絡。它旨在收集和分析個人的生命故事。
   • 核心概念：強調「敘事結構」（Narrative Structure），即故事的起承轉合、情節、人物、主題等。研究者會分析故事的內容、形式和功能。
   • 資料來源：深度訪談、自傳、日記、信件、口述歷史等。
   • 分析方法：通常涉及對故事進行結構分析、內容分析、主題分析，以揭示故事背後的意義和個人經驗的建構過程。
   • 適用情境：探索個人經驗的意義、身份認同的建構、生命歷程的轉變等。

選擇合適的研究設計，需要研究者對自己的研究問題有清晰的認識，並理解不同設計的優勢和局限性。有時，研究者也會採用混合方法研究（Mixed Methods Research），將質性研究和量化研究結合起來，以獲得更全面、更深入的理解。無論選擇哪種設計，關鍵在於保持方法論的一致性，並確保所選設計能夠有效地回答您的研究問題。

2.4 編碼的實踐範例：從訪談逐字稿到概念

為了更具體地說明編碼過程，讓我們以一段訪談逐字稿為例，展示如何從原始資料中提取編碼，並逐步進行概念化。

訪談情境：一位大學生（P1）談論他對線上學習的看法。

原始逐字稿片段：

P1：「我覺得線上學習最大的問題就是，你很難跟老師有那種即時的互動。有時候我聽不懂，想馬上問，但又怕打斷老師，或是要等下課才能問。而且，同學之間也很少交流，感覺大家都是自己學自己的，少了那種一起討論的氛圍。有時候會覺得很孤單，好像只有我一個人在面對這些課程。」

開放式編碼（逐句分析）：

1. 「你很難跟老師有那種即時的互動。」

   • 編碼：缺乏即時師生互動、溝通障礙
   • 備忘錄：這句話點出了線上學習在互動性方面的不足，可能影響學習效果和學生的參與感。

2. 「有時候我聽不懂，想馬上問，但又怕打斷老師，或是要等下課才能問。」

   • 編碼：提問時機受限、擔心打斷教學、學習問題無法即時解決
   • 備忘錄：這反映了學生在線上環境中提問的顧慮，以及對即時反饋的需求。這可能導致學習困惑的累積。

3. 「而且，同學之間也很少交流，感覺大家都是自己學自己的，少了那種一起討論的氛圍。」

   • 編碼：同儕交流不足、缺乏協作學習、學習氛圍孤立、渴望討論氛圍
   • 備忘錄：學生強調了同儕互動的重要性，並指出線上學習在這方面的缺失。這可能影響學生的歸屬感和社會性學習。

4. 「有時候會覺得很孤單，好像只有我一個人在面對這些課程。」

   • 編碼：學習孤獨感、缺乏支持系統、個人化學習的負面影響
   • 備忘錄：這是對前述缺乏互動的直接情感反應，顯示了心理層面的影響。孤獨感可能降低學習動機。

主軸編碼（概念化與歸類）：

現在，我們將這些開放式編碼進行歸類，形成更廣泛的類別或主題。

• 類別一：線上學習的互動性挑戰

  • 缺乏即時師生互動
  • 提問時機受限
  • 擔心打斷教學
  • 學習問題無法即時解決
  • 同儕交流不足
  • 缺乏協作學習
  • 渴望討論氛圍
  • 備忘錄：這個類別涵蓋了學生在線上學習中遇到的所有與「互動」相關的困難，包括師生互動和同儕互動。核心問題是互動的即時性和深度不足。

• 類別二：線上學習的情感與心理影響

  • 學習孤獨感
  • 學習氛圍孤立
  • 缺乏支持系統
  • 個人化學習的負面影響
  • 備忘錄：這個類別聚焦於線上學習對學生心理狀態的影響，特別是孤獨感和缺乏歸屬感。這可能與互動性挑戰緊密相關。

選擇性編碼（提煉核心概念）：

從上述兩個類別中，我們可以進一步提煉出一個核心概念，來解釋學生對線上學習的整體經驗。

• 核心概念：「線上學習中的社會連結斷裂與其負面影響」
  • 解釋：這個核心概念指出，學生在線上學習中遇到的互動性挑戰（師生與同儕）導致了社會連結的斷裂，進而引發了學習孤獨感和缺乏支持系統等負面情感與心理影響。這不僅影響了學習效率，也損害了學生的整體學習體驗。
  • 備忘錄：這個核心概念能夠統攝上述兩個類別，並提供一個具有解釋力的故事線。它強調了社會連結在學習過程中的關鍵作用，以及線上環境如何削弱這種連結。

透過這個範例，我們可以看到編碼是一個從資料細節出發，逐步抽象化、概念化，最終建構出具有解釋力核心概念的過程。這個過程需要研究者不斷地與資料對話、反思，並在不同層次之間來回穿梭。

