電腦輔助分析軟體運用於質性研究訪談稿內容分析之探討

全文

(1)第一章緒論第一節研究背景與研究背景與動機背景與動機. 二十幾年前，社會學界或說社會科學界，幾乎是所謂「量化研究」的天下（林本炫，2004）。傳統實證主義的社會科學研究，秉持著「客觀」的立場進行研究，對於許多習以為常的定律都視為理所當然。在歷經蜂擁而現的社會思潮後，諸如後實證主義（postpositivism）、詮釋學、現象學、符號互動論（symbolic interactionism）、俗民方法論（ethnomethodology）、建構主義、批判理論、女性主義、文化研究、後現代主義以及後結構主義等，不斷衝擊著社會科學研究者將原本認為不需討論的本體論、知識論與方法論議題，挑出來檢視、反思（潘慧玲， 2003）。量化研究才不再維持獨尊的局面，讓質性研究越來越有「發聲」的位置。而在社會科學之質性研究中，質性訪談是最廣泛運用的收集資料方法之一（林金定、嚴嘉楓、陳美花，2005）。. 質性訪談後則需要進行分析，以歸納並獲致研究成果。其進行方式通常先以研究者採用的理論架構為基礎，將問題的反應做分群。亦即在進行質性訪談之後，將所有訪談的口語資料、情緒反應及其相關的訪談情境付諸於文字，建立完整詳細的訪談稿。待訪談稿完成之後，研究者才能著手進行資料的分析（Miller & Crabtree, 1992）。簡單來說，即研究者將訪談過程以訪談稿的形式記錄，將資料打散進行分群，最後尋找相關聯的主題並獲得結論。. 上述的分析步驟中，牽涉到文件分群的作業，在資訊檢索領域，有. 1.

(2) 所謂文件自動分群（automatic document clustering）（或稱文件歸類）的研究。其意義是將文件按照內容主題的相似度歸納分群，而不需依照某些事先給定的主題或類別來聚集文件。這些類別多半是協助人們用以整理或組織文件架構，以期獲得各類別之相關性與重要性（曾元顯， 2002）。由此可知，質化研究將訪談稿分群的方法其實與文件自動分群極為相似，皆是欲將一堆的文字資料，按照相似、相關程度聚集、歸納、分群，並給定主題或類別，以方便管理與分析。但傳統主要是以手動方式來管理文件，並且使用類別的概念來整理其檔案或文件。. 進入了網際網路的時代之後，面對越來越多的電子化文件，傳統的作法將耗費使用者相當多的時間、精神與體力（吳佳真，2002）。因此，一個能夠自動化進行文件分群管理的工具，對許多研究者來說是相當需要的。雖然目前質性研究仍以手工分析為主，但卻常因資料量過大而使得手工分析的成本大為提升，而電腦輔助分析軟體的使用有助於大量資料的分析與處理，且相關的應用有逐漸增加的趨勢（陳利銘、吳璧如， 2006）。由此可見，電腦輔助分析軟體對於質性研究而言，在未來，或許將成為不可或缺的輔助工具。. 其實，討論電腦輔助質性研究的國際會議，早在 2002 年就開始進行，有多位專家學者與軟體開發商都已著重於使用電腦軟體輔助質性研究。他們發現電腦輔助軟體應用在質性研究資料的分析，有下列益處：一、降低研究成本：許多研究需要處理大量資料，尤其是大型研究計畫，然而礙於時間與人力的限制，往往必須在有限的成本範圍內來設計研究方法。若電腦輔助軟體能成功地應用在資料分析上，將有助於縮減資料分析所需要的成本，增加可處理的資. 2.

(3) 訊量，加快研究的進程。如此，不但使研究結果有更豐富的資訊做為佐證與推論的依據，在今日追求學術競爭力的環境下，也間接地加速研究成果的累積。二、客觀的分析架構：量化研究者對質性研究最大的批評就是不夠客觀。就質性研究而言，研究者本身即為研究工具之一，在進行研究的過程難免會摻雜研究者的主觀感受與解釋，然而研究者仍應與研究本身保持距離，才得以不陷入主觀情感之中，降低個人成見對研究結果的影響。若電腦輔助軟體能應用於資料分析，則可作為一個客觀的分析架構參考，有助於研究者在資料分析時，以客觀的角度詮釋資料。. 然而，今日的電腦輔助軟體之功能是否能達到上述目標仍待更詳細深入的檢驗。因為電腦輔助軟體缺乏辨別字義，無法區別文中詞彙間微妙的關聯性。質性研究涵蓋不同的研究領域與方法，電腦輔助軟體也難以涵蓋所有的背景脈絡。諸如此類的缺失，電腦輔助軟體的分析是否會與研究者自行分析資料的效果相當，或甚至更好？是有所存疑的。電腦輔助軟體除了快速分析外，是否真能夠建立一個適當的架構供使用者使用？也是一個有待檢驗的問題。. 有鑑於此，本研究希望以一般未使用過質性研究電腦輔助分析軟體之研究者角度，重新將研究者的訪談稿進行電腦分析實驗，以此結果來解析電腦輔助分析軟體應用在分析訪談稿之情形，以提供未來質性研究者之參考並給予建議。. 3.

(4) 第二節研究目的與假設研究目的與假設. 依據上述研究動機，本研究欲藉由社會科學領域之質性訪談稿，探討電腦輔助分析軟體對分析訪談稿之應用情形，特別是想瞭解電腦輔助分析軟體應用在質性研究分析訪談稿時，其將訪談稿進行分群之結果與人工分群是否一致？倘若一致程度高，是否就表示電腦輔助分析軟體可以在品質上幫助研究者分析訪談稿？倘若不一致或者一致程度低，則可深入瞭解電腦輔助分析軟體對於分析訪談稿的幫助為何？因此，具體歸納出本研究之研究目的為探討：. 一、瞭解電腦輔助分析軟體之分群與傳統人工分群的一致程度。二、探討電腦輔助分析軟體對於分析訪談稿的助益。. 但在李政權（2001）的研究中提到：一般搜尋引擎的主題式分群方法，由於每個文件頁面所包含的術語項，將不僅只有一類，因此，很有機會將同一文件分群到許多不同的主題下。且分群或歸類（clustering）技術應用於文件型態的資料常會採用向量空間模型（vector space model, VSM）來表達。但其在學術研究上卻發現有無法辨識文中詞彙間關聯性（包括一詞多義、一義多詞、以及共同發生詞彙）的缺失，進而造成文件誤判，降低文件群集之品質（王美淳，2003）。由此可知，分群不一致的情形時常發生。. 另一方面，在電腦輔助分析軟體應用於分析訪談稿方面。首先，訪談稿分為非結構式（開放式）、半結構式（半開放式），以及結構式（封閉式）三種問題型態。其中，在研究者事後資料分析的部份，非結構式. 4.

