简短回答：第一轮编码是对定性资料的初次梳理：先给文本片段贴上简短标签，再把标签归并为类别和主题。Johnny Saldaña 的 Coding Manual 将第一轮编码方法分为六大类。多数研究者常用的是描述性编码、实境编码（in vivo coding）、过程编码、价值观编码、情绪编码和初始编码。请根据研究问题选择方法，而不是选软件用起来最顺手的那一种。
最后更新：2026 年 10 月 29 日
许多方法章节只写一句"数据采用归纳方式编码"就戛然而止。审稿人越来越常追问：具体是怎么编码的？答案就在第一轮编码里。它是对访谈记录、田野笔记或开放式问卷回答的第一次系统梳理，你选择的方法决定了后续主题能说明什么、不能说明什么。
本文介绍主要的第一轮编码方法，用同一段访谈摘录演示六种不同的编码方式，并提供一份把方法与研究问题对应起来的选择矩阵。文章还会讨论 AI 辅助编码在这一阶段能帮到什么程度，以及哪些地方不能单靠它。
核心要点
- 第一轮编码是给数据贴标签，第二轮编码是整理这些标签。模式编码、聚焦编码和轴心编码在后面进行（参见我们的第二轮编码指南）。
- Saldaña 的第五版（SAGE，2025）把第一轮编码方法分为语法类、元素类、情感类、文学与语言类、探索类和程序类六个家族。
- 方法服从问题。"发生了什么？"对应过程编码；"什么对人们重要？"对应价值观编码；"这段话讲的是什么？"对应描述性编码。
- 组合使用两种方法很常见，也站得住脚，前提是你说明用了哪些方法以及原因。
- AI 在描述性编码和结构性编码上最可靠，在价值观、情绪这类解释性编码上最不可靠。每一个 AI 建议的编码在进入编码手册之前，都应由人工审核。
什么是第一轮编码？
第一轮编码是对定性数据进行初始编码时使用的一组方法。每个片段（小到一个词，大到一个段落）都会得到一个简短标签，用来概括或捕捉其含义。产出通常是一份很长、往往很杂乱的编码清单。随后，第二轮编码再把这些编码重组为类别、主题或理论模型。
这一区分来自 Johnny Saldaña 的 The Coding Manual for Qualitative Researchers（《定性研究者编码手册》），该书目前已出到第五版。根据 SAGE 的产品页面，2025 年版涵盖 35 种以上的编码方法，并新增了 CAQDAS 和 AI 工具的内容。其目录把第一轮编码方法分为六个章节家族，另有一章专讲"提炼主题"。
The Qualitative Report 上一篇关于第五版的书评（Dos Santos，2026 年 6 月 27 日）指出，该书把生成式 AI 视为辅助工具。解释、情境判断和伦理责任仍由研究者承担。
第一轮编码方法的六大家族
下表的家族名称依据第五版目录。各家族下的示例方法依据广为使用的第四版（2021）；引用时请核对你所用版本中的具体归类。
| 家族 | 捕捉的内容 | 示例方法 |
|---|---|---|
| 语法类 | 数据的基本属性及其结构 | 属性编码、量级编码、子编码、同步编码 |
| 元素类 | 对内容的基础性概括 | 结构编码、描述性编码、实境编码、过程编码、初始编码、概念编码 |
| 情感类 | 情感、价值观与冲突 | 情绪编码、价值观编码、对立编码、评价编码 |
| 文学与语言类 | 故事、表演与言谈 | 戏剧编码、母题编码、叙事编码、言语交换编码 |
| 探索类 | 初步的或由假设引导的梳理 | 整体编码、暂定编码、假设编码 |
| 程序类 | 预设的标准化方案 | 协议编码、领域与分类编码、因果编码 |
在实践中，教育、健康、管理和用户体验研究中的大多数访谈研究会用到六种方法：描述性编码、实境编码、过程编码、价值观编码、情绪编码和初始编码。本文余下部分聚焦这六种。
第一轮编码方法示例
为了让差异一目了然，下面用一小段示意性的访谈摘录（为本文编写，并非真实受访者数据），分别用六种方式编码。
"导师休假之后，我整整两个月没写一个字。我一直对自己说下周一就开始。说实话，我觉得我需要有人对我失望。"
