编码定性数据

我们在最近花了很多时间思考用户访谈和其他形式的定性数据得到编码，如果有办法从我们工作的该元素中获得更多价值。解释我们的结论和＃39; ve来吧，让＆＃39;如果我们为任何新人做了什么编码以及为什么我们为此做出什么，然后简要谈论我们认为产品和amp的方式。 UX产业可能会在其代码中获得更多价值。

定性研究有两种不同的元素 - 听取人们通过采访所说的，并观察人们在给定的背景下做些什么。这对这些形式的基础是大多数现代民族图谱的基础。我们面临的挑战经常到达，因为我们创造了对所研究的人口的准确描述;格斯塔尔（有组织的收藏）由个人经验组成，这些经历必须代表那些与我们互动的个人经验的本质。如果是艺术，我们＆＃39

这意味着一开始，我们必须考虑我们将如何收集我们的数据，以及我们如何分析它。 ＆＃39;围绕建构主义者[1]与证据的关键现实主义者[2]职位，以及接地理论等方法的优点，比如模板分析或动作研究等规定的工具，但无论该方法如何，我们必须编码和分析我们的数据。在没有对收集的信息进行某种形式的主题分析，有很多学习或呈现。

因此，围绕我们的证据，无论是那个成绩单，来自分析工具，调查还是其他任何东西的数据，都会构成几乎所有形式的定性数据分析的基础。它＆＃39;在观察到的行为，寻找共同性并将人力维度带到证据的工具背后的工具。它创建了我们创建用户原型，用户需求和旅程映射的框架。我们将它们用来挖掘和链接信息，能够备份具有特定行为示例的研究发现，并在研究中展示真相。

因此，编码是多少*超过实际工作开始之前的简单注释。 IT＆＃39; S本身的早期分析步骤，这通知数据收集。它也是为什么自动转录工具，同时有用，不要在长期运行中保存那么多时间 - 在分析中花费的时间，这是一种自动化工具仍然很长。

在观看研究人员编纂研究时，我们经常观察到的问题是，我们目前的数字工具作物只是我们如何历史上编码的研究 - 在带有亮点和剪刀的纸张上的反映。在那里没有错，但数字工具允许我们以其他方式与信息交互。以与iPhone从根本上重新发明的方式，我们通过反映移动表格因素的根本限制和益处的方式如何考虑便携式个人计算，我们的工具应该反映它们存在的介质。当这些工具变得数字时，我们应该反映出来而且不仅仅尝试适应基于纸张的工作思想。

那么我们应该如何代码数据，如果我们＆＃39;重新获得最大的价值？

首先思考代码，在其功能方面开始。代码是一个常用的抽象单词或短语，代表一个想法或概念，与文本的通过有关。不同的相关段落以相同的代码标记标记，建立具有常见概念和/或主题的文本语料库。我们这样做了五个阶段，以螺旋方式进展，在我们取得进展的同时圈出来，而不是一个接一个地线性。最基本的阶段是：

阅读数据，了解它包含的内容，并在您通过它时撰写似乎播种的常见主题和元素的说明。

创建代码列表，注意到它们有关的信息类型，并描述每个信息。

定义代码与精炼编码结构之间的关系。这可以是层次结构，或平面，小型结构或某种形式的混合。

回顾数据并将其与代码和关系进行比较，以查看它们是否反映了信息的准确图片，如果有任何缺失或错误，请修复它。

通过最终的代码和关系列表，并为每个编写的定义创建定义，注意数据如何互相相关，数据告诉的故事以及它与整个数据集相关的故事。

早期阶段的目的是编写一切，无论您是否认为它＆＃39; ll以后使用。在您创建初始代码然后重新代码时，在您的第一个传递中，您＆＃39;重新瞄准将信息易于易于集成，而不是定义最终代码或分析它。当您开始反射过程时，分析将会发生。

所有上述进程都可以与数据收集异步解决，从而可以通过早期数据或事实之后通知收集格式。如果我们希望将我们的数据未来集合缩小到特定区域，我们＆＃39;如果我们收集早期数据，我们需要运行这个过程。如果我们想简单地获得广泛的采样来分析，或者我们与预先收集的数据或重新分析旧信息，那么我们可以将整个过程分别分析到集合中。

当我们进入查找和创建代码集时，在那里有不同的方法，不同类型的代码以及不同的代码。让＆＃39;谈论一个简短的看看我们可以考虑代码的所有不同方式，从三种基本形式的代码生成开始。

使用预构建的代码来查看数据。这可能来自您之前完成的研究，在文献审查中或其他研究员中找到主题，或者在其他研究人员中找到主题。一旦定义了代码，就会通过文本和代码，基于镜头＆＃39; ve选择通过镜头来查看它。当有特殊的挑战你＆＃39;重新寻求地址，和/或你和＃39;重复避免偏见，团队可能进入分析的偏见。

