扎根理论编码全流程：开放编码、主轴编码与饱和判断实操指南

很多第一次做质性研究的人访谈录音攒了十几个小时逐字稿导出来两百多页坐在电脑前却不知道该从哪一行开始看。文献读了一堆概念框架在心里隐隐成形可一旦动笔又怕自己是在拿数据证明自己早就想好的结论。这种卡住的感觉恰恰是扎根理论要解决的问题的入口。扎根理论Grounded Theory做的事情说起来很朴素让理论从田野数据里长出来而不是先搭好架子再往里填材料。它提供了一整套从原始文本到概念、从概念到范畴、从范畴到解释性框架的操作路径——开放编码、主轴编码、选择性编码、持续比较、理论抽样、备忘录写作。这套路径特别适合那些研究问题还没被现有理论讲透、或者现有理论跟你的田野现场对不上号的场景教育现场里的师生互动、医疗场景中的医患沟通、组织内部的隐性规则、社区里的互助网络都能用。适合刚入门质性研究的学生也适合做惯了量化、想补上意义解释这一块的研究者。但这套方法也是最容易被做走样的。我见过太多论文前面写着采用扎根理论翻到编码部分一看就是把访谈稿切成一句话一个标签归归类然后宣布浮现了三个核心范畴。这跟主题分析没什么区别只是换了个名头。所以这篇不打算只讲流程而是把每个环节真正的手感、判断标准、以及那些踩过才知道的坑一块儿摊开来说。1. 从先立假设到让数据说话这套方法到底在反什么1.1 归纳不是万能钥匙但它针对的痛点很具体量化研究的典型路径是读文献→提出假设→设计工具→收集数据→验证假设。这条路径的效率很高前提是你研究的问题已经被前人切得足够细变量之间的关系大致清楚你只需要在某个具体情境下再确认一遍。问题在于很多社会现象不是这个结构。你去研究一个新出现的行业里从业者怎么理解自己的职业身份翻遍文献也找不到合适的量表你去研究一个社区里邻里互助是怎么自发组织起来的现成的理论要么太宏观要么太西方。这时候你需要的是先搞清楚这里到底在发生什么而不是我的假设成不成立。扎根理论就是为这种说不清楚的状态准备的。它的核心主张是理论应该从数据中归纳生成而不是从既有理论中演绎推导。注意这里的措辞不是不要理论而是延迟理论化。你带着理论敏感性进入田野——知道哪些概念可能相关、哪些文献值得读——但你不预设它们之间的关系也不预设哪个是核心。你要做的是让受访者的话、观察到的行为、收集到的文本自己告诉你哪些东西重要。这个转向的代价是时间和不确定性。量化研究可能三个月跑完数据扎根理论做扎实了一年半载很正常因为你得一边收数据一边分析一边调整下一步收什么。而且你没法提前知道最后会得出什么结论这对习惯了开题就写清楚预期成果的人来说是很不舒服的。我自己的体会是这个不舒服是必须熬过去的因为一旦你提前锁定了结论后面所有的编码都会不自觉地往那个方向偏。1.2 三个流派的分野决定了你手上的操作手册长什么样扎根理论不是铁板一块。发展到现在大致可以分成三条脉络它们在编码流程、对研究者的定位、以及理论呈现方式上差别不小。选哪一条直接决定你接下来的操作步骤。流派编码流程对研究者的定位适合的场景经典流派实质编码→理论编码两阶段强调不断比较中立观察者尽量让数据自己说话研究问题开放、追求中层理论程序化流派开放编码→主轴编码→选择性编码三段式有编码范式有分析框架的技术操作者需要清晰可复现流程、论文评审要求结构化建构主义流派初始编码→聚焦编码→理论编码灵活重视反身性与受访者共同建构意义的参与者关注意义生成过程、权力关系、话语程序化流派是国内论文里最常见的因为它步骤清楚、写出来好看、评审也好对照着查。开放编码、主轴编码、选择性编码三段式加上一个条件—行动—结果的编码范式基本能撑起一篇硕士论文的方法章节。但它的风险是容易变成机械套模板不管数据长什么样都硬往那个范式里塞最后出来的框架千篇一律。经典流派更强调让数据自己说话编码阶段只分实质编码和理论编码中间不做那么细的结构化。