(5) 訪談稿由於受訪者可以詳細地作答，因此增加資料編碼與分析的困難度。反之，結構式訪談稿可以控制受訪者作答方向，研究者事後分析與編碼也較為容易。. 而在電腦輔助軟體方面，除了個別進行不同軟體的測試外，亦結合不同軟體，以觀察是否需要運用兩種以上之軟體才會有更好的幫助。執此，本研究從訪談稿類型與二種以上電腦輔助軟體的運用是否提高分析訪談稿效益上，來探討電腦輔助軟體對於分析訪談稿的助益。. 綜合上述，本研究將利用電腦輔助分析軟體進行實驗，並使用「rand index」計算分群結果之相似度，以瞭解一致性程度。另設計訪談大綱對研究對象進行訪談，以交相驗證並探討電腦輔助分析軟體應用於訪談稿分群之情形。本研究假設如下：. 一、電腦輔助分析軟體與傳統人工分析結果不一致。二、電腦輔助分析軟體對結構式訪談稿相較於非結構式訪談稿有更高的助益。三、運用二種以上之電腦輔助分析軟體比起單純只使用一種電腦分析軟體有更高的效益。. 5.

(6) 第三節研究範圍與限制. 本研究由於時間、人力與成本上的考量，其範圍與限制分述如下：. 一、研究範圍的限制. 質性研究分析所涵蓋的範圍極廣，本研究範圍主要在探討電腦輔助分析軟體在分析訪談稿分群之應用上。. 二、研究對象的限制. 為減少不同領域學科可能會對後續研究比較分析帶來領域間差異的偏誤，以及研究設計上的考量，本研究之研究對象，主要以社會科學領域畢業研究生且未使用過電腦輔助分析軟體的人為主。而在電腦輔助軟體部份，則限制於可以自動化將中文訪談稿分群的軟體為主，如：主題萃取系統（臺師大曾元顯老師所發展的工具）、ClustanGraphics（英國商業公司所發展的軟體），其餘如 Atlas.ti、QDA Miner、HyperRESEARCH 等質性分析工具與軟體，則不列入研究中。. 6.

(7) 第四節名詞解釋. 以下就本研究之重要名詞作出定義，以便更明確地界定本研究之範圍：. 一、質性資料分析（qualitative data analysis）. 在分析質性資料時，無論這些資料是來自視聽資料或訪談資料，最常用的方法之一為內容分析法。而範疇的運用為內容分析法其中一項主要特徵。內容分析使用的範疇通常源於理論模型：研究者在經驗性材料中帶進範疇的概念，這些範疇雖不必然從經驗性材料中發展，卻會持續被經驗性材料所評估，並視需要修正。另外，內容分析最重要的特徵是，與其他分析法相比，內容分析的目的在於歸納這些經驗性材料（Flick U.，2002；李政賢、廖志恒、林靜如譯，2007）。. 本研究所定義之質性資料分析以上述為基礎，而主要的質性資料為質性訪談稿。. 二、分群（clustering）. 分群（clustering）或稱歸類，其意義是將資料按內容主題的相似度歸納分群，而不需依照某些事先給定的主題或類別來聚集資料。其目的之一是在發覺一堆資料中所包含的各種事件（曾元顯，2002）。. 7.

(8) 本研究所定義之分群如上所述，但主要是指針對質性訪談稿進行分群、歸類。為了撰寫便利及避免混淆，後續論文撰寫，皆以「分群」表示之。. 三、分群分析（cluster analysis）. 分群分析（cluster analysis）是一種實際產生層級分群的統計方法，這樣的分群可以幫助解釋關於原始樣本的假設，如評鑑研究，或同一門類型學去描述一個樣本，如市場分析等（Clustan Ltd.，1998）。. 本研究所指之分群分析，為利用電腦輔助分析軟體將質性訪談稿分群，以利往後研究使用。. 四、電腦輔助質性資料分析軟體（Computer assisted qualitative data analysis software, CAQDAS）. 電腦輔助質性資料分析軟體主要是為質性資料分析而設計的軟體。由 1980 年代初期發展至今，陸續開發出自動編碼、理論建立、概念網絡建立等不同類型之輔助軟體。而無論何種類型的輔助軟體，都是立基於協助質性研究者進行手工分析（陳利銘、吳璧如，2006）。. 本研究所定義之電腦輔助質性資料分析軟體，為可將質性訪談稿自動分群的軟體為主。為了撰寫便利及避免混淆，後面論文. 8.

(9) 撰寫，皆以「電腦輔助分析軟體」表示之。. 9.

(10)

(11) 第二章文獻分析本章文獻探討著重在電腦輔助分析軟體應用於訪談稿分群上。首先，概述傳統質性研究資料分析的重要與方法，瞭解傳統質性研究人工分析訪談稿分群之困難，進而說明電腦輔助分析軟體存在的需求；而後簡介電腦輔助分析軟體之應用。. 第一節傳統質性研究與電腦輔助軟體之接觸此節欲探討傳統的質性研究為何會與電腦輔助軟體有所接觸？一開始，說明質性研究資料分析的重要。以及質性訪談為廣泛運用收集資料的方法。接著闡述分析訪談稿的步驟與方法，但由於分析訪談稿費時耗力，因此，在最後一部份，將導出質性研究對電腦輔助分析軟體的需求。. 一、質性資料分析的重要與常用方法質性資料分析的重要與常用方法. 質性研究實際上並不是專指一種方法，而是許多不同研究方法的統稱，由於他們都不屬於量化研究，被歸成同一類探討。其中包含民族誌研究、人類學研究、論述分析與訪談研究…等等（維基百科，2007）。. 質性研究是一個跨學科、超學科、有時甚至是反學科的研究領域。之所以會出現如此龐雜的局面，是因為質性研究不是來自一種哲學、一個社會理論或一類研究傳統。它受到很多不同思潮、理論和方法的影響，起源於很多不同的學科。它同時跨越於人文科學、社會科學和物理科學，具有多重面相和多種焦點的特色。質性研究是以研究者本人作為研究工具，在自然情境下採用多種資料搜集方法對社會現象進行整體性探究， 11.

