有些定性项目不需要发现新主题——它们需要把一个既有框架一致地应用于一个非常庞大的数据集。把 5,000 份开放式回答对照一本 12 类别的编码手册可靠地打标签，是一个与探索性编码不同的问题，而它正是标注、编码者间信度和 AI 辅助交汇之处。
本指南涵盖大规模演绎式编码：如何构建一本经得起考验的编码手册、标注工作流、审稿人所期待的信度指标，以及大语言模型如今如何让一位研究者以过去需要一个团队的体量进行编码。关于更宽广的分析过程，请参阅我们的定性数据分析指南。
什么是演绎式编码（标注）？
演绎式编码——常被称为标注——是把一本预定义的编码手册应用于数据的过程，按源于理论或先前研究的固定类别标注每个片段。不同于编码从数据中浮现的归纳式编码，演绎式编码检验并应用一个既有框架，这使一致性和可衡量的一致程度成为核心关切。
它是定量内容分析的支柱，也是任何需要跨数千个条目——调查回答、社交媒体帖子、支持工单或转录稿片段——获得可比较、可复现标签的研究的支柱。
构建一本经得起考验的编码手册
在规模化时，编码手册就是一切。无论由谁——或由什么——来打标签，一本含糊的编码手册都注定导致不一致的编码。一个强有力的编码定义包括：
- 清晰的定义——用一两句精确的话说明该编码意味着什么。
- 纳入标准——什么算作这个编码。
- 排除标准——什么看似相似却不算。
- 锚定示例——真实、有代表性的案例。
- 边界情形与决胜规则——如何处理含糊与重叠。
在试点阶段把编码手册当作一份活文档，然后在全面编码之前将其冻结，以便对照一个稳定的目标衡量信度。
大规模标注工作流
- 从你的理论和研究问题起草编码手册。
- 试点——两名或更多编码者独立编码一个小样本，然后比较并精炼定义。
- 一旦定义稳定，在一个新样本上衡量信度。
- 解决分歧——裁定并在编码者出现分歧处收紧编码手册。
- 大规模编码——把冻结的编码手册应用于整个数据集（人类、AI 或二者）。
- 审计——抽查全面编码的一个样本并报告错误率。
编码者间信度：它为何重要
编码者间信度（ICR）衡量独立编码者在应用同一本编码手册时一致到何种程度。高一致是你的编码定义良好、且你的研究结果并非某一个人解释的产物的证据。原始百分比一致是一个糟糕的衡量标准，因为它忽略了偶然发生的一致——因此研究者使用经偶然校正的统计量。
三种标准指标
| 指标 | 使用时机 | 说明 |
|---|---|---|
| Cohen's κ（kappa） | 恰好两名编码者，类别型编码 | 经典的双编码者衡量标准；经偶然校正。 |
| Fleiss' κ（kappa） | 三名或更多编码者 | 把 kappa 推广到任意数量的评分者。 |
| Krippendorff's α（alpha） | 任意数量的编码者；可处理缺失数据和不同的数据层级 | 最灵活，且最广泛地推荐用于内容分析。 |
解读这些数值
这些系数通常的取值范围上至 1.0（完全一致）。常见的经验法则：大致高于 0.80 的值表明强、可报告的信度；0.67–0.80 通常被视为对初步结论可接受；低于此则意味着编码手册需要改进。确切的阈值因领域和利害关系而异，因此报告该系数并让读者自行判断。
用 AI 规模化：LLM 作为编码者
大语言模型能在几分钟内把一本编码手册应用于数千个条目，实际上充当一名不知疲倦的编码者。严谨的使用方式是把 AI 当作又一名编码者：像衡量人对人 ICR 那样衡量 AI 与人类编码者之间的一致程度。如果 AI 在一个验证样本上与人类达到可接受的一致，那么它就可以被信任去编码其余部分——并辅以抽查。
并行运行多个 LLM增添了稳健性：在独立模型相一致之处，信心很高；在它们出现分歧之处，你便发现了需要人类审阅的含糊条目。这把分歧变成了一个有用的信号，而非一个问题。
手动 vs. AI 辅助标注
| 因素 | 手动标注 | AI 辅助标注 |