从没有任何代码的开始，您可以在通过数据时建立一系列代码并查看结果。创建的代码是流体，可以删除，添加到或更改，因为您对数据集的理解增长。当没有关于可能会出现的东西，或者你＆＃39;重新寻找如何改进经验的初始想法和don＆＃39; t但是没有任何假设。

优先码的子类型，使用预构建的集合专门设计用于评估关于假设及其假设的证据。

大多数实际研究往往是两者之间的东西，从基本镜头开始，以查看信息，但在您学习时模制和扩展。您使用的取决于您＆＃39;重新分析，您对数据集的了解，您会收集/已收集，以及您的目标是什么。

在任何一种情况下，您的代码都应在您完成的时间准确地反映和代表您的数据。现在让＆＃39;思考我们提出我们用代码的单词来思考我们的代码。虽然这是一个令人遗憾的名单，在这里有一些常见的代码的数百种不同的方式，这里是一些更常见的通用方式：

拉丁在生活中。使用实际用于尝试的参与者尝试的文字创建代码，并且都保持接近他们的意图，并且能够使用反映参与者的语言＆＃39; s的语音模式。这在语言可以开始由大量特定于区域特定的缩略语或术语组成的环境中特别有用。还可以通过拉出最重要的元素来帮助创建整个部件的摘要。

玻璃内的拉丁语。创建反映用户描述的代码，而不使用他们的语言。当您在多种方式中常用的内容时，这非常有用，您希望在一个单一，清晰，简洁的代码中整合。

基于格伦的代码（＆＃34; ING＆＃34;喜欢做，运行，写作，改变，结束......）用于描述可观察或概念活动。这些也倾向于是时间的，并意味着三角洲，因为一些东西会改变它们的结果。

高级代码描述了更广泛的东西。例如，有人可能正在跑步或游泳，但在任何一种情况下，他们都可能正在做与健身或生存有关的事情。通常用于赋予行动背后更高的原因。通常是处理代码的关系。

与参与者持有或描述的个人或社会价值相关的代码。通常用于解压缩态度，偏见和信仰。

早期，暂定定义和措辞代码，预计随着分析持续而改变和发展。通常是作为后验编码的一部分创建的。

并非所有代码都是通用的 - 但我们还拥有一定类型的代码，这些代码高度定义并封装了特定的上下文。其中一些例子是：

将一组情绪代码中的一个分配给参与者和/或其行为。通常还使用协议编码的想法，其中使用预先设置的代码列表来描述观察到的情绪。普通的情绪协议是Plutchik [3]，亚里士多德[4]，以及最近的GoOMotions分类[5]。

描述研究中组之间的关系的代码。血缘群体是总人口的子组，与他人的任何形式关系，而代码是专门来自总组的两个人群之间的敌对关系。例如，根据上下文，教师和学生可以被描述为临近或与与相反的关系，以及通过与其共同发生的相关过程代码推断的上下文。

作为语义相关代码结构的一部分，通常以树或图形表单静脉的代码。通常在重新编码和排序期间创建，以及作为主题和域的反射阶段出现。这些不仅仅是通用类别 - 他们特别关联对人民参与者及其相关背景特有的行为和语言。例如，如果调查程序员，您可能会有UI，后端，前端等代码，可以坐在责任域区域。

这种生成代码并将其应用于数据的过程允许我们在我们的数据上获取句柄，以便我们可以理解和询问它。它有助于我们看看人们正在努力做什么，他们＆＃39的目标;重申实现的目标，他们遇到的挑战和他们赢得的成功，以及他们用来到达那里的黑客。它让我们通过需求驱动的研究，我们可以看到定量数据背后的故事，以便我们可以找到改善用户体验的方法。

它还允许我们集成和重新组织研究数据。从采访和观察研究中收集的信息永远不会按照您想要思考和展示它的顺序。代码让您通过为您提供工具来分解并将数据重新构建数据，使您提起对此特定混乱的命令。

在最基本的层面上，我们有文本的个人段落，有足够的背景来有意义。这些是我们的*原子单位*信息。

移动级别，我们在公共代码下组装一组各个段落，创建*分子*的信息。这让我们了解并比较任何特定元素的频率，以及代码是否与偏远的信息或用户群体的子集相关。它通过这一步骤，通过开始围绕它的一些措施来定量测量我们的定性数据。

然后，这些分子本身形成为较大的*结构*，创建一个叙述，该叙述可用于通知您的组织从多个代码中收集的数据。它亮起代码之间的不同关系，以及代码本身的性质在更大的背景下。这通常是您在您的部门以外的其他人都将与您创建的知识互动的水平，然后能够在工作所需的工作中挖掘。

有些方法创建结构。一些更常见的方法和结果包括：

基于它们的语义和彼此的逻辑关系，各种略微不同的方法，尽管生成的代码和合并，删除，分组和分类和分类它们。这些旨在优化用于仅包括准确且完全（整体）描述数据的编码方案。