(12) 使用歸納法分析資料和形成理論，通過與研究對象互動對其行為和意義建構獲得解釋性理解的一種活動（陳向明，2002）。. 質性研究就好像是用相機拍下描述性及解釋性的經驗實體一樣。對每一張特殊的照片而言，研究者必須決定使用哪一種相機、取什麼樣的景、使用哪一種濾鏡以及意圖為何（黃惠雯、童琬芬、梁文蓁、林兆衛， 2003）。之後，研究者再分群分析照片，發現所要釐清問題之研究結果。. Miller 與 Crabtree（1999）在 Clinical research: A multimethod typology and qualitative roadmap 中談到質性研究的過程，如圖 2-1 所示。為一旦完成初始的描述後，抽樣或蒐集資料（sampling/collecting）與分析過程（analysis process）幾乎是同時開始進行的。其中，分析過程是包含組織（organizing）、建立關係 (connecting)，以及證實與合法化(corroborating, legitimating)三個主要部份，這個階段也引導著未來關於抽樣或蒐集以及分析的關鍵。實際上，分析過程只是詮釋過程（interpretive process）反覆步驟的一部份，它是從描述（describing）開始，接著進入分析過程的三個部份，以再現報導（representing the account）為結束，反覆進行著。根據前述，抽樣或蒐集資料與分析幾乎同時開始，再加上詮釋過程，如此反覆進行，正為質性研究過程的重點。. 12.

(13) Gathering Process. Reflexivity Process. Sampling/ Collecting Interpretive Process Describing. Representing the account Analysis Process. Organizing. Connecting. Corroborating Legitimating. 資料來源：Miller ＆ Crabtree（1999）Clinical Research: A Multimethod Typology and Qualitative RoadMap. 圖 2-1 質性研究流程圖. 吳靜芬（2007）提到，在質性研究的過程中，從建立問題意識、選擇參與者、研究方法的選用、資料收集、資料分析、發現結果的形成到著手書寫報告等，每一個步驟都非常重要。其中，資料分析更扮演了一個關鍵者的角色。研究成果是否能取信於學界同儕，主要仰賴研究者是否能運用科學的方法去收集資料，再用有系統的方法分析這些收集得來的資料，且在研究報告中，更必須將資料分析的過程，明明白白地交代清楚。. 此外，在質性研究中，所蒐集的研究資料可能是多來源與多樣化，研究者必須蒐集具有意義與價值的資料，並且取捨具有意義與價值的資. 13.

(14) 料。而如何將這些資料取捨，如何將取捨後的資料成為研究中最後所要分析與詮釋的部份，如何適宜地與具有意義地分析研究資料，皆是研究者的一大挑戰（莊敏仁，2006）。. 另一方面，質性訪談是質性研究中最廣泛運用的收集資料方法之一，它主要著重於受訪者個人的感受、生活與經驗的陳述，藉著與受訪者彼此的對話，研究者得以獲得、了解及解釋受訪者個人對社會事實的認知（林金定、嚴嘉楓、陳美花，2005）。由此可以看出，質性訪談不僅僅是質性研究中最廣泛運用的收集資料方法之一，對於質性研究而言，亦扮演著相當重要的角色。. 二、訪談稿內容訪談稿內容分析內容分析之分析之步驟與方法. 根據莊敏仁（2006）綜合 Huberman、Miles 及 Dey 所述，訪談稿內容分析包含以下三個相連接的步驟：. （一）描述：首先訪談稿必須完整，進而精簡整理、編碼，且在此整理過程中，可將資料藉由圖表化或視覺上易辨識的格式化展示。. （二）分群：根據上述整理結果，將資料打散並分群成主題，最後連結相關的主題。. （三）結論與確認：依照前一步驟的結果，尋找出比較性或對比性的不同處，並深入探索主題、型態、規則或隱喻。. 14.

(15) 根據前述，在進行質性訪談之後，分析資料之前，必須先建立訪談稿（Miller & Crabtree, 1992）。訪談稿的建立原則在於「詳盡確實」，完整的訪談稿不僅能使質性資料的分析更接近原貌，更能了解受訪者意念的來龍去脈（林金定、嚴嘉楓、陳美花，2005）。亦即將所有訪談的口語資料、情緒反應及其相關訪談情境等，付諸於文字表達，建立完整詳細的訪談稿（Miller & Crabtree, 1992）。. 一般而言，訪談稿分析方法大致可以分成四種（Miller & Crabtree, 1992）：. （一）內容分析法（content analysis）又被稱作「類統計分析（quasi-statistical analysis）」，為最常被質性研究者使用的方法。其根據研究者的主題及目的先做編碼簿（code book），再依據編碼簿將訪談稿分門別類，加以歸納，並計算頻率或進行統計分析。. （二）樣版式分析法（template analysis）主要是建立在既有的理論、行為模式等架構下，沒有固定的編碼簿，只是根據訪談稿做概念化的分類，並將分類結果加以詮釋。. （三）編輯式分析法（editing analysis）為更主觀及詮釋性的分析概念，研究者像編輯一般，根據歸納紮根原理，分析訪談稿，直到探尋出有意義的類別與關聯。. 15.

(16) （四）融入/結晶化分析（immersion / crystallization analysis）此方法最常被使用在個人深度的質性研究分析方法中，像是傳記、回憶錄，以及人物誌等，研究者必須長期回顧研究對象的經驗，經過不斷地觀察、融入，以獲得新的領悟。. Thomas（2002）談到不論以哪一種分析方法來處理質性訪談結果，整體的分析過程都具備了彈性，以及充滿創造力的特質。總括來看，各種質性研究分析方法之程序可以歸納為：（1）訪談稿之準備；（2）仔細閱讀訪談稿內容；（3）形成不同類別；（4）檢視重複編碼之分群與內容；（5）重複修正與再精細分群。. 談到這裡，可以歸納出若沒有詳細完整的訪談稿，就無法進行訪談稿資料分析，也無法獲得研究結果。然而，訪談稿是必須細心審慎地逐字、逐句、逐行、逐段地建立；且待訪談稿完成後，又必須尋求關聯，才能進一步分析出研究結果。如此繁複的過程，往往耗費研究者相當多的時間、精神，並且考驗著研究者的觀察力及解讀能力。在資訊爆炸、科技發達的現代，凡事講求節省時間、快速自動化的今天，這樣傳統人工土法煉鋼的方法，已經不符合潮流，且無法滿足越來越多的質性研究者。因此，一個可以幫助質性研究者節省分析資料時間與精力的工具，可以清楚明瞭地分析出資料關聯及協助解讀的工具，其存在的價值是越顯重要了。. 16.