|---|---|---|
| 吞吐量 | 每名编码者每天数百个 | 几分钟内数千个 |
| 一致性 | 随疲劳而漂移 | 在整个数据集中稳定 |
| 成本 | 人力成本高 | 单条目成本低 |
| 细微差别 | 在含糊情形上表现强 | 不错，但需核实边界情形 |
| 验证 | 人类之间的 ICR | 人—AI 一致 + 抽查 |
常见陷阱
- 只报告百分比一致——务必使用经偶然校正的系数。
- 在编码手册稳定之前就编码——在一本冻结的编码手册上、而非一个移动的目标上衡量信度。
- 忽略类别不平衡——当某一个编码占主导时，kappa 可能看起来很低；要结合情境解读。
- 未经验证就信任 AI——绝不跳过人—AI 一致性核查和抽查审计。
工具
电子表格对小型任务可行，但专用工具能自动处理规模和信度。QualiTaTi 的标注器用并行的多个 LLM 在最多 5,000 行上应用一本编码手册、返回一份增强的电子表格，并计算编码者间信度——Krippendorff's α、Fleiss' κ 和 Cohen's κ——同时附上逐列的一致性热力图，使你能确切看到编码者或模型在何处出现分歧。
一个实例
- 编码手册——为 4,000 份关于某产品的开放式调查回答界定八个类别。
- 试点——两名研究者编码 100 份回答、比较，并精炼定义。
- 信度——在新的 150 份上，Krippendorff's α 达到 0.84——足够强，可以继续。
- 规模化——在全部 4,000 份回答上运行两个 LLM；标记它们出现分歧的条目供人类审阅。
- 审计——在一个样本上衡量人—AI 一致程度、抽查，并报告系数和错误率。
要点回顾
- 演绎式编码（标注）应用一本固定的编码手册；一致性和可衡量的一致程度是优先事项。
- 一本带有纳入/排除规则和示例的精确编码手册是可靠编码的基础。
- 使用经偶然校正的信度指标：Cohen's κ（两名编码者）、Fleiss' κ（3 名及以上）、Krippendorff's α（最灵活）。
- LLM 能大规模编码；通过衡量人—AI 一致程度来验证它们，并使用多个模型来标记含糊之处。
- 务必报告信度系数，并审计全数据集编码的一个样本。
常见问题
什么是演绎式编码？
演绎式编码是把一本预定义的编码手册应用于数据——按源于理论或先前研究的固定类别标注片段——而非像归纳式编码那样让编码从数据中浮现。
什么是编码者间信度？
编码者间信度衡量独立编码者应用同一本编码手册时一致到何种程度。它以诸如 Cohen's kappa、Fleiss' kappa 或 Krippendorff's alpha 这样经偶然校正的统计量来报告，因为原始百分比一致会高估一致程度。
Cohen's kappa、Fleiss' kappa 和 Krippendorff's alpha 有什么区别？
Cohen's kappa 用于恰好两名编码者；Fleiss' kappa 把它推广到三名或更多；Krippendorff's alpha 最灵活，可处理任意数量的编码者、缺失数据和不同的测量层级，这使它在内容分析中颇为流行。
什么样的编码者间信度分数算好？
作为粗略指引，大致高于 0.80 的系数表明强信度，而 0.67–0.80 对初步结论通常可接受，尽管阈值因领域和研究的利害关系而异。务必报告实际数值。
AI 能可靠地做演绎式编码吗？
能，当经过验证时。把 AI 当作一名编码者，在一个样本上衡量它与人类编码者的一致程度；如果一致是可接受的，它就可以编码其余部分并辅以抽查。并行运行多个模型有助于标记含糊条目。
AI 辅助标注能处理多少数据？
远多于手动编码——几分钟内数千个条目。诸如 QualiTaTi 的标注器这样的工具，每个任务用多个 LLM 处理最多 5,000 行，并自动计算信度指标。