描述性编码
描述性编码用名词或简短的名词短语标注一段文字的主题，回答"这段话讲的是什么？"编码：导师缺席、写作习惯。它是处理大型或混合数据集、以及编码新手团队的最佳起点，但单独使用很少能产生洞见。
实境编码
实境编码直接使用受访者自己的话作为编码。编码："下周一就开始"、"有人对我失望"。它让受访者的声音保持可见，适合研究青少年、行业黑话或边缘群体。我们的实境编码指南有更深入的讲解。
过程编码
过程编码使用动名词（"-ing"形式的词）来捕捉行动及其随时间的变化。编码：停止写作、推迟开始、寻求外部督促。当你的问题关乎人们做了什么、惯例如何形成或事情如何展开时，适合使用它。它也是通向扎根理论的自然入口。
价值观编码
价值观编码标记受访者的价值观（V）、态度（A）和信念（B）。编码：B：我需要外部压力才能工作、V：对他人负责。它适用于身份认同、伦理和决策研究。它也是这里最具解释性的方法，因此请把你的推理过程记录在分析备忘录中。
情绪编码
情绪编码标注受访者自己报告的、或研究者推断出的情绪。编码：内疚、自我怀疑。请标明哪些情绪是受访者明说的，哪些是推断的。在这段摘录中，这两个词都没有被说出口，所以两者都属于推断，应由第二位编码员核查。
初始编码
初始编码源自 Kathy Charmaz 的建构主义扎根理论，是一种开放的逐行梳理，紧贴数据，并保持编码的暂定性。编码：失去节奏、拖延、把动力寄托于自身之外。它与过程编码有重叠，但刻意保持试探性。我们的开放编码、轴心编码与选择性编码指南解释了它如何衔接后续的扎根理论阶段。
第一轮编码方法选择器
这张矩阵是 Qualitati 的规划工具。先看你的研究问题怎么表述，再选一个主要方法，必要时再加一个辅助方法。
| 如果你的研究问题问的是…… | 主要方法 | 适合的辅助方法 | AI 初筛？ |
|---|---|---|---|
| 出现了哪些话题？（探索性、大型数据集） | 描述性编码 | 实境编码 | 有用，需人工审核 |
| 人们如何用自己的话谈论 X？ | 实境编码 | 描述性编码 | 可用于标出短语；由人工筛选 |
| 人们做了什么，又如何变化？ | 过程编码 | 初始编码 | 部分可用；需核对顺序和情境 |
| 什么对人们重要，为什么？ | 价值观编码 | 情绪编码 | 仅作草稿；由人工编码 |
| 这段经历是什么感受？ | 情绪编码 | 实境编码 | 仅作草稿；区分明说与推断 |
| 哪些回答对应每个访谈问题？ | 结构编码 | 描述性编码 | 用于分类较可靠，需抽查 |
| 数据是否支持某个现有框架？ | 暂定编码（演绎） | 量级编码 | 配合清晰的编码手册时有用 |
五步第一轮编码流程
- 把研究问题写在编码手册最上方，并依据选择器挑选方法。
- 先手工编码两三份访谈记录，最好有第二位编码员参与，以校准编码措辞和边界。
- 撰写编码定义，每个编码包含纳入规则、排除规则和一个示例。
- 对其余数据集进行编码，可手工，也可借助 AI 建议，并用备忘录记录新增编码和修改过的定义。
- 进入第二轮编码之前，先暂停并复核。合并重复项，拆分过于笼统的编码，并检查一致性（参见我们的编码员间信度指南）。
AI 能做第一轮编码吗？
AI 可以生成一份有用的第一轮编码草稿，尤其是描述性编码和结构性编码，但在解释性编码上不应取代研究者的判断。已发表的结果参差不齐，且在很大程度上取决于任务本身。
Dunivin（2024，arXiv:2401.15170）发现，采用思维链提示的 GPT-4 在部分诠释性编码上与人工编码员相当，但在另一些编码上则不然。Kim 和 Mitchell 的一篇预印本（2026 年 9 月 10 日，arXiv:2609.11109）测试了会相互辩论并化解分歧的多智能体 LLM 编码器。其准确率取决于编码手册的长度、数据条目之间的相似度以及智能体之间的分歧程度。这些模型还缺乏对情境的适应性回应能力。
我们的判断是：AI 是处理广度的好助手（用描述性或结构性编码一致地覆盖每一份访谈记录），却难以替代深度（依赖情境和理论的价值观、情绪和初始编码）。上面的选择器正反映了这种分工。