(17) 三、電腦輔助分析電腦輔助分析軟體分析軟體之軟體之需求. 質性研究是對人的生活、故事、行為，以及組織運作或社會關係的研究，不論是經由何種資料收集的方法，都必須解釋分析所蒐集大量的語言資料（胡幼惠，1996，159）。因此，質性研究的挑戰性在於要從龐雜的資料中尋找出意義之所在，減少訊息的數量，辨別出對所研究之事物具有重大意義的組型，並為展現資料所揭示的實質內容建立出架構（吳芝儀、李奉儒，1995，305）。. 過去從事質性研究者，多半對於訪談或觀察記錄所得之初步文字資料，有手忙腳亂的現象，且在資料重複剪貼的過程中，容易掛一漏萬，導致在資料分析歸納上，因這些不確定的因素而受干擾，進而影響到研究成果的可信度與效度（劉世閔、吳璟，2002；劉世閔，2003）。質性研究資料，就好像實驗室的實驗數據一樣，它並不會自己「說話」，得要有研究者或實驗者去連結貫穿、詮釋與解釋（胡幼慧，1996）。另一方面，資訊科技突飛猛進，電腦應用的層面越來越廣，現今社會研究者無論是在進行文獻回顧、撰寫報告和量化分析，都將電腦視為一個非常基本的工具（劉世閔、吳璟，2002）。因此，必須處理繁雜工作的質性研究者，為了可以提高分析效率，「電腦輔助分析軟體」的出現，對從事質性研究者來說，或許為一大利器。. 由於目前訪談稿分析仍是以人工分析為主流，但是在質性研究電腦輔助分析軟體大量儲存及快速檢索的優勢下，可能對研究者在訪談稿分析方法的選擇上，產生影響，並挑戰人工分析法的主流位置。雖然電腦輔助分析軟體在成本效益方面未顯著優於傳統人工分析法，但傳統人工分. 17.

(18) 析與電腦輔助分析軟體實各有所長。以傳統人工分析來說，需要運用編碼與檢索，且依靠的是思維及想像力的發揮，然而，由於此過程難以外顯化，使得人工分析的過程變得相當神秘而不透明；相對來說，電腦輔助分析軟體不但可以使編碼及檢索的部份較為簡易及透明，亦較能處理大量資料。此外，部份電腦輔助分析軟體更具有自動編碼、超文字連結、影音檔案的使用與連結等功能，使得不同質性資料間的連結相當簡便；而且部份軟體更有支援理論的建立、概念網絡圖的建立等功能，使得思維及連結的過程得以外顯化及透明化，均是人工分析方式所不能比擬（陳利銘、吳璧如，2006）。電腦輔助分析軟體與傳統人工分析之詳細比較如表 2-1。. 18.

(19) 表 2-1 質性資料人質性資料人工分析與電腦輔助分析軟體工分析與電腦輔助分析軟體之電腦輔助分析軟體之比較. . 編碼與檢索 . 理論建立. 質性資料人質性資料人工分析. 電腦輔助分析軟體. 田野筆記及訪談的記 . 簡易及透明、較能處理. 錄. 大量資料. 以麥克筆或鉛筆標示 . 能進行編碼、分群與移. 來進行編碼. 動. 剪/貼經標記的段落 . 超文字連結. 於檔案卡上. . 影音檔案的使用. . 發展較高階層的分類與. . 檔案卡的分類與移動. . 思維與想像力的發揮. . 範疇的連結. . 寫出/打出分析內容. 概念網絡建立 . . 範疇. 神秘性. . 假設的驗證. . 支援理論的建立. . 支援概念網絡圖的建立. 優：思維與想像力的 . 優：簡易、透明、處理. 發揮. 大量資料、超文字連. 劣：神秘性、繁複性. 結、影音檔案使用、概念網絡圖. 優劣對照 . 劣：學習軟體不易、歸納化的理論工作、鼓勵線性因果而忽略動態思維. 資料來源：陳利銘、吳璧如（2006）。電腦輔助質性資料分析軟體（CAQDAS）的爭議、定位與取徑。. 19.

(20) 電腦輔助分析軟體當然不僅幫助質性研究者處理文本上的簡單歸納，亦省去從事資料化約與連結時的瑣碎動作。而 Maclaran 與 Catterall （2002）提到使用電腦輔助分析軟體，可以有助於在團隊合作中，研究者可以容易地共享一組質性資料，也可以方便地把自己的資料和研究分析過程與其他研究者，甚至是被研究者，相互分享、彼此學習，使他們可以判斷研究者分析與結論或理論驗證是否合理，甚至於透過這樣透明化的分析過程，可以讓學者檢視研究的信度與效度。這樣突破的舉動，揭開了質性研究的神秘面紗。. 另外，部份研究者認為軟體會自動幫研究者跑出研究結果，但事實上電腦輔助分析軟體是有助於研究者進行分析，而不是幫研究者進行分析（Weitzman, 2000）。且由於質性資料分析強調對研究現象的意義進行深入式的「理解」，所以截至目前為止，電腦仍舊無法取代人在質性資料分析的功能與重要性。因此，研究者可以在電腦的輔助之下，快速且確實地進行資料管理，讓研究者可以將時間用在資料分析與詮釋工作上（賴文恩、季瑋珠、丁志音，2005）。. 就此而言，電腦輔助分析軟體的應用之於質性研究，如同水之於舟楫一般，水能載舟，亦能覆舟，如能慎用並能善用工具，將使研究工作如虎添翼。當然，理論的建立需要相當的敏感度與洞察力，有了這些基本的學術能力，再輔以一套詳細的程序和操作邏輯的電腦輔助軟體，才能使研究一方面符合科學的邏輯和嚴謹，一方面也保有了研究的深度與質感（劉世閔、吳璟，2002）。因此，電腦輔助分析軟體對於質性研究者而言，其存在的需求愈顯重要。. 20.

