简短回答：主题分析主要有三种类型。编码信度型主题分析使用固定的编码手册，由多名编码者编码并测量一致性。编码手册型主题分析（模板分析、框架分析）使用结构化编码手册，但把编码视为诠释性工作。反思性主题分析认为主题是研究者在与数据的深入互动中建构出来的，不计算信度分数。请选择与你的认识论相符的类型，并在论文中明确写出其名称。
最后更新：2026 年 11 月 5 日
“我们采用了主题分析”是定性研究方法部分最常见的一句话，也是信息量最少的一句话。自 2019 年以来，Virginia Braun 和 Victoria Clarke 一直主张：主题分析不是单一方法，而是一个方法家族；他们在已发表论文中看到的多数质量问题，都来自把这个家族里的不同成员混为一谈。本文介绍主题分析的类型、它们之间的区别、如何选择，以及当 AI 工具承担部分编码工作时会发生什么变化。
要点速览
- Braun 和 Clarke 将主题分析分为三类：编码信度型、编码手册型和反思性。
- 三者的区别在于：主题是什么、由谁编码，以及评分者间一致性是否算作质量证据。
- 在反思性主题分析论文中报告 Cohen's kappa 属于逻辑不一致，而不是额外的严谨。
- Braun 和 Clarke 于 2024 年发布的反思性主题分析报告指南（RTARG）为反思性主题分析提供了专属清单。
- AI 辅助编码与编码手册型、编码信度型主题分析更契合；在反思性主题分析中，诠释必须由研究者本人完成。
主题分析有哪些类型？
主题分析的三种类型是编码信度型、编码手册型和反思性主题分析。它们目标相同——在整个数据集中寻找意义模式——但对“意义是被发现的还是被建构的”有不同假设。Braun 和 Clarke 在 2019 年和 2021 年的著作中提出了这一分类，包括《One size fits all? What counts as quality practice in (reflexive) thematic analysis?》（Qualitative Research in Psychology，18(3)，328–352）。
1. 编码信度型主题分析
编码信度型主题分析认为主题是存在于数据中、可以被准确找到的模式。编码手册在早期建立，通常基于理论，由两名或以上编码者独立使用。一致性用 Cohen's kappa 或 Krippendorff's alpha 等统计量衡量，并通过化解分歧来提高信度。常用参考文献是 Boyatzis（1998）以及 Guest、MacQueen 和 Namey 的《Applied Thematic Analysis》（2012）。这里的主题往往更接近话题摘要（“受访者谈到了成本”），而非诠释性论断。
2. 编码手册型主题分析
编码手册型主题分析保留结构化编码手册，但放弃“一致即准确”的观念。编码被视为诠释性的，编码手册是服务于团队协作、时间节点和预设问题的实用工具。模板分析（King）和框架分析（Gale 等，2013，BMC Medical Research Methodology）属于此类。主题常在完整编码之前就部分形成，编码手册随分析推进不断修订。
3. 反思性主题分析
大多数人引用 Braun 和 Clarke（2006）时，指的就是反思性主题分析。主题由研究者“生成”，而不是从数据中“发现”。编码开放而灵活，通常由一人完成，或由追求更丰富诠释而非共识的团队完成。研究者的主观性是一种资源，通过反思性加以记录；不使用编码手册，也不计算信度分数。主题是围绕一个核心概念组织起来的共享意义模式，而不是把某个话题下所有说法装进一个筐里。
对比表：三种类型一览
| 维度 | 编码信度型 | 编码手册型 | 反思性 |
|---|---|---|---|
| 对意义的看法 | 被发现；更接近（后）实证主义 | 诠释性、务实 | 被建构；完全定性 |
