编码（Coding）的系统流程。第一步：开放编码（Open Coding）——逐行阅读转录稿，给每段话贴标签（Code）。不要预设类别，让标签从数据中"涌现"。例如，受访者说"我每天加班到11点"，可以编码为"工作时间过长""工作生活失衡"。第二步：轴向编码（Axial Coding）——把开放的标签归类、组织。发现标签之间的关系（因果、条件、策略、结果）。例如，"工作时间过长"和"精力耗尽"之间可能有因果关系。第三步：选择性编码（Selective Coding）——从所有类别中识别出"核心范畴"（Central Category），围绕它组织整个理论。例如，核心范畴是"生存策略"——所有其他范畴都是这个核心的不同面向。

编码的信度检验。质性研究常被质疑"主观性太强"。检验信度的方法：①Cohen's Kappa：两个编码者独立编码同一批数据，计算Kappa值。>0.75=优秀，0.60–0.75=良好，<0.60=需要重新协商编码规则。②编码手册（Codebook）：把每个编码的定义、判断标准、典型示例写成手册。新编码者按照手册操作，保证一致性。③审计追踪（Audit Trail）：记录每一步编码的决策过程——为什么给这段话贴这个标签？为什么把A标签和B标签合并？④反思日志（Reflexive Journal）：记录编码者自己的预设、情绪、偏见。这不是"误差"，而是质性研究的"自我透明"——让读者知道你的立场。

从编码到理论：扎根理论（Grounded Theory）。这是质性研究中最系统的理论建构方法。核心原则：理论必须从数据中"生长"出来，而不是用现有理论去"套"数据。步骤：①持续比较（Constant Comparison）：每读一段新数据，都与已有编码比较——是相同的概念？还是需要新编码？②理论抽样（Theoretical Sampling）：根据已发现的理论缺口，有意识地选择下一位受访者来填补。③达到理论饱和（Theoretical Saturation）：新数据不再产生新编码/新范畴。④写出备忘录（Memos）：在编码过程中随时写下你的思考、猜测、理论灵感。备忘录是"数据→理论"的桥梁。⑤最终输出：一套相互关联的命题/模型，并用原始引文作为证据。

叙事分析（Narrative Analysis）。不是所有质性数据都适合"编码+范畴化"。有些数据的核心是"故事结构"——人们如何讲述自己的经历。分析方法：①识别叙事结构（叙事弧线：开头-发展-转折-结局）。②分析叙事策略（受访者如何建构自己的身份？如何解释自己的行为？如何归因成功/失败？）。③注意"沉默"和"省略"——受访者没有说的部分，可能和说出来的部分一样重要。④用"叙事"作为分析单位，而非"观点"或"态度"。适合研究：身份认同、生命历程、组织文化、社会运动。

质性研究的"可信度"标准。量化研究用"信度+效度"，质性研究用不同的标准：①可信性（Credibility）≈ 内部效度：你的分析是否可信？方法：三角验证、成员检查（Member Checking）、持久观察。②可转移性（Transferability）≈ 外部效度：你的发现能推广到什么范围？方法：提供"厚描述"（Thick Description），让读者判断可转移性。③可靠性（Dependability）≈ 信度：分析过程是否一致、可追踪？方法：审计追踪、编码手册。④可确认性（Confirmability）≈ 客观性：你的分析是否受到个人偏见影响？方法：反思日志、负案例分析（Negative Case Analysis）。

编码（Coding）的系统流程。第一步：开放编码（Open Coding）——逐行阅读转录稿，给每段话贴标签（Code）。不要预设类别，让标签从数据中"涌现"。例如，受访者说"我每天加班到11点"，可以编码为"工作时间过长""工作生活失衡"。第二步：轴向编码（Axial Coding）——把开放的标签归类、组织。发现标签之间的关系（因果、条件、策略、结果）。例如，"工作时间过长"和"精力耗尽"之间可能有因果关系。第三步：选择性编码（Selective Coding）——从所有类别中识别出"核心范畴"（Central Category），围绕它组织整个理论。例如，核心范畴是"生存策略"——所有其他范畴都是这个核心的不同面向。

编码的信度检验。质性研究常被质疑"主观性太强"。检验信度的方法：①Cohen's Kappa：两个编码者独立编码同一批数据，计算Kappa值。>0.75=优秀，0.60–0.75=良好，<0.60=需要重新协商编码规则。②编码手册（Codebook）：把每个编码的定义、判断标准、典型示例写成手册。新编码者按照手册操作，保证一致性。③审计追踪（Audit Trail）：记录每一步编码的决策过程——为什么给这段话贴这个标签？为什么把A标签和B标签合并？④反思日志（Reflexive Journal）：记录编码者自己的预设、情绪、偏见。这不是"误差"，而是质性研究的"自我透明"——让读者知道你的立场。

从编码到理论：扎根理论（Grounded Theory）。这是质性研究中最系统的理论建构方法。核心原则：理论必须从数据中"生长"出来，而不是用现有理论去"套"数据。步骤：①持续比较（Constant Comparison）：每读一段新数据，都与已有编码比较——是相同的概念？还是需要新编码？②理论抽样（Theoretical Sampling）：根据已发现的理论缺口，有意识地选择下一位受访者来填补。③达到理论饱和（Theoretical Saturation）：新数据不再产生新编码/新范畴。④写出备忘录（Memos）：在编码过程中随时写下你的思考、猜测、理论灵感。备忘录是"数据→理论"的桥梁。⑤最终输出：一套相互关联的命题/模型，并用原始引文作为证据。

叙事分析（Narrative Analysis）。不是所有质性数据都适合"编码+范畴化"。有些数据的核心是"故事结构"——人们如何讲述自己的经历。分析方法：①识别叙事结构（叙事弧线：开头-发展-转折-结局）。②分析叙事策略（受访者如何建构自己的身份？如何解释自己的行为？如何归因成功/失败？）。③注意"沉默"和"省略"——受访者没有说的部分，可能和说出来的部分一样重要。④用"叙事"作为分析单位，而非"观点"或"态度"。适合研究：身份认同、生命历程、组织文化、社会运动。

质性研究的"可信度"标准。量化研究用"信度+效度"，质性研究用不同的标准：①可信性（Credibility）≈ 内部效度：你的分析是否可信？方法：三角验证、成员检查（Member Checking）、持久观察。②可转移性（Transferability）≈ 外部效度：你的发现能推广到什么范围？方法：提供"厚描述"（Thick Description），让读者判断可转移性。③可靠性（Dependability）≈ 信度：分析过程是否一致、可追踪？方法：审计追踪、编码手册。④可确认性（Confirmability）≈ 客观性：你的分析是否受到个人偏见影响？方法：反思日志、负案例分析（Negative Case Analysis）。