(21) 第二節電腦輔助分析電腦輔助分析軟體分析軟體. 本節將針對電腦輔助分析軟體進行說明。首先，將接續上一節談到質性研究對電腦輔助分析軟體的需求，進一步解析電腦輔助分析軟體的應用與助益；接著，描述電腦輔助分析軟體的類型，並簡介二種常見與二種本研究所要運用之電腦輔助分析軟體。. 一、電腦輔助分析軟體之應用電腦輔助分析軟體之應用與助益應用與助益. 分群分析（cluster analysis）是一種實際產生層級分群的統計方法，這樣的分群可以幫助解釋關於原始樣本的假設，如：評鑑研究；或同一門類型學去描述一個樣本，如：市場分析或是行政目的規劃；或預測將來人類行為，如：建構各行業的經濟模型；或改善企業功能進程，如：企業定位或是產品設計；或協助鑑定的進行，如：疾病的診斷；或不同的人口分類，如：分析變量等（Clustan Ltd.，1998）。. 以企業界來說，知識管理的概念漸漸為企業所重視，企業要成功的導入知識管理，就必須提供組織成員一個良好且適當的介面，因此，邱登裕、潘雅真（2006）利用知識地圖（knowledge map, K-Map）來提供組織成員相關且完整的企業資訊內容。知識地圖主要是用來呈現知識分布的其中一個方法，在建立知識地圖前，必須分析文件的內容，擷取其重要內容並建立關聯程度。此研究為利用一般文件來建立知識地圖，透過資訊檢索（information retrieval）之方法，找出文件中具有代表性之特徵詞彙，以及使用資料探勘（data mining）將特徵詞分群，再利用向量空間模組之相似度計算結果，作為階層式聚合分群法之依據。此方 21.

(22) 法將可有效應用於企業內部部門階層文件的分類中，建構一個屬於企業本身之知識地圖，並可提供企業內員工快速尋找相關文件，與協助企業內部主管在進行決策制定時，可節省大量時間與成本，提升企業競爭力。. 在學術領域之發展中，亦可利用分群方式來評估發展趨勢。如：將關鍵字和引文進行分群，產出有效率的主題標題索引、摘要，促進資料更新和檢索。曾元顯、林瑜一（2006）曾經使用主題萃取系統，利用 ISI 的 WoS 期刊論文資料庫，初步篩選出 Educational Evaluation and Policy Analysis（EEPA）期刊 14 年來的 318 篇論文，做為分析對象，經過關鍵字擷取、關聯詞分析、書目對建構、文件歸類等步驟，自動偵測出 EEPA 期刊中含括歷時不衰的研究前沿與顯著的研究主題。透過這樣的方法，在不需要閱讀任何一篇期刊論文的情況下，分析人員可以很快獲知文件資料庫中，包含哪些研究主題與概念趨勢，以快速掌握教育評鑑各主題領域發展軌跡。這樣不僅大幅降低分析人員所需的時間與力氣，對未來優勢教育評鑑政策的分析與擬訂，也提供有價值的多面向資訊。. 有鑑於前述分群方式應用在企業管理與分析主題發展軌跡上之成功，質性研究中分析訪談稿與文件分群也是將一堆的文件資料，按照相似、相關程度聚集、歸納、分群，並給予主題或類別，以方便管理與分析。因此，若將此技術運用於分析訪談稿上，或許對質性研究者而言，會有意想不到之結果。. 其實，早在 2002 年開始，就有討論電腦軟體輔助質性研究的國際會議。2007 年 4 月 18～20 日，於 Royal Holloway, University of London，舉辦了「CAQDAS 07 Conference Advances in Qualitative Computing」。. 22.

(23) 會議中有 7 位學者探討有關資料蒐集技術方面、有 14 篇文章撰寫有關質性研究分析軟體技術，甚至因為視覺化資料的增加，已有 18 位學者發表 10 篇質性研究分析視覺化資料技術的文章，以及參與會議的專家、軟體開發商、測試人員以及用戶，分享與討論電腦輔助質性研究內容分析的應用和經驗，包含：Access Grid、ATLAS.ti、f4 Transcription、 Framework、MAXqda、HyperRESEARCH & HyperTRANSCRIBE、inSORS、QDA Miner、QSR NVivo & XSight、Sequence Viewer 、Tinderbox，以及 Transana 等 12 項電腦輔助分析軟體。而近年來，國內亦開始引進這類軟體，並逐漸受到關注。目前已有學者針對軟體的操作進行說明，如：林本炫與何明修（2004）在「質性研究方法及其超越」一書中，發表了「質性研究資料分析電腦軟體 WinMAX 操作手冊」，其中介紹了 WinMaX 的功能及操作方式；同年，林本炫又發表「質性研究資料分析電腦軟體 ATLAS.ti 操作手冊」，說明及展示 ATLAS.ti 的功能。劉世閔分別於 2002 年與 2006 年發表了有關 NVivo 的功能及使用方式等，皆說明了國內質性研究者開始注意電腦輔助分析軟體的應用。. 電腦的問世，多年以來的確讓量化研究蒙受了極大的恩惠，研究者可運用電腦快速地進行複雜的統計運算。但對質化研究而言，電腦的重要性則是近來才被發掘。撇開最基本的資料紀錄和儲存功能不談，即使是一些簡單的文字處理程式，也能運用於資料分析（Babbie E.，2002；邱泯科、陳佳穎、蔡毓智、江馨彥譯，2006）。如同前一節所述，電腦輔助分析軟體，在未來，對於質性研究者而言，可能有其存在之需要。而 Weitzman（2000）也曾提到：電腦輔助分析軟體應用於質性研究上，在未來可以期許為「有可能實現的希望」。而這裡指的希望是（Flick U.， 2002；李政賢、廖志恒、林靜如譯，2007）：. 23.