| 编码手册 | 早期固定，所有编码者共用 | 结构化，分析中修订 | 无；编码自由演变 |
| 编码者 | 两名或以上，相互独立 | 通常为团队 | 通常为一名研究者 |
| 评分者间一致性 | 核心质量证据 | 可选，用于保持一致 | 不能作为质量证据 |
| 典型主题 | 话题摘要 | 话题型或诠释型主题 | 围绕核心观点的共享意义 |
| 典型参考文献 | Boyatzis 1998；Guest 等 2012 | King（模板）；Gale 等 2013（框架） | Braun & Clarke 2006、2021 |
| 适用场景 | 大型应用研究、演绎式问题、需审计 | 政策、卫生服务、多站点团队 | 理论建构、身份与经验研究 |
如何选择主题分析的类型？
根据你想提出的论断来选，而不是根据手头的工具来选。如果你想说“数据里就是这些内容，而且独立编码者意见一致”，你需要编码信度型主题分析。如果你需要为团队或预设的政策问题提供结构，同时承认编码是诠释性的，请用编码手册型。如果你想提出明确属于你自己的诠释，请用反思性主题分析。
主题分析类型选择器（Qualitati 清单）
逐题回答“是”或“否”，答案模式会指向一种类型。
- 你是否需要证明独立编码者意见一致？（资助方、监管机构或合作者要求 kappa 或 alpha。）是 → 编码信度型。
- 你的研究问题是否在数据收集前就已固定？（政策评估、委托研究。）是 → 编码手册型或编码信度型。
- 是否会有超过三人参与编码？是 → 编码手册型能让团队保持一致，而不必假装客观。
- 你的贡献是一种诠释或理论吗？是 → 反思性主题分析。
- 你会撰写立场声明或反思性陈述吗？是 → 反思性主题分析，而该陈述本身就是证据的一部分。
- 你计划用 AI 大规模应用编码吗？是 → 编码手册型或编码信度型最合适；在反思性主题分析中，AI 只做辅助工作。
答案混杂很常见。如果第 1 题和第 4 题都回答“是”，你就有一个逻辑一致性问题需要在分析之前解决，而不是等审稿人指出来。
报告主题分析时的常见错误
Braun 和 Clarke 2021 年的论文列出了已发表研究中反复出现的问题。与选择类型最相关的几条：
- 引用反思性主题分析，却报告 kappa。一致性统计量假设存在唯一正确的编码，而反思性主题分析否认这一点。O'Connor 和 Joffe（2020）论证了评分者间信度在适用场景下的价值，但它并非处处适用。
- 说主题“浮现”出来。在反思性主题分析中，主题是研究者建构的；“浮现”暗示主题早已在数据中等着被发现。
- 把话题摘要当作主题。“获取障碍”下列出五个互不相关的要点，这是领域摘要，而不是反思性意义上的主题。
- 声称达到饱和。反思性主题分析不靠数据饱和来论证样本量；Braun 和 Clarke 认为这一概念很少适用于他们的方法。
- 默认使用 COREQ。对于反思性主题分析，Braun 和 Clarke 2024 年的 RTARG 指南（Palliative Medicine，38(6)，608–616）旨在替代 COREQ 或 SRQR。该文审阅了 20 篇已发表论文，发现报告不清晰和方法论不一致的问题。
关于反思性主题分析六个阶段的完整示例，可参考 Byrne（2022）发表于 Quality & Quantity 的文章。
AI 如何适配每种主题分析类型？
AI 更适合编码手册型和编码信度型主题分析，而非反思性主题分析。当编码手册已经存在时，语言模型可以把它应用到数百份访谈记录上，你可以用评估第二位编码者时同样的一致性统计量，把它的输出与人工编码者对比。我们对 TACT AI 委员会研究的解读介绍了这样一种设计：包含盲法人工编码，并按编码计算 Krippendorff's alpha。