它对研究者的理论敏感性要求极高因为流程给你的支撑少全靠你自己在数据里泡着找感觉。建构主义流派则把研究者的位置摆得很清楚你不是在外面看你是在里面和受访者一起把意义谈出来所以反身性reflexivity是必须处理的部分你得交代自己的立场、预设、以及这些怎么影响了分析。我的建议是如果是第一次做走程序化流派至少有步骤可循做到第二第三个项目可以往经典流派或者建构主义流派靠因为那时候你已经有了自己的分析手感不需要那么多外部框架来扶着走。2. 开放编码把一页访谈稿拆成几十个标签的那几个小时2.1 逐行编码与概念化的操作手感开放编码是整套流程里最耗神也最见功力的部分。它的任务是把原始材料的厚描述拆成一个个有分析价值的片段然后给这些片段贴标签、归概念、聚范畴。听起来简单做起来是真磨人。一百页逐字稿认真做开放编码做个两三周是正常的。操作上我习惯先做逐行编码一行一行地看遇到有意思的表述就给它一个初始编码。这里的有意思包括受访者用了特别的词、讲了一个具体的事件、表达了某种矛盾的情绪、反复提到某个东西。初始编码要尽量贴近受访者的原话这叫活体编码in vivo code比你自己概括的词更有生命力。比如受访者说我就是不想再解释自己了初始编码就是不想再解释自己不要直接抽象成自我呈现疲劳那是后面才做的事。做完一批初始编码后做概念化把表达相似意思的编码聚在一起起一个能涵盖它们的名字。然后再做范畴化把概念归到更高一层的类别里。这三个层次的关系用一个具体的片段来说明最清楚。假设有一段访谈受访者是一位刚转行做社区养老服务的中年人他说刚开始那半年我天天被家属问问我以前是干嘛的问我有没有证问我能不能保证老人不出事。我也说不清楚就只能笑着答。后来我学会了一进门先把我的培训证书拿出来放桌上他们就不问了。这段话的编码过程大致如下原始片段初始编码概念范畴天天被家属问以前是干嘛的、有没有证家属反复盘问信任门槛身份合法性的建立问我能不能保证老人不出事家属要安全承诺责任焦虑转移身份合法性的建立我也说不清楚只能笑着答初期无法回应应对资源不足应对策略的演化一进门先把培训证书拿出来放桌上用证书作为开场资格凭证的仪式化使用应对策略的演化到范畴这一层你就能看到两条线索一条是身份合法性怎么被家属怀疑又怎么被化解另一条是从业者在压力下发展出了哪些应对策略。这两条线索会引导你下一步去问什么问题、找什么人。提示初始编码阶段先别急着分类。我吃过这个亏——刚开始编码就想着这个属于哪个维度结果手速是快了但很多有价值的细节被过早压缩掉了。前期宁肯标签多一点、碎一点后面聚合的时候再做减法。2.2 初始编码常见的三种偏差以及怎么在过程中自查第一种偏差是过度抽象。很多人编码的时候不自觉就往大词上靠把每天早起给老人烧水编码成日常照护实践把跟家属吵架后躲在楼梯间抽烟编码成情绪调节机制。这样编出来的东西看起来很像论文但实际上已经丢掉了数据的质感而且后续再也没法从这些标签里还原出具体场景。自查的办法很简单编完一段回头看你的编码问问自己如果我只看这个编码能不能想象出受访者当时在干什么。想象不出来说明抽得太狠了。第二种偏差是忽略负面案例。人有个天然的倾向看到符合自己直觉的材料就兴奋看到不符合的就跳过。扎根理论特别强调持续比较其中一项就是要把负面案例和正面案例放在一起比。你在数据里发现大部分受访者都说培训很有用但有三个人说培训就是走个形式这三个人不能被当成异常值扔掉反而要追问他们的情境有什么不同是不是入职时间、机构类型、岗位层级有差异负面案例往往是理论深化的突破口。第三种偏差是编码语言和数据语言脱节。有些人的编码表做得特别工整全是适应建构张力嵌入这类学术词汇但跟原始材料的距离已经很远了。我建议在编码表里保留一列代表性原话每个概念下面挂一到两句受访者的原话。这样写到论文里的时候你的每一个论断都能落回到具体的人说的具体的话上评审也没法说你空对空。还有一个小技巧编码日志。