开始进行归纳内容分析

如果您正在处理定性数据，并且不打算使用预定义的编码框架，那么归纳内容分析 (ICA)可以成为从数据中发现洞察的有效方法。然而，与许多定性方法一样，如果没有明确的指导，这个过程可能会显得令人望而生畏且耗时，尤其是对于刚接触这种方法的研究人员而言。

那么，ICA 流程实际上涉及什么？您如何判断它是否适合您的项目？

在 Lumivero 举办的网络研讨会上，Lynn Gillam 教授和 Danya Vears 副教授清晰地、循序渐进地讲解了 ICA 的工作原理、使用时机以及如何将其与主题分析等相关方法区分开来。他们的讲解基于实际经验，借鉴了他们与学生和同事合作的经验，这些学生和同事发现现有文献中存在术语不一致和定义模糊的问题。

继续阅读以了解 ICA 的实际工作原理，或观看点播的完整课程。

定义归纳内容分析：它是什么，它不是什么

ICA 是一种定性研究方法，用于分析访谈记录、文档或开放式调查问卷等数据。其目标是通过识别和分类重复出现的观点，生成跨多个文本内容的摘要。这种方法通常推荐给那些处理文本数据且未使用预定义编码框架的研究人员。

归纳定性内容分析过程有两个关键特征——它既是归纳的，又是迭代的。“归纳的这一点很重要，”吉拉姆解释说，他强调研究人员并非从僵化的编码方案开始，而是让类别从数据中自然而然地显现出来。“另一个关键特征是它的迭代性……最终得到的编码方案会与最初的方案略有不同。”

ICA 关注显性内容——即文本中易于观察到的思想。虽然解读始终是整个过程的一部分，但显性内容分析更接近于参与者话语的表面含义。对于定性研究的新手，建议关注显性内容而非隐性内容，后者涉及更深层次的解读，旨在揭示未明确表述的潜在含义。隐性分析的一个极端例子可能是尝试解读某人的梦境。

何时使用归纳内容分析：选择适合你的研究方法

与演绎分析（代码预先确定并应用于数据）相比，独立成分分析 (ICA) 通常用于研究人员研究研究不足的课题或回答实际或政策驱动的问题。它在健康研究中尤其有用，因为这类研究通常规模较小、具有探索性，并且根植于现实世界的复杂性。

虽然 ICA 和主题分析采用类似的编码技术，但它们的目的和结果不同。

吉拉姆说：“当你的研究与实践或政策相关，并且你正在寻找实际成果时，归纳内容分析是一种特别有用的分析工具，因为它可以说明你的项目目标以及你所针对的受众的需求。”

如果从一开始就可以将成熟的理论框架应用于数据，则不会使用 ICA。在这种情况下，演绎内容分析可能更合适。

分步演练：对数据进行编码和分类

第一步是明确研究问题。这有助于确定 ICA 是否是合适的方法，并指导如何识别有意义的内容。研究人员需要明确他们在数据中寻找什么，但不能依赖于预先定义的概念列表。

尽管研究人员不可避免地需要事先了解相关主题的文献，但这并不意味着分析是演绎性的。关键在于对从数据中涌现的新见解保持开放态度，而不是仅仅编码你期望找到的内容。开放性是归纳分析的关键要素：研究人员应努力在编码过程中不带任何固定的观念或假设，让类别自然而然地浮现出来，无论它们是对先前研究的语境化还是挑战。

接下来是初始编码过程。这包括通读文本，找出那些能够清晰表达观点的大段文字，然后用广泛的内容类别进行标记，以帮助识别模式。“你基本上是在对大段文本进行编码，每个文本都有一个意义单元，”维尔斯副教授说。“有时，一段大段文本会有多个意义单元。这没关系，多次编码是有益的。”

这些初始类别可能反映了访谈问题的结构，尤其是在使用半结构化访谈的研究中。然而，ICA 仍然对参与者回答中出现的新主题持开放态度。

迭代和灵活性：重新审视和完善你的模式

ICA 并非一种线性方法。在第一轮编码之后，研究人员会返回数据，完善和扩展他们的代码。在第二轮编码中，重点转向更详细的分析，代码变得更加具体，子类别也开始形成。随着数据分析的深入，情况预计会发生变化。

在某些情况下，单个子类别可能需要进一步细分。在其他情况下，两个类别可能需要合并。鉴于此，编码方案应在整个过程中随着新见解的出现而更新。这些类别通常会成为最终结果部分结构的基础。

共同编码与协作：共担责任并丰富分析

ICA 可以由一位研究人员完成，但许多研究团队包含多名研究人员和编码员。共同编码并非从统计学角度衡量编码员之间的一致性。相反，它有助于建立共同理解，并将各种视角引入分析。

“最终，它确实有助于丰富数据分析，”维尔斯副教授说道。“因为有多个人员从各自的视角进行观察……你将对数据有更丰富、更详细的理解，因为你拥有了多个视角。”

共同编码过程首先要明确参与者、每个人将编码多少份转录本，以及如何处理重叠和差异。在完成各轮编码后，研究人员会开会比较和讨论各自的解读，最终确定一个共享的编码方案。

综合并呈现研究结果：讲述故事而不掩盖复杂性

一旦类别和子类别确定，下一步就是解释。ICA 不要求研究人员将他们的研究结果与理论联系起来，尽管这样做是可能的。ICA 中的解释旨在根据分析过程中形成的类别来解释数据所揭示的内容。

“人们很容易试图‘掩盖事实’，或者忽略那些与故事其他部分不太一致的地方，”维尔斯副教授说。“但实际上，重要的是不要因为整理而失去这种细微的差别。”

研究人员可以选择运用理论来解释ICA的结果。例如，在研究人们对儿童基因携带者检测的看法时，Vears副教授分享道，在初步得出ICA结论后，她运用了“父母自由裁量区”的概念来解释父母对子女携带者检测的看法。这项工作是在完成归纳编码后进行的，以便更深入地理解数据。

使用 Lumivero 简化归纳内容分析

归纳式内容分析既直观又富有洞察力——但如果没有合适的工具，这个过程很快就会变得难以承受。无论您是在进行基础内容分析，还是复杂的混合方法研究，拥有支持您工作流程的软件至关重要。

Lumivero 的研究软件旨在支持定性研究的归纳和演绎方法 – 帮助您保持井然有序、高效工作并从数据中获得更深入的见解。