2.5 編碼簿的建立與維護：確保分析的一致性

編碼簿（Codebook）是質性研究中不可或缺的工具，尤其是在團隊合作或需要確保分析一致性時。它是一個動態的文件，記錄了所有編碼的定義、範例和使用指南。

編碼簿應包含的內容：

1. 編碼名稱（Code Name）：簡潔、清晰的編碼標籤。
2. 編碼定義（Code Definition）：詳細解釋該編碼的含義、邊界，以及它所捕捉的概念。這有助於區分相似的編碼。
3. 包含標準（Inclusion Criteria）：什麼樣的資料片段應該被編碼為此類？提供具體的判斷標準。
4. 排除標準（Exclusion Criteria）：什麼樣的資料片段不應該被編碼為此類？提供具體的判斷標準，以避免混淆。
5. 正向範例（Positive Example）：從原始資料中選取一個或多個典型範例，展示該編碼如何應用。
6. 反向範例（Negative Example）（可選）：提供一個不屬於該編碼的範例，以進一步澄清編碼的邊界。
7. 備忘錄/註釋（Memo/Notes）：記錄研究者對該編碼的額外思考、與其他編碼的潛在關係、理論連結或任何需要注意的事項。

編碼簿的建立與維護流程：

1. 初步編碼階段：在開放式編碼初期，編碼簿會比較簡略，主要記錄初步的編碼名稱和簡要定義。此時的重點是捕捉資料的豐富性。
2. 迭代與完善：隨著編碼的進行，不斷回顧和完善編碼簿。當遇到新的資料片段時，思考是否需要創建新編碼，或將其歸入現有編碼。如果歸入現有編碼，是否需要修改該編碼的定義以涵蓋新內容？
3. 團隊討論與共識：如果有多位研究者參與編碼，定期召開會議討論編碼簿。比較不同研究者的編碼結果，討論分歧，並達成共識。這有助於提高編碼的一致性（Inter-coder Reliability）。
4. 最終版本：在分析結束時，編碼簿應是一個穩定、清晰且全面的文件，能夠清晰地呈現所有編碼的邏輯和定義。這份編碼簿也可以作為研究報告的附錄，增加研究的透明度。

範例：編碼簿條目

編碼名稱	編碼定義	包含標準	排除標準	正向範例	備忘錄
學習孤獨感	參與者在學習過程中感受到與他人隔絕、缺乏連結和支持的情緒體驗。	提及「孤單」、「一個人」、「沒人說話」、「缺乏歸屬感」等詞彙，或表達類似情感的語句。	僅提及「自己學習」但不帶有負面情感的語句。	「有時候會覺得很孤單，好像只有我一個人在面對這些課程。」	與「缺乏社交互動」密切相關，可能是其結果。
提問時機受限	參與者在線上學習中，因環境限制（如非同步、擔心打斷）而無法即時提出問題或獲得解答的困境。	提及「想問但不能問」、「要等很久」、「怕打斷老師」、「問題無法即時解決」等。	僅提及「有問題」但未表達無法即時解決的困境。	「有時候我聽不懂，想馬上問，但又怕打斷老師，或是要等下課才能問。」	這反映了線上教學設計中互動機制的不足。

透過建立和維護詳細的編碼簿，研究者可以確保編碼過程的系統性、一致性和透明度，從而提升質性分析的嚴謹性和可信度。

4.6 NVivo 軟體應用實例：從資料匯入到視覺化呈現

為了更全面地展示 NVivo 的應用，我們將透過一個更完整的案例，從資料匯入到最終的視覺化呈現，一步步帶您了解 NVivo 的強大功能。

案例情境：某大學研究團隊正在進行一項關於「大學生學習壓力來源與應對策略」的質性研究。他們收集了 20 份深度訪談逐字稿，並希望透過 NVivo 進行分析。

步驟一：建立專案與匯入資料

1. 建立新專案：打開 NVivo，點擊「File」->「New Project」，命名為「大學生學習壓力研究」。
2. 匯入訪談逐字稿：在「Data」->「Files」上右鍵點擊，選擇「Import Files」，將 20 份訪談逐字稿（Word 格式）全部匯入。NVivo 會自動將每個 Word 文件識別為一個獨立的資料檔案。
3. 建立案例與屬性：
   • 在「Codes」->「Cases」上右鍵點擊，選擇「New Case」。為每位受訪者建立一個案例，例如「P01」、「P02」...「P20」。
   • 為案例建立屬性：在「Codes」->「Case Classifications」上右鍵點擊，選擇「New Case Classification」，命名為「受訪者資訊」。
   • 在「受訪者資訊」下，建立屬性（Attributes），例如「性別」（Gender，值：男/女）、「年級」（Grade，值：大一/大二/大三/大四）、「主修」（Major，值：文科/理科/工科/商科）等。
   • 將每個案例與其對應的屬性值連結：在「Cases」列表中，右鍵點擊每個案例，選擇「Case Properties」，然後在「Attribute Values」中設定其性別、年級和主修。這些屬性將在後續的比較分析中發揮重要作用。

