如何学习NVIVO?

1、使用NVivo的操作流程

整体来说,需要经历导入、编码和可视化分析三个阶段(如下图所示)。

2、NVivo 关键术语

材料来源(source):可以是自己创建的文档,也可以从外部导入PDF、数据集、音频、视频、图片,还可以是后期添加的备忘录。

节点(node):可以理解成一段话的关键字。例如,如果有多个材料都表达的是同一个意思,就可以用同一个节点进行连接。

软件可以参考公众:猫布袋 回复关键词 nvivo即可得到。

案例(case):用户存放研究对象信息的容器。

编码(code):编码是质性研究的核心技术。NVivo支持手动编码和快速自动编码,但前提都是研究者自己对编码的做法有清楚的了解。如果想了解编码技术

3、NVivo支持的编码操作

(一)先添加节点再开始编码(自上而下)

如果你已经知道自己在寻找什么主题,可以先创建节点,然后选择对应的文本拖拽到节点上进行编码。

(二)先选择内容再创建新的节点(自下而上)

你可以在浏览内容的过程中选择相应的文本并为它们创建一个对应的节点。

(三)将选定的单词直接创建为节点

这个做法与上一个做法的区别在于,它是直接以选中的文本作为节点的名字,而不用重新创建一个节点名

(四)根据样式或结构快速编码

如果材料的样式或结构相同,可以对对其进行自动编码。例如,如果参与者全都被问到同一组问题,你可以根据段落样式对材料内容进行自动编码。

另外,数据集也可以快速编码。

(五)根据现有编码模式快速编码

当你根据现有编码模式自动编码时,NVivo 采用机器学习算法对包含与以前编码内容相似词语的文字段落进行“粗略”编码。

(六)使用文本搜索查询进行快速编码

你可以使用 NVivo 的查询功能,从而根据材料来源所包含的词或短语进行自动编码。这可以成为复查数据的有用起点。

例如,你可以对“鱼”这个词运行文本搜索查询并自动编码所有匹配项。你可以搜索确切的词、短语或相似的概念。例如,搜索鱼并查找鳟鱼、鲻鱼和蟹。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,524评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,869评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,813评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,210评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,085评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,117评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,533评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,219评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,487评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,582评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,362评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,218评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,589评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,899评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,176评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,503评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,707评论 2 335

推荐阅读更多精彩内容