每天编完码花十分钟写一下今天编了多少、遇到什么困难、哪个概念反复出现、下一步想重点看什么。这本日志积累下来就是你后面写方法论章节和讨论部分的一手材料也是判断自己有没有编麻木的重要依据。3. 主轴编码与选择性编码把碎片串成有骨架的故事线3.1 编码范式是工具不是枷锁条件、行动、结果的因果链怎么搭开放编码做完你手上有几十个概念、十几个范畴但它们还是散的。主轴编码的任务是把这些范畴之间的关系建立起来。程序化流派给出的核心工具是编码范式把每一个范畴放到因果条件—现象—情境—中介条件—行动/互动策略—结果这个链条上去问。举个实际操作的例子。前面那个养老服务的情境里身份合法性的建立这个范畴用编码范式拆开来问是这样的因果条件行业新、从业者背景杂、家属缺乏判断依据现象家属对从业者资格反复质疑情境上门服务、初次接触、家属在场中介条件有没有证书、机构背书、熟人介绍、以往口碑行动策略主动出示证书、请机构出面、用服务效果说话结果质疑减少、信任初步建立、但也有从业者因承受不住而离职这样一拆原本静态的范畴就变成了一个有前因后果的故事片段。你把多个范畴都这样拆一遍它们之间的连接点自然就出来了某个范畴的结果可能正好是另一个范畴的条件。注意编码范式是个提问工具不是必须填满的表格。有些范畴用不上中介条件这一栏有些范畴的结果在数据里根本没出现那就空着不要硬编。我见过为了把范式填满而生造因果关系的论文读起来很别扭评审也看得出来。主轴编码阶段还要做一件事范畴属性的细化。开放编码给出的范畴往往比较粗主轴编码要把每个范畴的维度、边界、变化条件都摸清楚。比如应对策略的演化这个范畴你要问演化分几个阶段每个阶段的触发点是什么有没有人卡在某个阶段出不来不同机构类型下演化路径一样吗这些问题问得越细后面写出来的理论就越有解释力。3.2 核心范畴的浮现它是选出来的不是凑出来的选择性编码的核心任务是找出一个核心范畴把其他所有范畴串起来形成一个有解释力的故事线。核心范畴有几个判断标准我一般用这几条来筛中心性它是不是出现频率最高、连接其他范畴最多的那个解释力用它能不能把大部分数据都讲通包括那些看起来矛盾的案例延展性它有没有足够的维度可以展开不至于写两页就写完了未饱和性围绕它还有没有需要继续收数据去补的地方很多论文在这一步出问题是因为核心范畴不是从数据里长出来的而是从文献里借来的。比如研究乡村教师的职业认同最后选的核心范畴是身份建构这个词当然没错但它太通用放在任何一个职业群体上都成立说明它没有真正抓住你这个田野的特殊性。好的核心范畴往往带着现场的味道比如在编制与乡土之间的摇摆就比身份建构具体得多它直接点出了这个群体面对的两股力量。找到核心范畴之后要写故事线用一段话把整个理论框架讲清楚——什么条件下出现了什么现象行动者怎么应对产生了什么结果又反过来改变了什么条件。这段话是你整篇论文的骨架写顺了后面每一章都知道该往哪儿放。编码阶段输入输出典型产出量开放编码原始逐字稿、观察笔记、文本材料初始编码→概念→范畴概念30-80个范畴10-20个主轴编码开放编码得到的范畴范畴间关系、属性细化主范畴5-8个关系图1张选择性编码主范畴及关系核心范畴、故事线核心范畴1个理论框架1套4. 理论抽样与饱和判断数据收够了的信号长什么样4.1 理论抽样是滚动的不是一次性设计好的量化研究的抽样是提前设计好的样本量算出来随机抽抽完就完了。扎根理论的理论抽样完全是另一回事你下一个要访谈谁取决于你上一个阶段编码出了什么。这是它最反直觉的地方也是很多人做不下去的地方——因为开题的时候你没法写清楚我到底要访谈多少人。实际操作大概是这样滚动的先做一批目的性抽样找那些最了解情况、最愿意说话的人比如机构里的老员工、社区里的活跃分子。编完这一批你会发现某些概念特别突出、某些关系还说不清楚然后你针对性地去找下一批人。