如何使用 AI 進行主題分析：步驟教學

主題分析是一種在質性資料（例如訪談逐字稿或開放式問卷回答）中尋找意義模式的方法。若要使用 AI 進行分析，請載入您的逐字稿與研究問題，讓 AI 提出初步編碼，然後由您自己發展並檢查這些主題。AI 能加速閱讀與分類，而詮釋權依然在您手中。

本指南將說明什麼是主題分析、逐步介紹六個階段，並展示 AI 在哪些地方有所幫助，以及哪些地方不應由其做決定。其中包含一個實際範例、結果表格格式，以及與內容分析的比較。

什麼是主題分析

開發出此方法最常被引用版本的 Virginia Braun 與 Victoria Clarke 在她們的網站上對其進行了定義：「主題分析（TA）是指一系列用於探索和詮釋整個資料集中模式化意義的質性研究方法。」

該定義中有兩個詞至關重要。「系列」意味著主題分析是一組方法，而非單一固定的程序。「詮釋」意味著產出是對資料含義的論證，而非對其內容的計數。

Braun 與 Clarke 將這個方法家族分為三個集群：編碼信度法、編碼簿法，以及她們自己的反思法。這些差異會影響您使用 AI 的方式。

• 編碼信度在早期就固定編碼簿，並檢查不同的編碼員是否以相同的方式應用它。
• 編碼簿方法也使用結構化的框架，但允許其在某種程度上進行演變。
• 反思性主題分析保持編碼的開放性，並隨著您理解的加深而允許其改變。她們的常見問題解答（FAQ）明確指出「反思性 TA 避免使用編碼簿」。

在反思性主題分析中，主題不僅僅是一個話題。Braun 與 Clarke 將主題描述為「由核心概念或想法支持的共享意義模式」。像「定價」這樣的話題並不是主題，而「客戶將價格視為信任的信號」才是。

六個階段

Braun 與 Clarke 概述了六個階段。她們強調「這些階段並未規定您必須遵守的僵化流程」。在實務中，您會在這些階段之間來回移動。

1. 熟悉資料集。閱讀並反覆閱讀資料，並記錄初步觀察。
2. 編碼。在整個資料集中，分兩輪或更多輪為有意義的片段貼上簡短的標籤。
3. 產生初步主題。將編碼聚類為候選的意義模式。
4. 發展與審查主題。根據已編碼的資料和完整的資料集檢查每個候選主題。根據需要拆分、合併或捨棄主題。
5. 精煉、定義與命名主題。理清每個主題的範圍與故事，並給予其一個具資訊性的名稱。
6. 撰寫報告。將分析敘事與資料摘錄編織在一起，並將其與現有文獻相連結。

她們的網站坦實地描述了這個過程：「分析通常是一個循環往復的過程。」請做好在開始建立主題後，需要重新回到編碼階段的準備。

AI 在哪裡能提供幫助，以及在哪裡不應由其做決定

AI 對於涉及大量資料的階段確實非常有用。它能快速閱讀 40 份逐字稿、建議候選編碼、提取符合編碼的每個片段，並計算某個模式出現的頻率。

它不應該做出詮釋性的決策。Braun 與 Clarke 寫道：「質性分析是一個需要技巧、情境化且主觀的過程。」模型並未與您共享對研究問題的利害關係，且它僅了解您提供給它的脈絡。

她們的常見問題解答（FAQ）針對分析軟體提出了一個相關的觀點。她們寫道，重要的是「成為一個有自覺的研究者」。這意味著使用任何工具的方式，都必須符合您所選擇之方法的價值觀。

一個可行的分工如下所示：

階段	AI 可以做什麼	由您決定什麼
熟悉資料	摘要每份逐字稿，標記令人驚訝的段落	哪些段落對您的問題至關重要
編碼	提出初步編碼並一致地應用它們	保留、合併或重新命名哪些編碼
產生主題	將編碼聚類並提取支持的片段	某個聚類是否為真實的意義模式
審查主題	在資料集中搜尋反例	主題是否成立
命名主題	建議名稱與單行定義	最終名稱及其講述的故事
撰寫報告	起草章節並組合引用內容	論點及其主張

如果您使用編碼簿法，AI 的輸出可以作為編碼簿草稿。如果您使用反思性主題分析，請將 AI 編碼視為引導思考的提示，而非分析本身。

無論您使用哪種方法，請記錄 AI 的參與方式。記下使用的工具、它協助的階段，以及您隨後進行的修改。一段簡短的方法論說明，能在審查員、主考官或利害關係人提出疑問之前，就先解答他們的問題。