(24) （一）提升速度（speed）：使用電腦能讓資料（以及與資料相關的編碼、備忘錄等等）的處理、管理、搜尋與展示等工作的速度大幅增快。. （二）提升質性研究的品質（increaseof quality）：電腦的應用能夠讓質性研究品質的展現變得更容易。如：電腦軟體的應用有助於提高分析程序的一致性（consistency），或是增進分析工作的嚴謹度（rigour）。. （三）資料管理（data management）：運用電腦使得資料管理變得更簡單容易，如：對於資料彼此間有某種特定形式的關係，可以直接讀取文本段落；可直接儲存研究者的評論或備忘稿等。. （四）表徵或再現功能（representation）：將資料或研究發現以圖表等方式予以呈現，這些圖表可以輸出到文字處理器，以進行研究報告的撰寫。. 其實，已經有許多研究者做過以電腦為基礎的內容分析與以人為基礎的內容分析的比較研究，舉例來說：Schnurr、Rosenberg 與 Ozman 分別在 1992、1993 年比較過 Thematic Apperception Test。Nacos 等學者在 1991 年針對 Fan 在 1988 年收集的政治新聞資料進行電腦編碼，與 Fan 的人工編碼相比較，在兩者中間找到滿意的關聯。Nacos 等學者認為，對於他們的研究來說，電腦可以讓內容分析做得更好，且可以幫助他們的思考，但並非是一個取代人的工具（Krippendorff,2004）。. 24.

(25) 另一方面，在無形當中，電腦輔助軟體的應用，往往會將其內在特有的邏輯結構與陳列結構，強加於研究的資料與研究者的分析之上。這樣的情形往往會讓人感到憂心，擔心軟體與電腦的吸引力可能會讓研究者分心，而忘記了質性研究的分析工作本身---也就是閱讀、理解文本，潛心思索文本當中與文本背後含藏的內容（Flick U.，2002；李政賢、廖志恒、林靜如譯，2007）。且電腦輔助軟體使大量的資料越來越容易儲存與分析，導致了許多研究者去研究沒有意義的問題；缺乏對資料本身以及實際分析程序的瞭解，因而產生沒有意義的結果，輸入垃圾資料則產生垃圾結果。當然，這不一定是因為使用電腦輔助軟體的結果，但是越少花時間瞭解資料就越容易提出無意義的問題（David M. & Carole D.S.，2004；王若馨、黃郁青、夏媺婷、李怡芳譯，2007）。. 電腦輔助分析軟體雖然存在著這樣的危險性，但其仍具有相當的優點。研究者必須要先通曉本身研究之資料，再親身試驗電腦輔助軟體，才能判斷其好壞。如同質性研究導論一書中提到 NUDIST 的開發設計者 Richards & Richards 提醒：「電腦輔助軟體的應用對於研究的過程與結果有著極大的影響，也許會給分析帶來難以接受的箝制，也或許會開啟意想不到的各種可能性。」（Flick U.，2002；李政賢、廖志恒、林靜如譯，2007）此外，Krippendorff（2004）提到電腦輔助分析軟體缺乏對文件的解釋能力，因此，倘若電腦輔助分析軟體可以與人相互合作，人幫助電腦輔助軟體解釋涵意與轉換詞彙，而電腦輔助軟體幫助人有系統的整理文件，彼此相互合作，可以提升電腦輔助分析軟體幫助質性研究至一個新的層級。所以，在運用電腦與軟體時，應該視其為輔助質性研究的一種實用工具。. 25.

(26) 二、電腦輔助分析軟體之電腦輔助分析軟體之類型分析軟體之類型. Richards and Richards（1994）將電腦輔助分析軟體分為五大類，分別為編碼及檢索軟體（code-and-retrieve software）、產生規則、建立理論軟體（rule-based theory-building software）、建立邏輯關係系統（logic-based systems）、建立索引（an index-based approach），以及建立概念網絡系統（conceptual network systems）等五類。而 Fielding（1994）依照軟體的功能可分成三類，包括文字檢索（text retrievers）、編碼及檢索（code-and-retrieve packages）、理論建立軟體（theory-building software）三類。但除此之外，Weitzman（2000）另外提出了資料庫管理（textbase managers）及概念網絡建立（conceptual network builders）兩類。然而，不同研究者對於軟體功能上的分類似乎有重疊的部份，因此，陳利銘與吳璧如（2006）依照功能屬性區分為編碼及檢索軟體、理論建立軟體，以及概念網絡建立軟體三類，細說如下：. （一）編碼及檢索軟體這類軟體可將文本區分為段落並進行編碼，並可對特定編碼的段落進行檢索，部份軟體更具有分群、備忘錄、超文本等功能，及對影音檔案進行編碼及檢索的功能，如 HyperQual、 QUALPRO、Ethnograph 等軟體均屬此類。. （二）理論建立軟體這類軟體除了具備基本的編碼及檢索功能外，更包括對不同的編碼加以連結、發展較高階層的分群與範疇、布林檢索、. 26.

(27) 假設考驗（if…then…）等功能，如 AQUAD、ATLAS.ti、 *. HyperRESEARCH、NUD IST、WinMAX、NVivo 等軟體均屬此類。. （三）概念網絡建立軟體這類軟體可對認知、語意網絡進行分析，並可將資料以網絡圖的方式呈現，可將研究的思維及編碼、類別間的連結予以外顯化，如 SemNet、Decision Explorer、ATLAS.ti 等軟體均屬此類。. 以下將對常用之電腦輔助軟體 NVivo、ATLAS.ti 與本研究將會使用之 ClustanGraphics、主題萃取系統進行說明，包含：發展歷程與功能。其中，在功能方面，將分為操作介面方面、處理資料方面，以及解讀資料方面三部份進行說明。. （一） NVivo（QSR International，2007） NVivo 這套軟體全名為 Non-numerical Unstructured Data by techniques of Indexing Searching and Theorizing Vivo（NUDIST Vivo），是澳洲 La Trobe 大學電腦科學系從 1981 年開始發展的 NUDIST/Nvivo。1995 成立 QSR 國際公司專責開發軟體，目前最新版本是 7.0。NVivo 7.0 是一套以編碼方式為基礎，有效管理研究過程中所蒐集到非數值或非結構性的資料。現在 NVivo 7.0 它結合了靈活分析工具 NVivo 2 與重負荷軟體 N6（以前稱 NUD*IST）的優點，其強大的智能應用程序，幾乎可以幫助質性研究者處理、修改，以及分析任何語言的任一資訊，更將分析和理解能力提高到一個全新的水平。以下將介紹 NVivo 7.0 之功能：. 27.

