第二轮编码：模式编码、聚焦编码与轴心编码（2026）

Qualitati 研究团队 · 2026-10-08 · 11 分钟阅读

简短回答：第二轮编码（second cycle coding）是定性分析中把第一轮编码重新整理为更少的类别、模式或概念的阶段。最常用的方法是模式编码（pattern coding，把编码归并为具有解释力的单元）和聚焦编码（focused coding，用最重要的初始编码重新编码数据）。轴心编码与理论编码则服务于扎根理论。

大多数定性研究项目，要么在第二轮编码中真正变成分析，要么停滞在一长串标签上。实境编码、描述性编码、过程编码等第一轮方法负责把数据"打开"；第二轮编码负责把它重新组合起来：更少的编码、更高的抽象层次，以及关于事物之间如何关联的明确主张。本文介绍 Saldaña 框架中主要的第二轮编码方法，给出一个完整的示例，并提供一张决策矩阵和一份可以在方法章节中引用的审查清单。

本文也回答了 2026 年导师们常问的问题：第二轮编码中，哪些部分可以交给 AI 工具？简短的答案是：模型擅长提出分组方案，却无法为这些分组负责，因此第二轮编码恰恰是最需要研究者判断的环节。

最后更新：2026 年 10 月 8 日

要点速览

第二轮编码整理的是编码，而不是原始数据。它的输入是你的第一轮编码手册，输出是类别、模式或概念。
模式编码把第一轮编码归并为具有解释力的单元：主题、原因、关系或构念。
聚焦编码挑选出现最频繁或最重要的初始编码，并用它们重新编码整个数据集。
轴心编码与理论编码属于扎根理论；只有当这是你的研究方法论时才使用。
每一次合并都是一个主张。记录你为什么把编码归在一起，否则你的审计轨迹会在第一轮就中断。
AI 可以提出候选聚类；合并、拆分或删除某个编码的决定应当由研究者做出。

什么是第二轮编码？

第二轮编码是指作用于第一轮所产生编码之上的任何编码方法，目的是对编码进行精简、分类和抽象。Johnny Saldaña 的 The Coding Manual for Qualitative Researchers（第 5 版，SAGE，2025）把第一轮方法与第二轮方法区分开来；第二轮方法包括模式编码、聚焦编码、轴心编码、理论编码、精细化编码和纵向编码。

两者的区别在于工作单元。第一轮中，你阅读访谈记录并为片段贴上标签；第二轮中，你主要阅读自己的编码，对它们进行比较，决定哪些应当归在一起以及原因。你仍会回到数据中，但带着的是关于一组编码的问题，而不是关于某一行文字的问题。

The Qualitative Report 2026 年 6 月 27 日发表的第 5 版书评指出，该版讨论了生成式 AI，同时把解释与问责保留在研究者手中。这一立场在第二轮编码中最为关键，因为解释正是在这里变得可见。

主要的第二轮编码方法

大多数研究只会使用以下方法中的一两种，而不是全部六种。请根据方法论以及你需要提出的主张类型来选择。

模式编码

模式编码把第一轮编码归并为数量更少、能够解释某种现象的"元编码"。在 Miles、Huberman 和 Saldaña 的 Qualitative Data Analysis: A Methods Sourcebook（SAGE）中，模式编码通常概括以下四类内容之一：类别或主题、原因或解释、人与人之间的关系，或理论构念。它是最通用的第二轮方法，也是通向主题分析的自然桥梁。

聚焦编码

聚焦编码来自 Kathy Charmaz 的建构主义扎根理论，详见 Constructing Grounded Theory（SAGE）。你挑选出现最频繁或分析分量最重的初始编码，再用它们筛选其余数据。它比初始编码更有方向性，通常会产生暂定的类别。在扎根理论之外，只要第一轮编码清单庞大且分布不均，它同样适用。

轴心编码与理论编码

轴心编码把类别与其子类别、属性和维度联系起来；理论编码（又称选择性编码）围绕一个核心类别整合各类别。两者都是带有特定认识论前提的扎根理论程序。完整流程请参阅我们的开放编码、轴心编码与选择性编码指南。

精细化编码与纵向编码

精细化编码从以往研究中的编码或构念出发，检验你的数据是支持、扩展还是反驳了它们，因此是一种自上而下的方法。纵向编码追踪受访者在多轮数据中的变化。两者都较为专门，只有在研究设计需要时才采用。

