简短回答：Gioia 方法（Gioia methodology）是一种归纳式定性分析方法，由 Dennis Gioia、Kevin Corley 和 Aimee Hamilton 于 2013 年在 Organizational Research Methods 上系统阐述。研究者先把受访者的原话编码为一阶概念，再归纳为以研究者视角命名的二阶主题，进而提炼出聚合维度，最后构建一个说明各概念如何关联的扎根模型。
如果你在管理学、信息系统、创业或组织研究领域做归纳式访谈研究，审稿人很可能会要求你展示“数据结构”（data structure）。这一要求正是来自 Gioia 方法——商学院研究中用来呈现定性研究严谨性最常用的模板之一。
\n本文解释这一方法是什么，并通过一个简短的示例走完各个步骤；同时介绍你在采用它之前应了解的主要批评，以及近期研究对用大语言模型构建 Gioia 数据结构的发现。文末附有一份投稿前可用的检查清单。
\n\nGioia 方法是一种用于归纳式概念开发和扎根理论阐述的系统化方法。它的设计目的，是让定性研究在读者眼中显得严谨，同时不扼杀其揭示新概念的能力。它的标志性产出是一个三层数据结构，以及随后的扎根理论模型。
\n经典表述见 Gioia、Corley 和 Hamilton 的 “Seeking Qualitative Rigor in Inductive Research: Notes on the Gioia Methodology”，Organizational Research Methods，第 16 卷第 1 期，第 15–31 页（2013）。该方法源于更早的研究，尤其是 Gioia 与 Chittipeddi 在 1991 年对一所大学战略变革的研究。2023 年，Magnani 与 Gioia 在 International Business Review（第 32 卷第 2 期，文章号 102097）上为国际商务和创业研究者发表了一份应用指南，将其分为三个阶段：构建数据结构、构建扎根模型、把研究发现写成有说服力的叙事。
\n该方法建立在两个假设之上：第一，组织世界是社会建构的；第二，建构这个世界的人是“有知识的行动者”，能够解释自己的想法、意图和行为。研究者的任务是忠实呈现这些声音，然后在受访者自己不会使用的层面上进行理论化。
\n\n每个层级回答不同的问题。把它们混为一谈，是审稿人退回数据结构图最常见的原因。
\n| 层级 | 谁的语言 | 回答什么问题 | 典型形式 |
|---|---|---|---|
| 一阶概念 | 以受访者为中心 | 受访者在说什么？尽量贴近他们的原话。 | 简短的描述性短语，早期往往数量很多 |
| 二阶主题 | 以研究者为中心 | 哪些概念有助于描述和解释这里发生的事情？ | 具有理论意义的标签，有的来自文献，有的是新概念 |
| 聚合维度 | 以研究者为中心 | 这些主题汇总起来体现了哪些总体性观念？ | 少量高层级维度，作为模型的支点 |
Gioia 等人描述，一旦二阶主题开始稳定，研究者就要在数据与文献之间来回往复：追问一个浮现的主题在已有理论中是否已有名称，还是一个新概念。正因为这种往复，该方法常被描述为“精神上是归纳的，实践中带有溯因的一步”。我们的溯因分析指南对这一逻辑有更详细的介绍。
\n\n以下按照 2013 年论文和 2023 年指南的描述，把方法整理成一个可以照着做的顺序。请把它当作工作顺序而不是严格的配方——作者本人就提醒不要把它当成“菜谱”。
\n从一个界定清晰、但为尚未命名的概念留有空间的研究问题开始。使用半结构化访谈，让受访者用自己的话描述事件，并随着新概念的出现修订访谈提纲。我们的半结构化访谈指南介绍了提纲设计。
\n贴近受访者的用语进行编码，避免过早抽象。这一阶段的编码清单通常又长又杂。In vivo 编码在这里非常合适（参见 in vivo 编码）。
\n寻找一阶概念之间的异同，把它们合并为数量可控的一组。为每组起一个受访者仍能认出的标签或短语。
\n追问哪些概念能够描述并解释这些模式。此时引入文献，并特别留意那些在现有理论中没有恰当名称的主题——它们就是你潜在的理论贡献。
\n在合适的情况下，把二阶主题归纳为少数几个聚合维度。画出数据结构图：左侧是概念，中间是主题，右侧是维度。