步驟二：開放式編碼與初步主題識別

1. 逐份訪談稿進行開放式編碼：雙擊「Files」列表中的第一份訪談逐字稿（P01），開始閱讀。當讀到有意義的片段時，選取文字，然後拖曳到「Codes」->「Nodes」->「Free Nodes」文件夾中，建立新的編碼。例如，您可能會編碼出：學業壓力、人際關係壓力、經濟壓力、未來焦慮、運動解壓、找朋友傾訴、時間管理困難、睡眠不足 等。
2. 持續比較與備忘錄撰寫：在編碼過程中，不斷將新編碼與已有的編碼進行比較，思考它們之間的異同。同時，隨時右鍵點擊編碼或資料片段，選擇「New Memo」，記錄您的想法、初步詮釋和理論連結。例如，在「學業壓力」的備忘錄中，您可以寫下「這似乎是大學生最普遍的壓力來源，但具體表現形式可能因學科而異」。

步驟三：主軸編碼與主題發展

1. 組織自由節點為樹狀節點：在「Free Nodes」中，您會看到大量的初步編碼。現在，開始將這些編碼組織成更具概括性的樹狀節點（Tree Nodes）。
   • 在「Codes」->「Nodes」上右鍵點擊，選擇「New Node」，建立一個名為「壓力來源」的樹狀節點。
   • 將 學業壓力、人際關係壓力、經濟壓力、未來焦慮 等自由節點拖曳到「壓力來源」下方，使其成為子節點。
   • 同樣地，建立一個名為「應對策略」的樹狀節點，並將 運動解壓、找朋友傾訴、時間管理 等自由節點拖曳到其下方。
2. 定義與描述主題：雙擊每個樹狀節點，在「Node Properties」中撰寫詳細的定義和描述，解釋該主題的內涵和邊界。例如，對於「壓力來源」主題，您可以描述其包含的具體壓力類型，以及這些壓力如何影響學生的學習和生活。

步驟四：使用查詢功能深入探索

1. 文字頻率查詢：
   • 在「Query」上右鍵點擊，選擇「New Query」->「Word Frequency Query」。
   • 設定查詢範圍為所有訪談逐字稿，並選擇排除常用詞。執行查詢。
   • 結果會顯示最常出現的詞彙，例如「焦慮」、「未來」、「考試」、「報告」、「社團」等。這可以幫助您快速識別資料中的關鍵概念。
2. 編碼查詢：
   • 在「Query」上右鍵點擊，選擇「New Query」->「Coding Query」。
   • 假設您想找出「學業壓力」和「睡眠不足」同時出現的資料片段。在查詢設定中，選擇「Codes」->「壓力來源」->「學業壓力」和「Codes」->「壓力來源」->「睡眠不足」，並設定為「AND」關係。
   • 執行查詢後，NVivo 會列出所有同時被這兩個編碼標記的資料片段，幫助您深入理解學業壓力如何導致睡眠不足，或兩者之間的具體關聯。
3. 矩陣編碼查詢（比較分析）：
   • 在「Query」上右鍵點擊，選擇「New Query」->「Matrix Coding Query」。
   • 行（Rows）：選擇您感興趣的編碼，例如「壓力來源」下的所有子節點（學業壓力、人際關係壓力等）。
   • 列（Columns）：選擇您希望比較的案例屬性，例如「Cases」->「Case Classifications」->「受訪者資訊」->「性別」。
   • 執行查詢後，NVivo 會生成一個矩陣表格，顯示不同性別的受訪者在各類壓力來源上的編碼數量。例如，您可能會發現女性受訪者在「人際關係壓力」上的編碼數量顯著高於男性。這為您提供了進行比較分析的量化依據。

步驟五：視覺化呈現與報告準備

1. 概念圖（Concept Map）：
   • 在「Visualizations」上右鍵點擊，選擇「New Map」->「Concept Map」。
   • 將「壓力來源」和「應對策略」兩個樹狀節點拖曳到畫布上。然後，您可以手動添加箭頭和文字框，繪製出壓力來源如何影響應對策略，或不同壓力來源之間的關係。例如，您可以繪製一個從「學業壓力」指向「睡眠不足」的箭頭，並在箭頭上標註「導致」。
   • 您還可以將相關的備忘錄、資料檔案拖曳到概念圖中，使其成為一個整合性的分析呈現。
2. 層級圖表（Hierarchy Chart）：
   • 在「Visualizations」上右鍵點擊，選擇「New Chart」->「Hierarchy Chart」。
   • 選擇以「Nodes」為基礎，NVivo 會自動生成一個樹狀結構圖，直觀地展示您的編碼層級和每個編碼所覆蓋的資料量（以方塊大小表示）。這有助於您快速了解哪些主題在資料中佔據主導地位。
3. 匯出結果：
   • 您可以右鍵點擊任何查詢結果或視覺化圖表，選擇「Export」，將其匯出為 Word、Excel 或圖片格式。這些匯出結果可以直接用於您的研究報告或論文中。
   • 您也可以匯出整個專案的編碼報告，其中包含每個編碼的定義、編碼的資料片段和相關備忘錄，這對於建立審計軌跡和提升研究透明度非常有用。

透過這個實例，我們可以看到 NVivo 如何將質性分析的各個環節有機地整合起來，從資料管理到深度探索，再到視覺化呈現，為研究者提供了一個全面而高效的分析平台。善用 NVivo，您將能夠更自信、更深入地駕馭質性資料的複雜性，從中發掘出獨到而深刻的洞見。