||
特别声明,本系列翻译节选没有经过原作者D. Soyini Madison教授和Sage Pubilication的允许,
因此仅供学习使用,一切分享和商业行为与本人无关。
数据编码与记录
作为访谈者,你已走过许多路径,聆听了许多故事,而那些亟待解决的问题已逐渐演变为需要解读的厚描叙事。现在是时候暂停脚步了。访谈全部完成后该做什么?此刻你拥有大量信息,却感到有些难以驾驭。或许你记得有人曾提起过"编码与记录"这回事。
编码或记录"能帮助你回忆那些曾冲击你的、异常复杂的刺激范围"(Lofland & Lofland, 1984, p.46)。面对海量信息该如何处理?请记住:每个研究项目和研究者都是独特的,因此你需要筛选、归类、整合对你有用的内容。数据编码与记录就是将田野中积累的主题和类别进行分组的过程。
Glesne(1999)建议,在筛选和归类时,你可以构建她所说的"代码簇"——"将相似的数据片段聚集在一起,形成一个组织框架"(p.135)。以下模型结合了多种编码程序,为你提供一个可按需调整的步骤指南:
1. 初步数据整理
通常从基础分类开始:访谈录音、地点与人物、高频主题或关键议题
你也可以将编码分为:
1. 高阶编码:关注更抽象的概念
2. 低阶编码:处理更具体的数据(Carspecken, 1996)
但在开始前,你必须自问:"如何分组或聚类这些材料,才能更清晰地聚焦于我的分析或呈现方式?"
2. 分组的深层意义
分组不仅是将相似类别归并,其选择行为本身就在构建一种观点或陈述:
"带着分析意识编码……主题从编码中浮现,而这些主题将指引你的分析"(Carspecken, 1996, pp.146-153)。
如果你准备将数据改编为舞台呈现,还可以:根据表演场景编码;考虑观众或读者的视角。重点在于:编码不仅关乎相似性归类(尽管这是首要任务),还需考量分析、呈现、读者与观众等可能重塑你"数据簇"的因素。
3. 访谈精度决定编码质量
访谈的精确性与细节将直接影响编码(Carspecken, 1996; Lofland & Lofland, 1984)。保持这种精确性至关重要,这意味着访谈越具体、主题越明确,数据归类与排序就越简单。
4. 数据簇的深化处理
随着数据簇的形成,你需要进一步排序:
1. 检视每个簇内的具体主题
2. 比较与对比簇内的特定主题
3. 持续检视并记录各簇的主题
4. 发现重叠主题、显著差异,以及需要跨簇移动的主题(某些主题可能需完全剔除)
5. 完成簇内主题检视后,进行跨簇比较,从而建立关联与主题网络
6. 此时主题的演进脉络已更加清晰
5. 可视化框架
完成数据记录或编码后(或在过程中需要更清晰方向时),绘制组织框架的图形会很有帮助。你可以选择:树状图\聚类图\方框图\表格等形式。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2025-5-1 11:04
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社