简短回答：开放编码、主轴编码和选择性编码是 Strauss 与 Corbin 版扎根理论的三个分析阶段。开放编码把资料拆解为带标签的概念；主轴编码通过追问条件、行动与结果，把这些概念关联成类属；选择性编码则围绕一个能解释核心故事的核心类属，把各类属整合起来。三个阶段相互交叠、反复循环，而不是一次走完的流水线。
很多博士生第一次听导师说\"用扎根理论\"时，接触到的就是开放编码、主轴编码和选择性编码（国内常称\"三级编码\"）这套术语。这也是许多方法论章节出错的地方：这三个词被当成\"第一轮、第二轮、最终主题\"的泛称来用，而这并不是它们的本义。本文逐一解释每个阶段，用一个贯穿全文的例子演示，并附上一份清单，帮助你向答辩委员和审稿人证明你确实按规程完成了编码。
\n\n这个话题正当其时。2026 年 8 月，一个名为 AutoTraceGT 的多智能体系统在 AI 智能体日志上自动完成了开放编码、主轴编码和理论编码；2026 年 7 月的一篇关于人机协作归纳编码的预印本，则让人类研究者始终掌握类属定义的决定权。只有弄清每个阶段本该做什么，才能判断一个工具是否真的做到了。
\n\n最后更新：2026 年 9 月 24 日
\n\n扎根理论始于 Barney Glaser 与 Anselm Strauss 的著作 The Discovery of Grounded Theory（1967）。两人后来分道扬镳。Strauss 与 Juliet Corbin 在 Basics of Qualitative Research（1990）中提出了开放、主轴、选择性三阶段编码程序，以及用于关联类属的\"编码范式\"。Glaser（1992）批评该范式是把资料强塞进预设框架，他保留了实质性编码（开放与选择）和理论编码。Kathy Charmaz 的建构主义扎根理论（2006）则使用初始编码和聚焦编码。
\n关于 Strauss 学派程序和编码范式的清晰阐述，可参阅 Vollstedt 与 Rezat（2019）。实际要点是：如果你的方法部分写的是\"开放编码、主轴编码和选择性编码\"，就等于宣告你采用 Strauss 版本，审稿人会期待看到它的逻辑，包括编码范式，或不采用它的明确理由。扎根理论与其他方法有何不同，可参阅我们的主题分析与扎根理论对比指南。
\n\n开放编码是逐行或逐事件地把资料拆解为概念，每个概念都有标签和简短定义。研究者紧贴资料，追问\"这里发生了什么？\"，并把每个新事件与此前的事件相比较（持续比较）。此时的编码是暂定的，数量也很多。
\n贯穿示例。设想一项访谈研究，对象是入职第一年上夜班的新护士。对一段访谈记录做开放编码，可能得到：
\n开放编码时还要记录属性和维度：\"向同辈求证\"会在频率、对象以及问题风险高低上有所变化。这些维度就是主轴编码的原材料。
\n\n主轴编码沿着一个类属的\"轴\"，把概念和子类属与该类属关联起来。研究者追问：现象在什么条件下发生，人们如何行动与互动来回应，结果又是什么。这就是编码范式：条件、行动/互动与结果。Basics 的后续版本以这种简化的三部分形式呈现范式，而不是 1990 年那份更完整的清单（因果条件、情境条件、中介条件、策略、结果）。
\n贯穿示例。若干开放编码聚集在一个我们可以称为管理可见的胜任感的类属周围：
\n| 范式要素 | 追问的问题 | 与\"管理可见的胜任感\"相关的编码 |
|---|---|---|
| 条件 | 何时、为何发生？ | 夜班人手紧张；考核期；感到资深同事在评判自己 |
| 行动/互动 | 人们如何应对？ | \"假装知道\"；向同辈求证；预演交班 |
| 结果 | 带来了什么？ | 延迟上报；形成同辈网络；下班后精疲力竭 |
注意它与简单归组的区别。一个名为\"应对\"、装着四个编码的文件夹，说明不了它们如何关联。主轴表格则提出了一个可以用更多资料检验的论断：人手紧张和考核压力导致隐藏不确定，进而导致延迟上报。把这个论断写进分析备忘录，再去寻找能推翻它的案例。
\n\n选择性编码围绕一个核心类属整合各类属：这个概念出现频繁，与大多数其他类属相连，并能解释资料中最多的变异。研究者撰写\"故事线\"，完善发展不足的类属，并通过理论抽样填补空白，直到新资料不再改变类属的属性（理论饱和；参见我们的资料饱和指南）。
\n贯穿示例。更多访谈之后，管理可见的胜任感可能被纳入一个核心类属，例如赢得\"可以不知道\"的资格：新护士从隐藏不确定，经由同辈居间求证，到在自觉胜任感已被认可后公开提问的过程。其他类属（夜班条件、同辈网络、精疲力竭）如今都挂靠在这一过程之下。
\n\n| 阶段 | 核心问题 | 主要产出 | 常见错误 |
|---|---|---|---|
| 开放编码 | 这里发生了什么？ | 大量带属性和维度的暂定概念 | 编码话题（\"人手\"）而非行动与意义 |
| 主轴编码 | 这些概念如何关联？ | 带有条件、行动、结果的类属 | 把编码归入文件夹，却不说明关系 |
