主题分析示例：如何将访谈转化为主题

主题分析示例是学习这种方法最快的方式，因此这里将通过一个示例进行说明。我们将使用四段简短的访谈引用，并将它们转化为可以直接放入结果章节的完整主题。

主题分析实际上是什么

主题分析是一种在文本中寻找意义模式的方法。这些文本可以是访谈记录、焦点小组笔记，或者开放式调查问卷的回答。

大多数研究人员遵循两位心理学家弗吉尼亚·布劳恩（Virginia Braun）和维多利亚·克拉克（Victoria Clarke）在2006年提出的六个步骤。你需要阅读数据、标记内容、整理标签、检查类别、命名主题，然后进行写作。

这个过程听起来很简单。但在实际研究中，你会在不同步骤之间反复进行，这是完全正常的。

我们将使用的数据

我为本指南编写了这些引用。它们并非来自真实研究，因此请不要引用。

研究问题：研究生如何看待在研究中使用人工智能工具？

参与者1：“我从不直接引用它告诉我的内容。我总是打开PDF文件并进行检查。”

参与者2：“第一个月我感觉自己像是在作弊。没有人告诉我们哪些使用方式是被允许的。”

参与者3：“我曾经被误导过一次。它给了我一个参考文献，但那篇论文根本不存在。现在我会检查每一个。”

参与者4：“我不会告诉导师我使用它的频率。把完成后的章节展示给她感觉更安全。”

主题分析示例：逐步进行

步骤1：先完整阅读所有内容

在进行任何标记之前，先阅读你的所有数据。然后再次阅读。

记录你注意到的内容。我的笔记中写道：每个人都提到了检查过程，两个人描述的是一种感受而不是具体行为，还有两个人想象了导师的反应，却从未真正询问导师。

最后这一点成为了我最好的主题。

步骤2：使用编码标记数据

编码是对文本中有意义片段添加的简短标签。可以把它想象成一张便利贴。

步骤3：将编码归类为可能的主题

现在退一步，观察哪些编码表达了相同的想法。

我最初的分组是：

没有人信任人工智能输出、没有人告诉我们规则、管理导师的看法，以及它可以节省时间。

步骤4：诚实检查这些分组

这是弱主题容易暴露的地方。

“节省时间”这个主题背后只有一个编码，而且它实际上只是一个话题。我删除了它，并将其作为背景句子提到。

“没有人告诉我们规则”和“管理导师的看法”实际上从两个角度表达了同一个意思，因此我将它们合并。

最后剩下两个主题，对于硕士研究项目来说，这是一个健康的数量。

步骤5：为每个主题赋予真正的名称

主题1：验证一切，不完全信任任何内容。

学生将人工智能输出视为没有权威性的初稿，直到他们自己检查来源。

主题2：各方都保持沉默。

学生正在自行制定使用规则，因为学校和导师都没有明确说明相关要求。

单个词的名称通常表示一个话题，而不是一个真正的主题，因此应该使用简短的短语作为主题名称。

步骤6：进行写作呈现

以下是一个完整主题在论文中的呈现方式。

验证一切，不完全信任任何内容

四名学生都将人工智能输出视为暂时性的内容。参与者1在引用方面明确表示：“我从不直接引用它告诉我的内容。”对于参与者3来说，一次虚假的参考文献经历改变了整个过程：“现在我会检查每一个。”一次负面经历比数周有用的输出产生了更大影响，这表明这些学生的反应更多是基于他们亲眼见过的最坏情况，而不是全面评估人工智能的可靠性。

注意其中的结构。

提出一个观点，展示一个引用，然后解释它的含义。

如果你只停留在引用部分，你只是描述了数据，而没有进行分析。

主题不是话题

这是最容易导致失分的错误。

“人工智能工具”是一个话题。它只是告诉读者你询问了什么。

“验证一切，不完全信任任何内容”是一个主题，因为它告诉读者你发现了什么。

快速测试：如果你可以直接使用访谈指南中的一个词来命名你的主题，那么它很可能只是一个话题，而不是主题。

需要避免的错误

1. 写主题“自然出现”。
   主题不是自己出现的，而是由你构建的。应该说你构建或发展了这些主题。

2. 声称达到了饱和。
   布劳恩和克拉克在2021年提出，饱和概念并不适用于反思性主题分析。因此，应根据研究问题的集中程度来说明样本量的合理性。

3. 拥有八个主题。
   这通常意味着你停留在编码阶段，没有进一步分析。

4. 连续堆叠三个引用，却没有进行解释。

是否应该使用人工智能对数据进行编码？

这取决于你要求它完成什么任务。

2025年和2026年发表的研究发现，当人工智能工具按照研究人员自己编写的编码表进行编码时，它们与人工编码者的结果具有较好的匹配度。但当要求人工智能从零开始创造编码和主题时，可靠性明显较低。这些研究认为，人工智能工具可以辅助人工分析，但不能替代研究人员。

因此，可以使用人工智能进行转录、整理编码，或者根据你自己的编码表进行初步分析。

不要让人工智能为你命名主题。

始终检查你所在机构的规定，并在研究方法部分说明你使用了什么工具，以及你如何进行检查。

这部分在论文中的位置

主题分析属于你研究方法论整体选择的一部分。

它也与你理论框架示例中选择的理论，以及研究范围与界定部分设定的研究边界相互联系。

常见问题

我应该有多少个主题？

硕士论文通常有两个到四个主题。超过六个主题通常意味着你停留在过早的编码阶段。

我需要多少次访谈？

没有固定数量。小型研究项目通常使用六到十二次访谈。与其引用某个规则，不如解释你选择该数量的理由。

我可以对调查问卷答案进行主题分析吗？

可以。开放式调查问卷回答适合进行主题分析，不过答案通常较短，因此通常需要更多数据。

我需要使用NVivo等软件吗？

不需要。许多已发表研究都是通过电子表格完成编码的。软件可以帮助处理大型数据集，但它不会替你进行思考。

Canyam如何帮助我的研究方法章节？

你可以搜索数百万篇论文，并阅读能够展示其他研究如何处理研究方法的摘要，然后打开原始论文，在引用之前检查详细信息。

亲自尝试

最快的学习方法，就是使用你自己的材料复制这个主题分析示例。

选择四段引用，对它们进行编码，将编码分组，然后使用多个词为分组命名。

如果名称无法通过话题测试，那么你将在一小时内学到一个有价值的方法，而不是花费三周时间才发现问题。