(28) 1.操作介面方面（1）不需二次處理資料：可以直接匯入匯出資料，包含 Microsoft word 的文字、圖片，以及表格等，都可直接匯入匯出，不需二次處理。（2）容易學習之介面：NVivo 7.0 參考了 Microsoft XP 的運作方式而設計，讓新手容易學習。（3）保護文件資料：匯入之資料可以儲存在一個文件裡，方便攜帶，且不會因為移動或刪除，資料就受到毀損。（4）支持多種語言：除了可以支持多種語言外（包含中文），也可以在同一類別中，使用不同語言，包含符號。（5）輔助團體合作：NVivo 7.0 可以避免重複的資料，因此可以允許團體使用同一類別之資料，完成後再進行合併。. 2.處理資料方面（1）組織資料：在閱讀資料時，可以直接標出關鍵字並加上代碼，這樣就可以快速查找到摘錄及檢索，且 NVivo 7.0 還有自動編碼功能。（2）記錄評論：就好像在文件的空白處作筆記一樣，可以針對匯入的資料進行編輯與加註，甚至可以自行創造備忘錄，詳細記錄起當下的想法與評論。（3）尋找關聯：NVivo 7.0 能夠搜尋和檢索類別與類別間、程序與程序間，以及人與人之間的關聯。. 28.

(29) 3.解讀資料方面（1）「撤銷」功能：研究者有時想要嘗試看看不同的分析方法，但又擔心資料會因此毀損，NVivo 7.0 的「撤銷」功能可以支援研究者放心的實驗。（2）「查詢」功能：利用查詢功能可以獲知某一類別的演化，增進研究者探究與分析的靈感。（3）「模型」功能：NVivo 7.0 使用風格獨特、充滿變化的圖表模型，幫助研究者可以用圖像式的概念，觀察與解讀資料。. （二） ATLAS.ti（Atlas.ti，2007） ATLAS.ti 是一功能強大的質性分析軟體，其可有效分析多種類型的資料，如：大量的文字、影像圖形、聲音，以及錄影帶資料。它是由德國的柏林科技大學(Technical University of Berlin) 心理系於 1989 年開始發展的，目前發展到 5.2 版。ATLAS.ti 5.2 的知識管理功能，可以將各類型資料有系統地進行管理，並從中萃取各類別間之可能性及關聯性，進而拼湊出新的涵意。因此，現今 ATLAS.ti 5.2 已成為目前最常使用的質性電腦輔助分析軟體之一。以下將介紹 ATLAS.ti 5.2 之功能：. 1.操作介面方面（1）容易學習之介面：擁有中文手冊及中文動畫教學檔，因此容易學習且操作簡單，如：只要利用滑鼠拖曳的方式，就可以完成連結、編碼和結合的動作。（2）支持多種語言：除一般系統支援之語言外，還包含亞洲與中東語系，因此，可以處理繁體中文。. 29.

(30) （3）輔助團體合作：ATLAS.ti 5.2 可以整合、轉移或分享文件資料，亦即支援多人開發，整合不同專案。. 2.處理資料方面（1）組織資料：可直接對 Microsoft Word 資料與多媒體資料（如：圖片、聲音以及影片）進行編碼與處理，其中多媒體之圖片資料，可針對任意區塊及大小進行編碼。另外， ATLAS.ti 5.2 亦可自動編碼。（2）尋找關聯：ATLAS.ti 5.2 擁有強大的搜尋及檢索功能，並能透過超連結建立各編碼間或各類別間之關聯。（3）輸出結果：分析之結果可輸出 SPSS、 HTML、XML、CSV 等格式，且各關鍵字出現的頻率和編碼表格亦可輸出成 Excel、SPSS 等格式。（4）檢查機制：ATLAS.ti 5.2 可以自動搜尋重複編碼之處。. 3.解讀資料方面（1）「模型」功能：視覺化的網絡概念圖編輯器，製作簡單及版面調整容易，能幫助研究者迅速建立網絡概念。（2）「脈絡」功能：在進行解讀資料步驟時，若對於建立之節點或類別有所疑問，脈絡功能可協助研究者閱讀編碼段落之上下文。. （三）ClustanGraphics8.02（Clustan Ltd.，1998） Clustan 是由安德魯大學管理學院的 David Wishart 所帶領的團隊所研發的群聚工具。而 ClustanGraphics 是從 1990 年晚期設計完成的，1997 年 2 月在 2nd IASC Congress in Pasadena 會議中 30.

(31) 發表，並於同年 7 月公開使用。其特別針對使用者所用之電腦系統進行設計，現已從最初版本 ClustanGraphics4 版陸續更新發展至今最新之 ClustanGraphics 8.02 版，以下將介紹其功能：. 1. 操作介面方面（1）容易學習之介面：此軟體適用於各種 Windows 系列的作業系統，無論在匯入資料、察看結果及分析方面，皆符合 Windows 運作方式。（2）支持多種語言：除了基本之英文外，亦支持多種語言（包含中文，並可在同一類別中，使用不同語言與符號。. 2.處理資料方面（1）組織資料：ClustanGraphics 8.02 可以直接以最簡單的方式匯入，即利用純文字的檔案，其中的各項數值可以利用空白或是標示隔開；另外，也可以使用 Excel 之矩陣形式匯入，此軟體會依照其相似度進行分析。（2）資料轉換：此軟體允許研究者自行選擇是否要轉換資料類型，包含：range 或 z-scores 兩種資料類型。其中，range 會將資料轉換為 0 或 1；而 z-scores 則是將資料轉換為標準 z 分數。（3）資料權重：此軟體提供變項的權重設定，研究者可直接輸入數值，決定變項之權重。（4）建立階層：ClustanGraphics 8.02 在匯入資料後，將直接顯示分群階層圖，方便研究者辨別各分群間之階層關聯。（5）輸出結果：分析之結果除可輸出成 Excel 格式外，更可以直接複製到欲儲存的任何檔案形式裡，以利研究者報告撰寫。. 31.

(32) 3.解讀資料方面（1）「脈絡」功能：此軟體可以針對各種類型之變項，進行相關性分群分析，以幫助研究者找尋相關資料之脈絡。（2）「模型」功能：提供視覺化的分群階層圖，能幫助研究者迅速建立階層概念。. （四）主題萃取系統（曾元顯、林瑜一，2006）此系統為曾元顯教授設計之系統，它是透過引用網路分析（citation analysis）與文字探勘等先進的科學計量學（scientometric）方法，來探索各項研究主題的發展軌跡、探勘其中隱而未顯之資訊，從而輔助傳統方法之不足。其結果並非推翻學者專家的分析與整理，而是以「讓資料自己說話」的方式，來協助人工進行快速有效的資料分析。. 1. 操作介面方面（1）容易閱讀之介面：雖然此軟體必須於 DOS 視窗下執行命令，但其無論在匯入資料、察看分析結果與階層圖，皆可直接匯入與閱讀。. （2）支持不同語言：除了中文外，英文資料亦支援，並可在同一類別中，使用不同語言與符號。. 2.處理資料方面（1）組織資料：可直接以最簡單的方式匯入，即將資料儲存於 Access 資料庫中，軟體便會對文件進行分群。而其在分群時，皆將分群的結果視為一份大文件，再以相同方式，進行 32.