\n把静态结构转化为动态模型，用箭头、阶段和反馈回路展示概念之间如何随时间或因果关系相互关联。没有这一步，数据结构只是描述，而不是理论。
\n在正文叙述中使用少量生动的引语，把更完整的支持证据放进按主题组织的表格中，然后向读者展示每个主题如何与模型相连。
\n\n设想一项访谈研究，对象是 25 位开始使用 AI 编码工具的高校研究者。下面的示例是为展示各层级的逻辑而虚构的，并非取自已发表的研究。
\n| 一阶概念（受访者用语） | 二阶主题 | 聚合维度 |
|---|---|---|
| “每个 AI 编码我都会重读一遍才信”；“我会核对引语是否真的在访谈记录里” | 核验仪式 | 校准对机器的信任 |
| “做第一轮可以，做主题不行”；“我绝不会让它给主题命名” | 有边界的委托 | |
| “导师问我编码是谁做的”；“审稿人 2 要求看提示词” | 预期中的受众审视 | 捍卫方法合法性 |
| “我在方法章节专门写了一段”；“我记录了 AI 给出的每条建议” | 记录人的角色 |
在此基础上，扎根模型可以提出：预期中的审视推动了核验仪式，而这些仪式又随着时间推移扩大了有边界委托的范围。模型提出的是关于过程的主张，这是静态表格做不到的。
\n\n这份清单由 Qualitati 研究团队根据本文引用的文献整理。在把稿件交给审稿人或导师之前使用它。每一个“否”都可能成为一条修改意见。
\n| # | 检查项 | 为什么重要 |
|---|---|---|
| 1 | 每个一阶概念都能追溯到证据表中至少一条引语 | 表明结构有数据支撑，而非主观断言 |
| 2 | 一阶标签使用受访者的语言，而非理论术语 | 保持“受访者视角”和“研究者视角”两个层级的区分 |
| 3 | 每个二阶主题在正文中都有一句话的定义 | 让读者判断概念归类是否一致 |
| 4 | 说明哪些主题对应已有概念、哪些是新概念 | 让理论贡献清晰可见 |
| 5 | 聚合维度数量少且彼此明确区分 | 避免模型过于笼统而什么都解释不了 |
| 6 | 数据结构之后有一个动态的扎根模型 | 静态图本身不是理论贡献 |
| 7 | 报告了反例或否定案例 | 回应“模板会抹平诠释张力”的批评 |
| 8 | 如果使用了 AI 辅助编码，方法部分说明了在哪里、如何使用以及如何核验输出 | 让读者评估人在诠释中的作用 |
Gioia 方法是呈现严谨性的好方式，但并不保证产生洞见。选择它之前，先了解相关争论。
\n人工审阅提示：Gioia 方法是否适合你的研究，取决于你的认识论、学科和目标期刊。请与导师或合作者讨论这一选择。
\n\n| 维度 | Gioia 方法 | 扎根理论（Glaser/Strauss/Charmaz） | 反思性主题分析 |
|---|---|---|---|
| 主要产出 | 三层数据结构加扎根模型 | 围绕核心范畴的实质理论 | 一组讲述数据故事的主题 |
| 文献的角色 | 在主题开始稳定后引入 | 因流派而异；经典版本推迟引入 | 灵活；理论可贯穿整个分析 |
| 标志性产物 | 数据结构图 | 理论备忘录和核心范畴 | 主题图 |
| 常见学科 | 管理学、信息系统、创业 | 社会学、护理、管理学 | 心理学、健康、教育 |
关于这些方法背后的编码术语，参见开放式、主轴式与选择式编码和主题分析与扎根理论的比较。
\n\n部分可以。AI 在一阶概念层面最有用，在聚合维度层面最不可靠。
\n目前最清晰的证据来自 Laato、Mäntymäki、Kordyaka 和 Laato 的 “Automating Qualitative Data Analysis with Chain-of-Thought Reasoning Models: A Study with the Gioia Method”（AMCIS 2025 会议论文集，2025 年 8 月 15 日发表）。他们用 DeepSeek R1 尝试复现一项已发表的、基于 17 份专家访谈记录的 Gioia 分析，并用 Levenshtein 距离核验模型返回的引语是否真实存在于访谈记录中。模型生成的一阶概念与原研究相近，但丢失了部分含义；随后它过度概括，生成的二阶主题和聚合维度被作者判定为不准确、信息量很低。
\n这一模式与更广泛的 AI 定性编码研究结果一致（参见 AI 定性编码在哪里失效）。一个务实的分工是：