Qualitati 的位置
Qualitati 是一个面向高校和研究公司的欧洲定性研究平台，价格亲民，并把 GDPR 与数据隐私放在核心位置。就第一轮编码而言，它的 QDA Workspace 同时支持两条路径：
- 手工编码：提供编码树，可对同一段落标注多个编码，并为编码添加说明。
- AI 辅助的归纳与演绎编码：由 AI 提出编码建议，你可以接受、修改或拒绝。访谈者的提问不会纳入 AI 编码，因此只对受访者的发言编码。
- 编码手册生成：根据你的研究问题生成一组暂定编码作为起点。
进入第二轮编码工作时，ThemeLens 会把编码映射到研究问题，并以受访者原话为锚点，在最多 100 份访谈记录中综合提炼主题。由于 Qualitati 还提供 10 种语言的 AI 主持访谈和对话式问卷，数据收集与编码可以在同一处完成。请查看透明定价，或与 NVivo 对比。
局限与方法论层面的顾虑
- 方法名称并不保证质量。只说"我们使用了价值观编码"意义不大，除非在附录中给出编码定义和示例。
- 方法过多会稀释焦点。一项研究通常用两种方法就够了；再多会让编码手册难以一致地应用。
- 推断出的编码需要第二位读者。情绪和价值观编码是研究者的解释。请标出它们，并在研究设计允许时请同行或受访者核实。
- AI 建议会产生锚定效应。先看到建议的编码，可能会缩小你的关注范围。请在查看 AI 输出之前，先手工编码一个校准样本。
- 反思性主题分析的做法不同。Braun 和 Clarke 把编码视为一种由研究者主导的解释性实践，而不是信度检验，因此基于编码轮次的方法菜单未必适合该范式。
方法说明：本文为规划目的而对已发表资料作了归纳。你的导师、伦理委员会或期刊可能要求使用特定方法；编码之前请先与他们确认。
适用人群与不适用情形
适用人群：撰写方法章节的硕士和博士生、需要统一编码流程的研究实验室，以及为分析师讲解共用编码手册的研究公司。
不适用情形：采用固定方案的纯量化内容分析（请改用协议编码和信度统计），或者很小的反思性项目，在这类项目中，正式的轮次结构只会增加文书工作，而不会增加洞见。
常见问题
第一轮编码和第二轮编码有什么区别？
第一轮编码为原始数据片段赋予初始标签。第二轮编码则对这些编码进行处理，把它们分组、排序或关联，形成类别、主题或理论。模式编码、聚焦编码、轴心编码和理论编码是常见的第二轮编码方法。
我应该使用哪种第一轮编码方法？
让方法与研究问题相匹配。问"有哪些话题"用描述性编码，问"发生了什么"用过程编码，问"什么重要"用价值观编码，问"感受如何"用情绪编码，受访者自己的用语至关重要时用实境编码。
我可以同时使用多种第一轮编码方法吗？
可以。组合使用方法很常见，例如描述性编码加实境编码，或过程编码加初始编码。请逐一报告每种方法，解释它为何契合研究问题，并为每种编码类型保留各自的定义。
描述性编码就是主题分析吗？
不是。描述性编码标注一段文字的主题。主题分析则是在众多编码和受访者之间构建更宽泛的共享意义模式。描述性编码可以为主题分析提供素材，但它们本身并不是主题。
AI 能替我做第一轮编码吗？
AI 可以很快地在大量访谈记录上起草描述性编码和结构性编码，但已发表的研究表明，它与人工编码员的一致性因任务而异。请审核每一条建议，并自己完成价值观、情绪这类解释性方法的编码。
哪本书界定了第一轮编码方法？
Johnny Saldaña 的 The Coding Manual for Qualitative Researchers（SAGE）。第五版（2025）涵盖 35 种以上的方法，并新增了 CAQDAS 和 AI 工具的内容。
总结
第一轮编码是你的分析赢得可信度的地方。选择一两种契合研究问题的方法，在扩大规模之前先定义好编码，并让人来主导一切解释性的工作。如果你想试试带有 AI 建议、可接受也可拒绝的第一轮编码，在 Qualitati 免费开始，赠送 30 积分，或阅读我们关于编码、类别与主题的指南，了解下一步。