| 选择性编码 | 主线故事是什么？ | 一个核心类属和一套整合理论 | 列出五个并列主题，再挑一个称为\"核心\" |
概念、类属与主题作为分析单位有何不同，参见编码、类属与主题。
\n\n这份清单是 Qualitati 为博士生和研究团队开发的工具。请在撰写方法章节之前使用；每一个\"否\"都可能是答辩委员会追问的问题。
\nAI 如今可以尝试全部三个阶段，但现有证据支持的用法是用它加速开放编码、提出结构建议，而不是取代研究者的诠释性决策。2025-2026 年的三项研究说明了这一领域的现状：
\n规律是一致的：与专家图式的吻合度相当可观但并不完整，而缺失的部分恰恰是一篇论文需要论证的东西。把 AI 的输出当作一组候选开放编码和候选关系，在备忘录中加以检验，绝不要把它当作已完成的主轴或选择性编码。
\n\nQualitati 是一个面向高校和研究机构的欧洲定性研究平台，价格亲民，并把 GDPR 与数据隐私作为核心重点。在扎根理论项目中，它可以支持资料收集和早期编码工作，而关联与整合仍由你完成：
\nQualitati 没有专门的编码范式或核心类属功能。如果你的设计依赖正式的主轴图，仍可在备忘录或传统 QDA 软件中绘制。查看透明定价，或在 NVivo 替代方案中比较各选项。
\n\n人工审阅说明：贯穿示例仅作说明之用，并非来自真实研究。请以你所在院系要求的方法论教材版本核对各阶段定义。
\n\n本指南适用于正在规划或答辩 Strauss 派扎根理论研究的博士生、导师和研究团队。如果你的目标是描述固定资料集中的主题（请用反思性主题分析，参见我们的主题分析指南），如果你在套用预先确定的框架（请用框架分析或演绎编码），或者你遵循 Glaser 派或建构主义扎根理论（它们有各自的编码术语），就不要使用开放、主轴和选择性编码。
\n\n开放编码为资料中的概念贴标签；主轴编码按条件、行动/互动和结果把概念关联成类属；选择性编码围绕一个核心类属把各类属整合为理论。
\n\n不是。归组只是建立\"桶\"。主轴编码要说明概念之间如何关联，例如哪些条件引发哪些行动，又带来什么结果。
\n\n并非绝对。许多研究会改造范式或采用其他关系逻辑。说明你做了什么以及原因即可，因为 Strauss 派研究的审稿人会关注这一点。
\n\n选择性编码是 Strauss 与 Corbin 围绕核心类属进行整合的阶段；理论编码是 Glaser 的术语，指用理论编码族关联实质性编码。二者在不同流派中发挥相似作用。
\n\n可以，作为你随后审阅的第一轮，前提是记录工具提出了什么、你改了什么。近期研究显示 AI 与专家编码的吻合度有用但不完整。
\n\n没有固定数字。抽样持续到理论饱和，即新资料不再改变类属的属性为止。
\n\n开放编码、主轴编码和选择性编码是三个相互衔接的动作：命名概念、关联概念、围绕核心类属整合概念。主轴编码是大多数研究最薄弱的环节，也恰恰是 AI 工具帮助最少的环节。用 AI 加快开放编码，用备忘录和上面的清单把关系讲清楚，并明确写出你所遵循的扎根理论流派。准备好收集和编码资料时，免费开始，获赠 30 积分，无需信用卡。
\n","related":[{"slug":"constant-comparative-method-qualitative-research-2026","title":"持续比较法：步骤、示例与 AI 辅助编码","description":"什么是持续比较法？Glaser 的四个阶段、Boeije 的访谈分析步骤、完整示例、审计清单，以及 AI 编码能帮上哪些忙。","category":"定性数据分析","date":"2026-10-22","readTime":"11 分钟阅读","author":"Qualitati 研究团队"},{"slug":"gioia-methodology-qualitative-research-2026","title":"Gioia 方法详解：数据结构、示例与 AI 辅助（2026）","description":"Gioia 方法详解：一阶概念、二阶主题与聚合维度，附示例、主要批评，以及 AI 在构建数据结构时能做什么、不能做什么。","category":"定性数据分析","date":"2026-10-18","readTime":"11 分钟阅读","author":"Qualitati 研究团队"},{"slug":"what-is-abductive-analysis-qualitative-research-2026","title":"什么是溯因分析？定性研究中的溯因推理指南（2026）","description":"溯因分析从意外的数据中构建理论。了解 Timmermans 与 Tavory 的方法步骤、溯因与归纳和演绎的区别，以及 AI 能在哪些环节提供帮助。","category":"定性数据分析","date":"2026-10-17","readTime":"10 分钟阅读","author":"Qualitati 研究团队"}]}