比如发现证书的仪式化使用这个策略在不同机构里效果差别很大那下一步就专门去找不同机构类型里的从业者做最大差异抽样。再编再发现新的空白再调整。这个过程可能来回四五轮。理论抽样的类型常用的有几种最大差异抽样找差异最大的个案来检验范畴的边界、极端个案抽样找做得特别好或特别差的、典型个案抽样找最普通的情况、滚雪球抽样让受访者推荐。用哪种看你当前最需要补什么。提示理论抽样阶段最怕的是图省事。带学生做论文的时候经常遇到这种情况第一批访谈做完概念也编出来了后面就按原来的访谈提纲再找几个人问一遍。这不叫理论抽样这叫重复抽样它只能增加数据量不能增加理论的密度。4.2 饱和不是没有新东西了而是新东西不再改变框架了饱和saturation是扎根理论里被误用最多的概念。很多人把它理解成再访谈也访不出新内容了这个理解有偏差。真正的理论饱和指的是新收集的数据不再产生新的范畴也不再改变已有范畴的属性和关系。注意关键词是改变框架不是产生新句子。受访者当然会说出你没听过的话但只要这些话能放进你已有的框架里不推翻也不大幅修改那就可以说这个范畴饱和了。判断饱和我一般看几个信号连续3-5个新样本编码出来的概念都能归入已有范畴没有新范畴出现已有范畴的维度已经比较完整很难再找到新的变化形式范畴之间的关系稳定新数据没有带来关系上的意外围绕核心范畴的故事线能解释绝大多数案例包括负面案例这里有几个假饱和的陷阱要警惕。第一种是编码疲劳编到后面人麻木了看什么都觉得这个之前见过其实是自己的敏感度下降了。对付这个的办法是隔一段时间回头重编几份早期材料看看会不会编出不一样的东西。第二种是样本同质你访谈的全是同一类人当然很快就饱和了但这种饱和是假性的换个群体可能立刻就不饱和了。第三种是时间压力论文要交了不得不宣布饱和。这种情况下至少要在方法论部分老实交代别把没做完的活儿包装成做完了。饱和到什么程度可以停没有一个硬性的数字。比较务实的做法是核心范畴做到饱和外围范畴做到基本饱和然后在论文里交代清楚哪些地方饱和了、哪些地方还有待后续研究。这比笼统说一句已达到理论饱和要诚实得多也经得起追问。5. 备忘录与理论敏感性编码之外真正拉开差距的功夫5.1 备忘录要分层写别都写成流水账备忘录memo是扎根理论里最容易被忽略、但实际价值极高的部分。它的作用是把你在编码过程中的想法、疑问、比较、灵感都留下来形成一条分析轨迹。很多人做编码不做备忘录等到写论文的时候编码表是有的但每个范畴为什么这么归、当时是怎么想的全忘了只能对着编码表硬编故事。备忘录大致可以分几层来写操作性备忘录记录抽样决定、访谈调整、编码规则的变化。这类偏流水账但要写后面写方法论章节直接用得上。分析性备忘录针对某个范畴写它的属性、维度、和其他范畴的关系、可能的解释。这类是核心写得越细越好。理论性备忘录把多个范畴串起来尝试提出一个初步的解释框架看看能不能讲通。这类不用多但每个阶段至少要写一两篇。反思性备忘录记录你自己的预设、情绪、以及它们可能怎么影响了分析。这类在建构主义流派里是必须的在程序化流派里也很有价值。写备忘录不用追求文采想到什么写什么重要的是频率。我的习惯是每次编完码写15分钟不用长但要坚持。积累两三个月回头看这些备忘录你会发现自己其实一直在往前走只是当时感觉不到。5.2 理论敏感性不是天赋是可以练出来的理论敏感性指的是你对数据里有理论意味的东西的敏锐度。同样一段话新手可能觉得平平无奇有经验的人能看出背后的机制。这个东西一半靠积累一半靠方法。练的方法有几个。第一是广泛读理论但不照搬。读社会学、人类学、组织研究里的经典理论读的时候不是记住结论而是记住它们怎么提问——它们关注什么类型的机制、什么类型的张力。这样你进田野的时候脑子里有一堆问题可以问数据但不预设答案。第二是做比较。把你的数据和其他研究里的类似现象比和你自己生活经验里的类似现象比和不同受访者之间的差异比。比较是产生分析性想法的发动机。第三是写。