第二轮编码方法选择器

一张 Qualitati 原创决策矩阵。从你的情形横向读到适合的方法，并留意每种方法要求你做出的主张。

你的情形	方法	你将提出的主张	主要风险
一般定性分析或主题分析，第一轮编码类型混杂	模式编码	这些编码构成一个主题、原因或关系	把话题分组包装成主题
第一轮编码清单庞大（100+ 个编码），频次不均	聚焦编码	这些编码最能概括数据	把频次误当作重要性
扎根理论，构建过程模型	先轴心编码，再理论编码	各类别围绕核心以这种结构相互关联	强加数据并不支持的范式模型
检验或扩展既有框架	精细化编码	我们的数据证实、扩展或反驳了 X	偏向既有框架的确认偏差
追踪样本或多轮访谈	纵向编码	受访者随时间发生了这样的变化	把样本流失当作变化
第一轮编码少于约 30 个	通常不需要	直接进入类别与主题	增加了仪式感却没有增加分析

示例：从第一轮编码到模式编码

延续我们实境编码指南中假设的教师工作负荷研究：假设对十次访谈进行第一轮编码后，得到了包括以下在内的编码：

"星期天基本上就是上学日"（实境编码）
"一直在脑子里装着它"（实境编码）
深夜回复家长邮件（描述性编码）
反复思虑工作（过程编码）
"我周六干脆不打开电脑"（实境编码）
设定设备边界（过程编码）
在厨房餐桌上批改作业（描述性编码）

话题层面的分组会把这七个编码全部放进周末工作之下。这是一个类别，而不是一个模式；它告诉读者数据位于何处，却没有说明数据意味着什么。

模式编码则提出一个主张。比较这些编码后，会浮现两个模式：没有明确终点的工作会渗入休息时间、也渗入脑海（无边界的任务侵占休息），而部分受访者以关于设备的具体规则进行抵抗（以划定边界作为自我保护）。第二个模式只在与第一个模式的关系中才存在，这是一条值得写进备忘录的解释性联系。

聚焦编码会走另一条路：注意到"一直在脑子里装着它"以不同措辞出现在十次访谈中的七次，将其提升为聚焦编码（心理负载），然后重读所有访谈记录，看它在哪里适用、在哪里不适用、又遮蔽了什么。偏离的个案往往是分析变得有趣的地方；参见反面个案分析。

关于模式编码如何进一步成为主题，请参阅编码、类别与主题的区别。

AI 能做第二轮编码吗？

只能做一部分。对编码进行分组本质上是一种聚类任务，语言模型很擅长提出带有合理标签的聚类。难点在于，合理的标签并不等于站得住脚的主张，而第二轮编码正是定性研究提出主张的地方。

近期研究指向同样的分工。在一篇 2026 年 9 月 10 日提交的预印本中，Kim 与 Mitchell 研究了多智能体 LLM 编码：多个 AI 编码者独立编码、展开辩论并调和分歧。他们报告称，准确率取决于编码手册的长度、数据的相似度以及智能体之间分歧的程度；激烈且未解决的辩论与更高的准确率相关；模型模仿了许多人类讨论行为，但缺乏对情境的适应性回应。放到第二轮编码中解读，这意味着分歧是应当保留的信号，而不是需要抹平的噪声。在一项关于 ChatQDA 的 CHI 2026 研究中，研究者对本地模型在显性内容提取上的信任高于对深层解释的信任；该研究只有四名参与者，因此应将其视为关于失效模式的信号。

一种务实的分工：

可以交给 AI：提出候选分组、标记近似重复的编码、列出某个候选模式下的全部片段，以及统计每个候选模式覆盖了多少受访者。
应当自己保留：判断一个分组是模式还是只是话题、为模式命名、决定删除哪些编码，以及处理不符合的个案。

当你让模型提出候选模式编码时，要求它为每个候选项返回：成员编码、覆盖的受访者编号、一个反例，以及该分组是话题性还是解释性的明确说明。要求它列出无法归类的编码，而不是硬塞进某个聚类。这些剩余编码往往是输出中最重要的部分。关于如何让 AI 辅助步骤保持可追溯，请参阅AI 定性分析的审计轨迹。

模式编码审查清单

一份 Qualitati 原创工具。在每个模式编码或聚焦编码成为主题之前，逐项检查。每一个"否"都是一个需要修复的项目。

主张检验。你能否把这个编码表述为一个带动词的句子（"无边界的任务侵占休息"），而不只是一个名词（"周末工作"）？
成员检验。是否列出了每一个第一轮成员编码，并附上一行纳入理由？
分布检验。这个模式是否出现在多名受访者中，而不只是一两次表达能力强的访谈？
反例检验。你是否寻找并记录了与之相悖的数据？
剩余检验。无法归入任何模式的第一轮编码是否被列出并加以解释，而不是被悄悄删除？
回到数据检验。合并之前，你是否重读了底层片段，而不只是编码标签？
来源检验。如果分组是 AI 提出的，是否记录了这一点，以及你接受、修改和拒绝了哪些内容？
备忘录检验。是否有一份注明日期的分析备忘录解释这一决定？