\nQualitati 是一个面向高校和研究机构的欧洲定性研究平台，以数据隐私和 GDPR 为核心优先事项。对于 Gioia 式研究，它支持工作流程中机械性的部分，而把诠释性的步骤留给你：
\nQualitati 不会替你画出 Gioia 数据结构图或扎根模型，也不应该这样做——那正是理论贡献所在。
\n\n适合使用 Gioia 方法：你在做归纳式、基于访谈的理论构建，目标是审稿人期待看到数据结构的管理学、信息系统或创业期刊；也适合需要透明、可教学分析路径的博士生。
\n不适合使用：你的研究是演绎式或假设检验式的；你的认识论需要逆着受访者的叙述解读；你的目标是描述而非理论构建；或你所在领域的审稿人更期待反思性主题分析或经典扎根理论。
\n\n一阶概念贴近受访者的原话，描述他们在说什么；二阶主题是以研究者为中心的概念，从理论上解释正在发生什么。聚合维度则在更高层级上对二阶主题进行归类。
\n不是。它借鉴了扎根理论，Gioia 等人也把它描述为阐述扎根理论的一种方式，但它有自己的呈现惯例，尤其是三层数据结构和向动态扎根模型的推进。它还会在主题开始稳定后引入文献。
\n该方法没有规定具体数量。与任何定性访谈研究一样，用饱和度或信息力（information power）来论证样本量。参见我们的定性研究样本量指南。
\n任何支持层级编码的 QDA 工具都可以，包括 NVivo、ATLAS.ti、MAXQDA 和 Qualitati 的 QDA Workspace。数据结构图本身通常在绘图或幻灯片工具中绘制。软件负责组织编码，并不负责完成抽象。
\n单靠它们并不可靠。一项 2025 年 AMCIS 研究发现，推理模型生成的一阶概念较为合理，但二阶主题和聚合维度不准确且过度概括。用 AI 来起草和检索，并核验每一条引语。
\nMees-Buss、Welch 和 Piekkari（2022）等批评者认为，把它当作固定模板使用并不能解决诠释上的挑战，还可能让定性研究趋于同质化。他们主张以诠释学启发式取代规定步骤。
\n\nGioia 方法为归纳式研究者提供了一套展示研究过程的共同语言：受访者用语、研究者主题、聚合维度和扎根模型。用得深思熟虑，它能让审稿人看见你的诠释过程；用得机械，正如批评者和 Gioia 本人都提醒的那样，它只会产出整齐的图表和单薄的理论。AI 工具可以加快数据结构底层的工作，但更高的层级和模型仍是研究者的工作。
\n想在同一个地方完成下一项访谈研究并进行编码，你可以免费开始，每月 30 积分，无需信用卡。更大规模的研究请查看透明定价，或比较 Qualitati 与 NVivo、ATLAS.ti 和 MAXQDA。
\n\n最后更新：2026-10-18。
\n作者：Qualitati 研究团队。方法论观点均归属于所引用的文献；在用于学位论文或发表之前，请对照你所在学科的标准进行核对。
\n\n\n","related":[{"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"},{"slug":"discourse-analysis-qualitative-research-2026","title":"定性研究中的话语分析：四大流派、7 个步骤与 2026 年 AI 研究","description":"定性研究中的话语分析详解：比较 4 大流派，7 步操作流程与实例，并介绍 2026 年一项研究对用 LLM 做批判话语分析的发现。","category":"定性数据分析","date":"2026-10-15","readTime":"10 分钟阅读","author":"Qualitati 研究团队"},{"slug":"second-cycle-coding-pattern-coding-2026","title":"第二轮编码：模式编码、聚焦编码与轴心编码（2026）","description":"第二轮编码详解：模式编码、聚焦编码与轴心编码的区别，附完整示例、方法选择器，以及 AI 在第二轮编码中能做什么、不能做什么。","category":"定性数据分析","date":"2026-10-08","readTime":"11 分钟阅读","author":"Qualitati 研究团队"}]}