想法不写出来就是飘着的写出来才会发现自己哪里没想清楚。关于什么时候读文献扎根理论内部一直有争论。经典流派主张尽量晚读怕被既有框架框住程序化流派主张早期可以读但要保持距离。我自己的做法是分层读研究设计阶段读方法论和同领域的经验研究知道别人做到什么程度了编码阶段读一些能提供分析视角的理论但不读跟你研究问题太接近的实证研究免得被别人的结论带跑框架成形之后再集中读这时候读是为了对话不是为了模仿。注意文献回顾的位置在扎根理论论文里跟常规论文不太一样。常规论文是文献→问题→方法→发现扎根理论论文更常见的是把文献回顾放在发现之后或者把大量文献对话放到讨论部分。这个结构差异在开题和答辩时经常被质疑最好提前跟导师和评审沟通清楚别到最后一刻才发现结构不合规矩。6. 把扎根理论做成主题分析五种走样与修正6.1 只编码不比较、编码停在描述层是两个高频翻车点走样一只编码不比较。持续比较是扎根理论的方法论内核但很多人只做了编码没做比较。比较至少要在三个层面做不同受访者之间比、同一受访者不同时期比、数据和文献比。少了比较编码表就是一堆静态标签出不来关系也出不来理论。修正的办法是每编完一个概念强制自己问一句这个概念跟之前哪个概念像、哪里不一样、为什么会不一样。走样二编码停在描述层。描述层的意思是你的范畴只是在复述受访者说了什么没有往机制层面走。比如家属质疑从业者资格这是描述资格质疑作为一种信任成本的转嫁机制这就往分析层走了一步。从描述到分析的跃迁靠的是不断问为什么在什么条件下导致了什么。修正的办法是给每个范畴写一段分析性备忘录强迫自己回答这几个问题。6.2 没有理论抽样、核心范畴靠拼凑、把访谈提纲当分析框架走样三没有理论抽样只有方便抽样。论文里写着采用理论抽样但实际的抽样逻辑是谁能联系上就访谈谁。这会导致样本结构性地偏向某一类人很多范畴的边界根本探不到。补救的办法是至少在关键范畴上做一轮针对性抽样专门去找能挑战你现有框架的个案。走样四核心范畴是拼凑出来的。表现是核心范畴和下面的主范畴之间没有真正的统摄关系只是把它们并列放在一个图里然后画箭头连起来。判断标准很简单拿掉核心范畴下面的主范畴还能各自成立吗如果能说明核心范畴没有起到统摄作用它只是个标签。真正的核心范畴应该是拿掉它整个故事就讲不通了。走样五把访谈提纲当成分析框架。有些人做完访谈发现提纲分了几个板块——比如入行动机工作困难应对方式未来打算——就直接把这几个板块当成范畴编码的时候往里面塞。这是典型的用先验框架切割数据跟扎根理论的精神正好相反。访谈提纲是收集工具范畴是分析产物两者不能混为一谈。修正的办法是把提纲收起来重新从原始编码开始归并看看数据自己会聚成什么形状。6.3 从贴了标签到讲出机制一个自查清单做完一轮分析可以用下面这个清单自查一下看看自己做的是扎根理论还是主题分析自查项主题分析的典型表现扎根理论应该有的样子抽样一次性抽完按方便来滚动抽样随分析调整比较编码完就停持续比较贯穿全程范畴按提纲或直觉分类从概念聚合而来有属性维度核心范畴平列的主范畴之一能统摄其他范畴、能讲故事理论描述现状、提建议解释机制、有条件和边界备忘录基本没有分层记录、贯穿全程这个表不是用来评判别人论文的是给自己做过程自查用的。我个人觉得最有用的两行是比较和理论——如果一个研究做完你只能描述这里发生了什么说不出为什么会这样、在什么条件下会不一样那基本可以判断扎根理论的活儿还没做到位。最后分享一个我自己一直在用的笨办法每完成一个编码阶段用一页纸把当前的分析状态画出来。不是画漂亮的框架图就是拿张白纸把范畴写上去能连的连线连不上的标个问号。这张纸会一直暴露你的薄弱环节在哪里——哪个范畴孤立着、哪条关系线是你硬连的、哪个区域还是空白。下次访谈之前看一眼这张纸该问什么、该找什么人心里就有数了。这比对着电脑屏幕上的编码表干想要有效率得多也比等框架自然而然浮现靠谱得多。