摘要：在定性研究领域，数据编码是一项至关重要的基础工作，它帮助研究者从大量文本数据中提炼出有价值的信息。近年来，随着生成式 AI 技术的发展，MAXQDA 软件推出的 AI 编码功能为定性数据编码带来了新的变革。本文将详细介绍如何在定性研究项目中使用 MAXQDA
在定性研究领域，数据编码是一项至关重要的基础工作，它帮助研究者从大量文本数据中提炼出有价值的信息。近年来，随着生成式 AI 技术的发展，MAXQDA 软件推出的 AI 编码功能为定性数据编码带来了新的变革。本文将详细介绍如何在定性研究项目中使用 MAXQDA 的 AI 编码功能，并探讨其与传统人工编码的差异、应用场景及对定性研究的潜在影响。
定性研究与 AI 技术的融合趋势
过去三十年，定性数据的分析方法和技术取得了显著进展，定性数据分析软件被广泛应用于实施各种研究方法，如定性内容分析、扎根理论和主题分析等。如今，生成式 AI 技术的兴起为定性研究带来了新的机遇和挑战。在 MAXQDA 用户会议上，人们对生成式 AI 如何影响定性研究方法展开了热烈讨论，其中 AI 编码成为关注焦点。
MAXQDA AI Assist 与 AI 编码功能解析
MAXQDA 是一款拥有三十多年历史的定性数据分析软件，AI Assist 是其推出的附加组件，集成了生成式 AI 的最新技术。AI Assist 提供了诸多功能，如文档自动总结、与编码数据交互以及为研究过程提供代码建议等，AI 编码便是其中一项极具创新性的功能。
AI 编码并非自动对整个研究项目进行编码，而是根据用户给定的代码名称和详细描述（代码备忘录），在文档中识别与该描述相符的文本片段，并进行编码标注。编码完成后，AI 会为每个编码片段提供解释，说明其与代码的关联，且新创建的 AI 代码会作为原始代码的子代码存储，便于研究者识别和管理。
使用 MAXQDA AI 编码的四步流程
基于数据子集开发和测试代码描述
创建代码时，在 MAXQDA 的代码窗口点击绿色加号，输入代码名称和详细的代码备忘录，代码备忘录需明确界定哪些文本段落应被编码，哪些应被忽略。创建代码后，选择要编码的文档，从 “AI Assist> AI Coding” 菜单中选择 AI 编码选项，将创建的代码拖入相应字段并可再次修订代码备忘录，随后点击 “OK” 启动编码。首次应用新代码时，应选择熟悉的文档进行测试。从两个角度评估编码结果：一是检查编码片段是否包含相关数据，有无无关数据，若存在问题可调整代码备忘录的排除标准；二是查看文档中是否有重要文本片段被遗漏，若有则调整包含标准或代码描述。
将代码应用于整个数据集
对初始文档的 AI 编码结果满意后，将代码应用于整个数据集。重复上述编码步骤，逐个选择文档进行编码操作，并关注代码频率，确保代码定义适用于所有文档。若某文档的编码结果异常，需进一步调查并调整代码备忘录。所有文档编码完成后，可合并同一代码的所有 AI 子代码，并再次检查编码片段，确保无误后将其与手动编码合并。若需创建多个代码，重复上述创建、测试和应用的流程。
编码完成后，可使用 MAXQDA 的可视化工具评估编码质量。通过 “Visual Tools> Code Matrix Browser” 分析代码在不同文档中的分布情况，较大的方块表示代码在文档中应用频繁，借此可判断编码的一致性。但需注意，由于 AI 编码片段大小不一，不能单纯依据代码频率评估。利用 “Visual Tools” 中的文档比较图表，查看文档中哪些部分被 AI 编码，每行代表一个文档，列代表段落，颜色表示使用的代码，可快速识别未编码部分，并判断其对研究的影响。
深入分析 AI 编码数据
在分析 AI 编码数据时，需谨慎对待代码频率的统计。AI 编码片段大小差异较大，从几个字到几段不等，与人工编码存在区别，且 AI 选择编码的数据可能影响我们对文本的阅读和考量范围。对编码数据，可右键点击代码，选择 “AI Assist> Summarize Coded Segments”，选择语言和期望长度生成总结，也可添加指令定制总结内容。AI 编码常产生大量编码片段，适合使用智能编码工具（Codes > Smart Coding）。该工具可全面查看代码内容，为每个代码逐段创建和应用新子代码，可参考 AI 创建的片段评论或获取 AI 子代码建议，确保每个 AI 编码片段至少被人工研究者审查一次，遵循定性内容分析方法。
AI 编码与人工编码的差异
AI 编码具有高度的演绎性和概念驱动性，它严格依据给定的代码描述寻找匹配文本，而人工编码时，研究者会综合考虑多个现有或潜在代码，对文本片段进行权衡判断，更具灵活性和开放性。AI 编码并非在所有应用场景下都如此，如使用 “Suggest codes for selected segment” 工具时，会基于文本生成全新代码，不考虑先前编码结果。
AI 编码在定性研究中的应用场景
AI 编码可作为快速且低成本的 “第二编码器”，帮助研究者挑战自身主观判断，指出可能遗漏或过早舍弃的文本片段，以 AI 的视角审视自身编码，提高编码的全面性和准确性。当面对大规模数据集时，若已手动编码部分示例数据，可利用这些经验和代码描述，借助 AI 编码将代码扩展到更大数据集，并通过 MAXQDA 可视化工具验证结果，提高研究效率。
AI 编码对定性研究的影响
AI 编码可能被部分人用于获取 “快速而粗糙” 的结果，从而对研究成果的质量造成负面影响。从积极方面看，AI 编码能为定性研究提供新的视角和思路，帮助研究者挑战主观偏见，在资源有限的情况下，为研究提供 “第二意见”，提升研究结果的数量和质量。
MAXQDA 的 AI 编码功能为定性研究带来了新的可能性，但在使用过程中，研究者需充分了解其特点和局限性，将 AI 编码与人工编码有机结合，发挥两者的优势，从而推动定性研究不断向前发展。
来源：小太阳说科技
