第一步：熟悉数据。在开始编码前，至少通读所有转录文本2–3遍。第一遍：整体感受（受访者在说什么、情绪如何）。第二遍：做边注（在旁边写下你的初步想法和感受）。第三遍：开始注意反复出现的模式和语言。这个阶段不要急着"找结论"，先让自己"沉浸"在数据里。

第二步：初始编码（Open Coding）。逐行阅读文本，给每一段有意义的文字贴标签（编码）。编码要"贴近数据"——用受访者的原话或贴近原话的短语作为编码名称，而不是一开始就套理论概念。例如，受访者说"我觉得这个课太无聊了"，编码可以是"课程无聊感"而非"学习动机低下"。

第三步：聚焦编码（Focused Coding）。把所有初始编码汇总，找出出现频率最高、最具分析价值的编码。将相似编码归类、合并、提炼。例如，"课程无聊感""听不懂""跟不上节奏"可以归为"学习体验障碍"这个更高层级的编码。

第四步：主题提炼（Thematic Development）。将聚焦编码进一步组织为"主题"（Themes）和"子主题"（Sub-themes）。每个主题应该回答你的研究问题的一部分。例如，研究"在线学习体验"，可能提炼出三个主题：技术障碍、社交隔离感、自我管理能力。每个主题下用2–3个子主题展开。

第五步：用数据支撑主题。每个主题都必须有原始引文（受访者原话）作为证据。在论文中大量使用直接引语——这是质性研究的"灵魂"。格式："受访者A说：'……'"（标注受访者编号，保护匿名性）。

第六步：理论对话。将你的主题与现有理论/文献对话。你的发现支持了哪个理论？挑战了哪个理论？提出了什么新概念？这一步将质性数据从"描述"提升到"理论贡献"的层面。

软件工具推荐。NVivo（最主流，功能全面，但付费）；Atlas.ti（另一个主流选择）；MAXQDA（界面友好，适合混合方法）；RQDA（R的免费包）；Dedoose（在线协作，适合团队项目）。如果预算有限，用Excel也能做编码——建一个三列表（编码名称、原始引文、归类），手动管理即可。

信度与效度。如果是多人编码，计算编码一致性（Kappa系数或百分比一致率），目标>0.8。如果是单人编码，采用"审计追踪"（Audit Trail）方法——详细记录每一步编码决策的依据，让审稿人能追溯你的分析过程。

第一步：熟悉数据。在开始编码前，至少通读所有转录文本2–3遍。第一遍：整体感受（受访者在说什么、情绪如何）。第二遍：做边注（在旁边写下你的初步想法和感受）。第三遍：开始注意反复出现的模式和语言。这个阶段不要急着"找结论"，先让自己"沉浸"在数据里。

第二步：初始编码（Open Coding）。逐行阅读文本，给每一段有意义的文字贴标签（编码）。编码要"贴近数据"——用受访者的原话或贴近原话的短语作为编码名称，而不是一开始就套理论概念。例如，受访者说"我觉得这个课太无聊了"，编码可以是"课程无聊感"而非"学习动机低下"。

第三步：聚焦编码（Focused Coding）。把所有初始编码汇总，找出出现频率最高、最具分析价值的编码。将相似编码归类、合并、提炼。例如，"课程无聊感""听不懂""跟不上节奏"可以归为"学习体验障碍"这个更高层级的编码。

第四步：主题提炼（Thematic Development）。将聚焦编码进一步组织为"主题"（Themes）和"子主题"（Sub-themes）。每个主题应该回答你的研究问题的一部分。例如，研究"在线学习体验"，可能提炼出三个主题：技术障碍、社交隔离感、自我管理能力。每个主题下用2–3个子主题展开。

第五步：用数据支撑主题。每个主题都必须有原始引文（受访者原话）作为证据。在论文中大量使用直接引语——这是质性研究的"灵魂"。格式："受访者A说：'……'"（标注受访者编号，保护匿名性）。

第六步：理论对话。将你的主题与现有理论/文献对话。你的发现支持了哪个理论？挑战了哪个理论？提出了什么新概念？这一步将质性数据从"描述"提升到"理论贡献"的层面。

软件工具推荐。NVivo（最主流，功能全面，但付费）；Atlas.ti（另一个主流选择）；MAXQDA（界面友好，适合混合方法）；RQDA（R的免费包）；Dedoose（在线协作，适合团队项目）。如果预算有限，用Excel也能做编码——建一个三列表（编码名称、原始引文、归类），手动管理即可。

信度与效度。如果是多人编码，计算编码一致性（Kappa系数或百分比一致率），目标>0.8。如果是单人编码，采用"审计追踪"（Audit Trail）方法——详细记录每一步编码决策的依据，让审稿人能追溯你的分析过程。