Qualitati 的定位

Qualitati 是一个面向高校与研究机构的欧洲定性研究平台，价格亲民，并把数据隐私与 GDPR 作为核心优先事项。平台中有两个部分直接对应第二轮编码。

QDA Workspace 支持 AI 辅助的归纳式与演绎式编码、编码手册生成以及主题可视化。你可以在这里审阅、归并和完善第一轮编码手册，全程由你掌控。
ThemeLens 采用 map-reduce 流程，可一次对多达 100 份访谈记录进行主题分析，把编码映射到研究问题，并综合出附有受访者原话的主题，使候选模式可以回溯核对受访者的实际表述。

在上游，AI 主持访谈、焦点小组和对话式问卷负责收集资料，支持 10 种语言。Qualitati 公开按积分计费的使用价格，免费起步即享每月 30 个积分，无需信用卡。

适用对象与不适用情形

适用对象：从第一轮编码走向研究发现的博士生与学术研究者；需要在多名编码者之间采用有记录、可重复的合并流程的研究团队；需要把大量访谈转化为可辩护主题的定性与市场研究机构；以及整合探索性研究的 UX 与洞察团队。

不必进行正式第二轮编码的情形：第一轮编码手册已经精简且具有概念性；你在套用固定的演绎框架，类别在编码之前就已存在（参见归纳式与演绎式编码）；或者你在固定截止期限内进行快速分析，此时结构化矩阵可能更合适（参见快速定性分析）。

局限与方法论关切

各方法不可互换。聚焦编码与轴心编码带有扎根理论的前提假设。在反思性主题分析中使用它们的术语，可能招致审稿人对方法论一致性的批评；参见主题分析与扎根理论的区别。

频次不等于重要性。聚焦编码常从高频编码入手，但一位关键知情人只提过一次的编码，可能比人人都提到的编码更重要。请说明你如何权衡这一点。

AI 的分组容易趋同于显而易见的答案。模型倾向于提出与其训练数据中常见类别相符的聚类。这作为基线很有用，作为研究发现则有风险。人工审核提示：如果你的方法章节声称 AI 辅助了第二轮编码，请说明它提出了什么、你最终决定了什么，并在你自己的数据上进行验证；关于 AI 在这一步骤中作用的已发表证据既新且少。

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贴上初始标签。第二轮编码作用于这些标签，对它们进行归并、精简和抽象，形成类别、模式或概念。第一轮把数据打开，第二轮把数据组织成主张。

定性研究中的模式编码是什么？

模式编码把第一轮编码归并为数量更少、具有解释力的元编码。模式编码通常概括一个主题、一个原因或解释、人与人之间的关系，或一个理论构念。它是使用最广泛的第二轮方法。

什么是聚焦编码？

聚焦编码源自 Charmaz 的建构主义扎根理论，它挑选出现最频繁或分析上最重要的初始编码，用它们重新编码数据集。它会产生暂定类别，并检验这些编码是否在全部数据中都成立。

轴心编码属于第二轮编码方法吗？

是的。Saldaña 把轴心编码列为第二轮方法。它把类别与子类别联系起来，专属于扎根理论，因此通常不适合用于主题分析。

我总是需要第二轮编码吗？

不一定。如果你的第一轮编码已经数量少且具有概念性，或者你在套用预先定义的框架，可以直接进入类别与主题。只有当第一轮编码清单庞大或类型混杂时，第二轮编码才值得投入时间。

ChatGPT 或其他 LLM 能做模式编码吗？

它们可以快速提出候选分组和标签，但不应由它们决定哪些分组算作研究发现。请要求模型给出成员编码、覆盖范围、反例和未归类编码，并由你自己做出合并决定、撰写备忘录。

结论

第二轮编码把第一轮编码手册变成真正的分析。模式编码对编码组提出解释性主张；聚焦编码检验哪些初始编码真正承载了数据；轴心编码与理论编码服务于扎根理论。无论使用哪一种方法，每一次合并都是一个应当写下来的主张。AI 可以加快"提出"的过程，而"决定"仍是研究者的工作。

免费注册即享 30 个积分，在 QDA Workspace 中把第一轮编码手册带入第二轮编码，或查看透明定价。正在比较工具？看看 Qualitati 与 NVivo、ATLAS.ti、MAXQDA 及 AI 原生研究平台的对比，或创建账户，今天就开始编码。