在開始之前您需要準備的事項

在任何 AI 工具接觸資料之前，請準備好四件事。

明確的研究問題。每個編碼與主題都將以此為標準進行評估。「客戶在新手引導期間有何體驗？」所產生的分析，會與「為什麼客戶在第一個月就取消訂閱？」完全不同。

乾淨且去識別化的逐字稿。移除姓名、公司名稱、電子郵件以及任何可識別受訪者身分的細節。請在非上傳後，而是在上傳前完成此操作。檢查您的倫理審查批准或同意書，確認是否有對第三方工具的限制。

記錄您個人反思的筆記文件。反思性主題分析強調研究者的視角。在閱讀時，請持續記錄您的假設與反應，並與 AI 產生的任何內容分開。

一致的文件格式。每次訪談一個檔案，並標註說話者標籤，這能讓您更容易將每個提取的片段追溯回其來源。保持一個簡單的索引，將受訪者代碼與訪談日期進行對照。

如何使用 AI 進行主題分析

以下步驟遵循這六個階段，並分為三個工作階段。

步驟 1：載入逐字稿並設定研究問題

將去識別化的逐字稿上傳到 AI 工作空間，例如 Powerdrill Bloom。其方案列出了支援上傳 Excel、CSV、PDF 和文件檔案，因此 Word 或 PDF 格式的逐字稿可以直接使用。匯出到試算表的開放式問卷回答也同樣適用。

在提出任何請求之前，請先說明研究問題。然後要求對每份逐字稿進行簡短摘要，並列出與該問題相關的段落。

閱讀這些摘要，然後親自閱讀逐字稿。AI 摘要能加速熟悉過程，但無法取代親自閱讀。在查看任何 AI 產生的編碼之前，請先在獨立的文件中記錄您自己的第一印象。

步驟 2：產生初步編碼，然後自己重新編碼

要求 AI 為每份逐字稿建議編碼。要求提供簡短的標籤、每個標籤的單行定義，以及支持它們的確切提取片段。

一個有用的請求應該簡短且具體。針對與研究問題相關的任何內容對逐字稿進行編碼，將標籤保持在五個字以內，並引用每個標籤的確切段落。要求提供確切段落可以讓您輕鬆發現編碼是否偏離了受訪者實際所說的話。

然後自己進行第二輪編碼。將您的編碼與 AI 的清單進行比較。在兩者一致的地方，該編碼可能描述了明顯存在的事實。在兩者不同的地方，請仔細觀察。這可能是 AI 注意到了您忽略的內容，或者它只是標記了表面字眼而非實際意義。

保持每個提取片段的可追溯性。每個編碼都應指向特定的受訪者與段落。Powerdrill Bloom 的首頁指出，每個數字「都能追溯回其背後的頁面、列和數據」，而同樣的可追溯性對於引用內容也至關重要。

步驟 3：建立候選主題並根據資料進行檢查

要求 AI 將您最終的編碼聚類為候選主題，並提供每個主題的支持片段。將這些聚類視為起點。

對於每個候選主題，請提出一個問題：其背後是否有核心概念或想法？如果答案僅僅是一個共享的話題，那它還稱不上是主題。請將其拆分、合併或捨棄。

然後測試每個主題。要求 AI 尋找與其矛盾的提取片段。一個在刻意搜尋反例後仍能成立的主題，會比從未受到挑戰的主題更具說服力。

最後，為每個主題命名並撰寫兩句話的定義。逐章節起草報告，並在將每個引用內容放入報告之前，對照原始逐字稿進行檢查。

實際範例

以下是一項包含 12 次客戶訪談的產品研究中，該流程的簡化版本。研究問題在於探討為什麼新客戶在 30 天內停止使用該產品。

AI 的初步編碼包括「設定花費太多時間」、「定價不明確」以及「需要 IT 部門批准」。

在第二輪編碼後，研究者注意到這三個編碼都出現在那些並非自己選擇該產品的受訪者訪談中。

最終產生的主題是「缺乏自主權的採用」。繼承該產品的客戶沒有理由去克服早期的摩擦。

研究者隨後向 AI 索取反例：那些並非自己選擇該產品但仍然留下來的客戶。有兩次訪談符合此情況。兩者都描述了同事在第一週向他們展示了快速見效的成果，這進一步精煉了該主題，而非推翻它。

AI 快速地找出了這些編碼。而主題則源於研究者注意到是誰說了這些話，這是任何單一編碼本身都無法捕捉到的。

如何呈現主題分析結果

結果章節通常以主題表格開頭，然後討論每個主題並附上支持的提取片段。下表顯示了一種常見的格式。

主題	定義	受訪者	範例提取片段
缺乏自主權的採用	非自己選擇該產品的使用者幾乎沒有堅持下去的理由	12 人中的 7 人	「我被告知要使用它，所以我只做了最低限度的工作。」
設定作為第一印象	早期的設定工作塑造了對產品的整體看法	12 人中的 9 人	「如果第一個小時很困難，你就會認為剩下的部分也是如此。」

