【Nvivo教程】使用Nvivo構建計算的本體

NVivo是一種強大的定性和混合方法數據分析工具，能夠幫助您輕鬆組織和分析無序信息，好比收集、整理和分析訪談，焦點小組討論、問卷調查、音頻等內容，NVivo可讓您最終做出更好的決策。

本文主要介紹如何使用節點和關係的編碼來幫助開發計算的本體，而不會丟失豐富性和細微差異，有任何建議或提示請在下方評論區留言。

計算領域的發展爲研究人員提供了大量的機會，好比從對大型統計數據集進行比以往更復雜的對應分析，到訪談記錄的自動轉錄。在數字人文研究中，這些進步已經被接受。例如在項目Beyond the Multiplex（UKRI，2017）中，講述了正在開發一種計算本體，以探索來自大規模混合方法研究項目的數據，該項目包括如下數據：

• 縱向調查：6個月內3次（N = 5000，n = 500，n = 500）
• 與觀衆成員的半結構式訪談（x 200）
• 與政策制定者的專家訪談（x 32）
• 有觀衆參與的電影啓發焦點小組（x 16）
• 政策文件（+250）

計算本體容許研究人員將「特定知識領域的組成部分和特徵」歸類爲「實體」、「實體的特徵」或做爲兩個類之間的「關係」。而不是使用這三部分的分類來決定數據是如何描述結構以及相關的信息。在上文提到的結構中，計算本體使研究人員可以準確指定實體如何與其特徵彼此相關。

在咱們的項目中，咱們研究專業電影觀衆及其電影觀察實踐，將國家政策和行業實踐聯繫起來。咱們利用計算本體來總體探索項目中的數據，並查詢全部數據類型，以經過調查數據與國家政策的比較來分析訪談時造成的概念發展的怎麼樣。爲此，本體和對Nvivo關係類型的普遍使用爲咱們提供了一種方法，便可以將獨立分析（單獨的NVivo項目）中開發的概念彙總在一塊兒，並探索它們如何相互關聯。

一般，軟件開發人員使用數據模型和計算本體來提供數據結構。該結構被強加於數據，而且任何後來的數據都被調整以適應預先存在的結構。這是一個充滿我的假設、歧視和偏見的過程。相比之下，咱們在NVivo中對關係編碼，並對關係類型命名以從根本上（概括上）創建一個結構。這確保了在咱們開發一個計算的本體時，它仍然以數據爲基礎並由數據驅動。

爲了開發計算本體，咱們首先使用NVivo來編寫訪談和焦點小組的副本。咱們編碼爲節點（用於開發實體和實體特徵），而後咱們創建（並編碼）它們之間的關係並將它們分配給咱們在整個編碼過程當中開發的一組關係類型。

不管您是進行小規模定性分析仍是從大型混合方法數據集構建計算本體，在Nvivo中對關係或關係類型進行編碼提供了一種有用的方式來探索你的工程中的項目（例如節點）如何與另外一個相連。建立關係和關係類型相對容易：

Step 1

從功能區欄中選擇Create，而後在Nodes Group中選擇Relationships。

Step 2

彈出對話框時，使用兩個Select按鈕訪問第二個對話框。這使您能夠搜索並選擇要在新關係中鏈接的兩個項目項。

提示：建立新關係時，關係類型將被指定爲Associated，而不會分配給任何特定方向。若是要將關係指定爲特定類型，只需按照如下第三步操做便可。

Step 3

在步驟2中描述的對話框中，選擇New按鈕。這將打開一個容許您建立關係類型的額外的對話框，並定義其方向。例如，當咱們觀察人們對電影觀看平臺的選擇時，咱們發現亞馬遜Prime和Netflix等視頻點播服務開始取代國內的DVD收藏，但事實偏偏相反。爲此咱們建立了一個名爲REPLACES的新關係，將名爲Video-on-Demand Services的實體與名爲DVD Collection的實體特徵鏈接起來。

爲了對數據進行編碼，咱們在經過數據分析擴展它們以前，先繪製了一組初始的高級節點（實體和特徵），例如Times、Places等。在這裏定義了本體的初始實體集和實體特徵。經過這種方式使用NVivo，發現相比較於強制編碼數據到該結構，咱們能夠概括性地進行工做。而且這樣更接近咱們的數據，同時也能夠保持數據集之間的一致性。

將節點、關係和關係類型轉換爲本體須要用NVivo作一些後續工做。例如，咱們在NVivo中運行Extracts以獲取編碼爲節點的全部文本的XML文件，並識別全部相交節點。咱們還將全部關係（和關係類型）導出爲HTML文件。在使用XML解析提取和導出以後，咱們使用Javascript將它們準備好並構建到基於SQL的數據庫和計算本體自己。

總的來講經過使用NVivo來編碼咱們的數據並構建編碼方案，咱們可以提供適合於計算本體的分析。這使咱們可以超越傳統的混合方法研究，並使用大量的經驗數據，而不會將預先設想的想法強加到研究自己。