反思性主题分析更难。它的质量取决于研究者持续的投入和反思性；我们解读过的一项关于LLM 能否进行反思性主题分析的研究发现，风险之一是伪造引文。在反思性主题分析中，可以用 AI 做转录、检索、核对引文和挑战你的解读，但主题的生成与命名要由你自己完成，并如实报告工具做了什么。
| 任务 | 编码信度型 | 编码手册型 | 反思性 |
|---|---|---|---|
| 起草编码手册 | 可以，之后由人工定稿 | 可以，由团队修订 | 不适用 |
| 大规模应用编码 | 很合适，需检查一致性 | 很合适，需抽查 | 仅作辅助 |
| 生成主题 | 可以，需审核 | 可以，需审核 | 由研究者完成 |
| 查找并核对引文 | 很合适 | 很合适 | 很合适 |
Qualitati 的定位
Qualitati 是一个面向高校和研究机构的欧洲定性研究平台，以 GDPR 和数据隐私为核心优先事项。它的两个工具与上述类型相对应。QDA Workspace 支持归纳式和演绎式编码以及编码手册生成，适合需要人工审核每一条 AI 编码的编码手册型和编码信度型流程。ThemeLens 可在多达 100 份访谈记录中把编码映射到研究问题，并以受访者引文为主题提供依据，让你能把每个论断与原始来源核对。对于反思性主题分析，请把两者都当作助手，诠释性决策留在你自己手中。
局限与方法论关切
- 三分法是 Braun 和 Clarke 的框架。其他作者（包括上文引用的部分作者）对主题分析有不同描述，实践中各类型之间的边界也并不清晰。
- 选择编码信度型并不会让研究发现变得客观；一致性说明的是稳定，而不是真实。
- 反思性主题分析高度依赖分析者的能力和透明度，而审稿人很难对此加以验证。
- AI 与人工编码者的一致程度因数据集、语言和编码手册而异。任何 AI 辅助的结论都需要你在自己的数据上亲自检验。人工审核提示：方法论选择应在相关情况下与导师或伦理委员会确认。
适用对象，以及何时不应采用这种方法
适用对象：撰写方法章节的博士生、设计团队编码流程的实验室，以及需要向客户论证分析过程的研究公司。何时完全不该用主题分析：当你的问题关乎语言使用（可考虑话语分析）、需要在极小样本中深入研究亲身经验（可考虑 IPA），或需要通过理论抽样建构过程理论（可考虑扎根理论）时。
常见问题
主题分析的三种类型是什么？
按照 Braun 和 Clarke 的描述，分别是编码信度型、编码手册型和反思性主题分析。它们的区别在于是否使用编码手册、有多少编码者参与，以及评分者间一致性是否算作质量证据。
Braun 和 Clarke 2006 年的方法是反思性主题分析吗？
是的。Braun 和 Clarke 后来把他们 2006 年的方法命名为反思性主题分析，以区别于同样引用该论文的编码手册型和编码信度型版本。
反思性主题分析需要计算评分者间信度吗？
不需要。反思性主题分析把编码视为诠释性工作，一致性统计量无法衡量其质量。应当报告反思性、分析决策和清晰的审计轨迹。
框架分析属于主题分析吗？
Braun 和 Clarke 把框架分析与模板分析一样归入编码手册型主题分析：使用结构化矩阵，但编码被视为诠释性的。
AI 能做主题分析吗？
AI 可以大规模应用编码手册并检索证据，这适合编码手册型和编码信度型主题分析。在反思性主题分析中，主题生成应由研究者完成，并应报告 AI 的使用情况。
结论
主题分析的各种类型不可互换。先确定你是在发现模式、为团队组织模式，还是由你本人诠释模式，然后写明类型名称、引用正确的文献，并报告相匹配的质量证据。如果你想尝试带人工审核的 AI 辅助编码手册流程，可以免费开始，每月 30 积分，无需信用卡，或查看透明定价。如需了解六个阶段的详细内容，请阅读我们的主题分析指南。
最后更新：2026 年 11 月 5 日。作者：Qualitati 研究团队。文中来源均已标注；在你自己的研究中引用前，请核对原始论文。