在表格之後，為每個主題撰寫一個簡短的章節。解釋核心想法、展示兩到三個提取片段，並將其與您的研究問題相連結。

選擇能從不同角度展示主題的提取片段，而不是三個表達相同意思的引用內容。保持內容簡短，並始終將其歸因於特定的受訪者代碼。當讀者能從多種聲音中看到主題時，他們會對該主題更加信任。

受訪者人數是很有幫助的背景資訊，但 Braun 與 Clarke 的方法並不將頻率視為重要性的衡量標準。由四個人提及的主題可能比由十個人提及的主題更為重要。

對於利害關係人受眾，相同的結果通常會轉化為一份簡短的簡報。我們的 AI research synthesis 工具描述了這一途徑，它能將逐字稿和問卷調查結合為主題、證據以及利害關係人簡報。

主題分析與內容分析的比較

這兩種方法經常被混淆，因為它們都處理質性資料。

	主題分析	內容分析
主要目標	詮釋意義模式	對內容進行分類且通常進行計數
產出	具有核心想法的主題	帶有頻率的類別
計數的角色	最多作為支持性的背景資訊	通常是核心
最適合用於	理解經驗與觀點	衡量某事出現的頻率

如果您的問題是「客戶提及定價的頻率如何？」，則內容分析較為合適。如果是「定價對客戶意味著什麼？」，則主題分析較為合適。

某些專案會依序使用這兩種方法。對大型資料集進行頻率分析可以顯示資料量集中在哪裡。接著，對較小且集中的樣本進行主題分析，以解釋該資料量所代表的意義。

對於大規模的回饋（例如數千條評論或支援工單），頻率檢視通常是首要需求。Voice of Customer Summarizer 能將回饋管道整合為多個主題，並提供每個主題的頻率與具代表性的逐字稿。

在 Excel 中進行主題分析

許多研究者仍在使用試算表進行編碼，這對於小型研究非常有效。簡單的版面配置是每一行代表一個提取片段。

• A 欄：受訪者代碼。
• B 欄：完整複製的提取片段。
• C 欄：第一輪編碼。
• D 欄：第二輪編碼。
• E 欄：候選主題。

依主題進行篩選，即可在單一檢視中看到每個支持的提取片段。計算每個主題與每位受訪者的列數，也能一目了然地看出某個主題是否僅依賴於一位多話的受訪者。限制在於規模。一旦超過幾百個提取片段，手動排序與重新編碼就會變得緩慢，而這正是 AI 輔助聚類最能節省時間的地方。

如果您的專案還包括對已發表研究的審查，我們關於如何使用 AI 撰寫文獻探討的指南涵蓋了該部分。

常見錯誤

• 將話題視為主題。「溝通」是一個話題。主題則對其有所論述。
• 未經第二輪審查就直接接受 AI 編碼。初步編碼通常標記的是字面措辭而非實際意義。
• 上傳可識別身分的資料。在上傳前務必對逐字稿進行去識別化。
• 將計數視為證據。頻率可以支持主題，但無法確立主題。
• 跳過反例搜尋。從未受到挑戰的主題比看起來更脆弱。
• 讓 AI 為主題命名。名稱承載著論點，因此在主題確定並定義好之後，請親自為其命名。

做好這些事情，是將具公信力的分析與僅帶有標題的摘要區分開來的關鍵。如果您希望在自己的逐字稿上更快地完成閱讀、編碼與聚類，您可以針對一項研究嘗試使用 Powerdrill Bloom。

常見問題

簡單來說，什麼是主題分析？

主題分析是一種在訪談等質性資料中尋找並詮釋意義模式的方法。研究者對資料進行編碼，將編碼分組為主題，並解釋每個主題對研究問題的說明。

主題分析的六個步驟是什麼？

Braun 與 Clarke 的六個階段是熟悉資料集、編碼、產生初步主題、發展與審查主題，以及精煉、定義與命名主題。第六個階段是撰寫報告。她們指出，這些階段並非僵化的規則。

AI 可以進行主題分析嗎？

AI 可以協助處理大量的工作，例如摘要逐字稿、建議編碼以及提取片段。決定主題意義的詮釋工作仍需要研究者親自進行。Braun 與 Clarke 將質性分析描述為一個需要技巧、情境化且主觀的過程。

一個主題分析應該有多少個主題？

Braun 與 Clarke 表示「在主題分析（TA）中，沒有確定主題數量的精確公式」。這取決於資料、研究問題以及報告的長度。一項分析可以深入報告一個主題，或提供更廣泛的概述。

主題分析與內容分析有何不同？

主題分析詮釋意義模式並產生主題。內容分析對內容進行分類，且通常計算類別出現的頻率。選擇主題分析以理解經驗，選擇內容分析以衡量頻率。

來源： Braun 與 Clarke，主題分析 · 理解 TA · 進行反思性 TA · 主題分析常見問題解答。實際範例與結果表格僅供說明之用。