组织代码和结构，以显示一些构建体或行为集的进展。

通过距离或某种形式的距离或某种形式地显示代码和结构的组织，以显示一些构建或一组行为的进展。

最后，建筑物形成*拱顶*，叙述的组合互相加强，并定义更大的故事。我们将结构携带共同指导策略，并告知更高水平的组织，这些组织以一种方式传达了足够的细节和对特定示例的方法，以强大和令人信服，但在足够高的水平以允许更长的水平 - 可以从中制成的组织规划决定。

我们代码的第二个原因是该过程本身可以帮助我们在我们思考的方式中找到问题。通过创建代码作为一个具有多种思维过程的人群的人，您可以创建一个广泛的思想空间，总共重叠狭窄，以允许不同的研究人员和分析师查看数据以便能够查看数据中央工作和寻找偏见的偏见和错误，思考团队中的其他人可能已经存在。这会产生一个环境，其中编码结构的真实性（真相是如何）的增加，因为它受到挑战和改进。顺便提及，这是一个背发驱动设计作品的相同基本原则。

我们编码今天的方式，由于燕尾榫和享有的工具，仍然与之前的根本相同，但正在变得更加合作和开放。这是至关重要的，作为研究人员，我们需要努力了解我们的轴突（价值观和信仰）如何影响我们的研究，从来源选择，采访结构或问题选择，所研究的人口以及我们创造的解释和分析。

这会产生一个明显的挑战 - 我们如何确保我们的分析是可靠的，而且不会受到我们可以带来的偏见的影响？毕竟，它完全可能对两位研究人员完全有可能看同一个事件并在其周围提出完全不同的解释。

这里的第二次挑战，因为最终是我们的研究的目的是＆＃39; t呈现报告;它找到了新的知识，激发了假设来测试，最终以某种方式产生改善组织的行动。当我们在那种光线中考虑它时，我们可以在那里有几种方式提高我们目前的工作方式，并为整个编码过程带来额外的效用。

如果我们考虑可靠性，我们挑战我们＆＃39;重新选择我们＆＃39;重新尝试确保用于不准确解释我们的数据的潜在途径是尽可能窄的。这意味着确保一切都明确定义，清晰可理解，并且研究是可重复的。到达那里，我们需要做的四件事。

首先，我们需要获得多样性的思想，并审查研究。不同的人，有不同的背景和观点，具有不同的思维方式。进行分析的组越多，可能会拾取思维或解释中的偏差和误差的可能性越多，因为有能力挑战（或可能缺失的代码）。这不仅仅是平均族裔或性别差异，还有责任和专业知识的差异。例如，有撰写文案和语言分析培训的人将在面试中接受不同的东西，而不是在人类学或行为经济学中的培训。

在相关说明上，有参与者（或者如果您可以在最常的一个组中重新联系原始人物）评估您的解释，看看分析是否准确反映所说的内容。这是关于确保树木不迷失在森林中，你保持个人经验的尊严和重要性，同时也反映了整体。

第三，瞄准多个数据的解释。尽可能地想要产生各种不同的竞争假设，因此您可以将它们互相测试，以查看哪个Don＆＃39; t站起来。这样，你们俩都在寻找可能是什么，而不是找到初步假设并停止在那里，而且你也可以在寻找导致你的研究结果中采取的行动更多的创造力。

最后，通过寻找更多数据来验证您的研究。这也称为三角测量，因为它允许您多维地思考证据。以与我们尝试和伪造具有空假设的假设的方式相同，您应该尝试使用替代证据来源的调查结果，以检查您的结论是否强大。

为了带来添加的实用程序，因为我们进入一个像亨德林等工具的年龄​​，我们需要更广泛地思考我们的先验代码。我和夏马和其他人说过，它＆＃39是不可能通过预先存在的偏见，期望，欲望或意见进行研究。相反，它更好地尝试和阐明那些所以你可以了解它们，并以最有效的方式进行研究。

这意味着在研究开始之前，概述了在调查中概述了更高级别的概念的套件套件。通过创建这些码本，我们可以更广泛地定义组织的重要事项，目前在研究中发现的目标，目前的研究重点以及可能通过该研究通知的潜在活动的目标。

这是传统上一直棘手的东西，因为研究已经饱和，一旦进行往往会减少到一个可能或可能不会重新使用的报告，或者在某处存档中的时间。但是，通过开始采取我们的调查结果并在更广泛的背景下将它们嵌入，我们可以改善我们的调查结果的可发现性，并创建允许我们真正开始展示价值的代码套件，将业务结果与我们的工作绑定，并证明了值得对利益相关者的研究人员。

正如Kathy Charmaz所概述的建设理论：通过定性分析的实用指南

愤怒＆amp;平静;友谊;恐惧＆amp;勇气;羞耻＆amp;置信度;善良＆amp;残酷;遗憾;愤慨; envy＆amp;妒忌;和爱

钦佩;娱乐;愤怒;烦恼;赞同;关怀;困惑;好奇心;欲望;失望;不赞成;厌恶;尴尬;激动;害怕;感激;悲伤;喜悦;爱;紧张;乐观;自豪;实现;宽慰;悔恨;悲伤;和惊喜。