(33) 再分群。若有需要，此處理步驟可以一直重複。只要人工在分析分群結果時，可以辨識出待分析文件集內的知識結構，則此種多階層分群過程，即可在任何階層上停止。（2）建立階層：主題萃取系統在匯入資料及輸入命令後，將直接顯示分群階層圖，方便研究者辨別各分群間之階層關聯。（3）輸出結果：分析之結果可以直接複製到欲儲存的任何檔案形式裡，以利研究者的報告撰寫。. 3.解讀資料方面（1）「主題」功能：主題萃取系統可以針對各種類型之變項，進行相似度分群分析，以幫助研究者找尋相關資料之分群，且標示出分群依據之「主題」。此功能正可強化自動化主題分群出來的結果，因為自動分群有時會發生主題意義模糊不清的狀況，不同的相似度定義，會得出不同的分群結果，因此如果有其主題近似上的意義，則表示有共通性。（2）「模型」功能：提供視覺化的分群階層圖，可以幫助研究者迅速建立階層概念。. 33.

(34)

(35) 第三章研究設計與實施研究設計與實施本章針對第一章之研究目的與問題，提出相應的研究方法。茲將研究流程、研究方法、研究對象、研究實施步驟分別說明如下。. 第一節研究流程研究流程本研究乃以社會科學領域且未使用過電腦輔助軟體之畢業研究生作為研究對象，並利用電腦輔助軟體對研究對象之訪談稿進行實驗，得出的實驗結果除了訪談研究對象外，更與人工分群相比較，並利用 rand index 計算分群相似程度。據此，以探討電腦輔助分析軟體對質性研究之應用情形。研究概念如圖 3-1 所示，詳細說明分述於後。. 比較. 人工分析結果. 電腦輔助軟體分析結果. 計算輔助軟體與人工分群相似程度訪談圖 3-1 研究概念研究概念圖概念圖. 35.

(36) 一、人工分析. 為社會科學領域畢業研究生（後以研究對象表示），其根據研究假設，對所設定之對象進行訪談，最後以人工分析訪談結果，獲得研究結論。本研究將以此結果作為往後訪談之依據。. 二、電腦輔助軟體分析. 此部份主要介紹電腦輔助分析軟體 ClustanGraphics8.02 與主題萃取系統，對研究對象之訪談稿進行分析的流程，且獲得之實驗結果供後續研究使用。以下電腦輔助分析軟體「ClustanGraphics8.02」之實驗流程，將以研究對象甲為例；而「主題萃取系統」則以研究對象乙為例說明。另基於研究倫理，訪談稿將會簡化表示。步驟詳述如下：. （一）訪談稿整理 1. 輔助軟體 ClustanGraphics8.02 以研究對象甲說明首先，根據研究對象甲整理原始訪談稿所得之矩陣表，進行修改為受訪者以代號表示，如：英文字母；相同單位則省略單位名稱，如：年齡則省略單位名稱「歲」，僅留下數字；而是非題則以 1、0 表示，如：是否退休則 1 代表是，0 代表否；若缺少資料，則以空格表示。最後轉檔為純文字檔，並以空格分隔每一項目的資料，再匯入 ClustanGraphics8.02 系統，如圖 3-2 所示。. 36.

(37) 另一方面，研究對象乙之訪談稿為非結構式，因此，在匯入資料時，並不做任何處理，直接以 Excel 方式匯入並進行實驗。. 37.

(38) 圖 3-2 研究對象甲之訪談稿整理範例圖研究對象甲之訪談稿整理範例圖. 38.

(39) 2. 主題萃取系統以研究對象乙說明依照研究對象乙訂定之訪談稿項目，保留原始資料，僅改以矩陣方式表示。最後，依照訪談稿項目轉存於 Access 資料庫裡，再匯入主題萃取系統。如圖 3-3 所示。. 39.

(40) 將完整資料轉存於 Access 資料庫中. 圖 3-3 研究對象乙之訪談稿整理範例圖 40.

(41) （二）匯入電腦輔助分析軟體「ClustanGraphics8.02」 1. 建立分群樹圖（tree）將上述整理成 Excel 或純文字檔之訪談稿，匯入電腦輔助分析軟體「ClustanGraphics8.02」中。接著，選擇 Cluster 項目下的 Data，如圖 3-4 所示，就可獲得匯入資料的分群樹圖。此分群樹圖縱軸代表分群項目與分群情形，橫軸是以加總平方和（increase in sum of squares）為依據的各分界點。另外，圖表下方之總分群數目，會隨著選擇之分界點顯示目前之分群狀況。. 41.

(42) 圖 3-4 ClustanGraphics8 ClustanGraphics8.02 建立分群建立分群樹流程分群樹流程圖樹流程圖. 42.

(43) 2. 擷取最佳分群樹該如何擷取最理想的分群數呢？選擇 Tree 項目下的 Best Cut，即可獲得系統推薦之幾組最佳分群數的偏差值（deviate）與估計統計量（t-statistic）。這些數值是基於 5%的顯著水準（α > 0.05）之上，研究者可以從中選取最佳分群數。再者，倘若不知該如何選擇時，可以利用 Tree 項目下的 Validation 功能。此功能主要在隨機變換相同資料的矩陣，並採用歐式距離（Euclidean sum of squares, or ward’s method）計算相似度，以比較出最佳分群數，提供研究者參考。另一方面，倘若分群項目眾多時，研究者難以從圖中判斷分群成員時，可利用 Cluster 項目下的 Members，使研究者可以直接判讀當前各分群的成員。本研究將依此流程，如圖 3-5 所示，選出最佳分群數。. 43.

(44) 圖 3-5 ClustanGraphics8 ClustanGraphics8.02 擷取最佳分群樹流程圖. 44.

(45) （三）匯入電腦輔助分析軟體「主題萃取系統」 1. 建立分群樹圖此系統必須於 DOS 視窗下執行，每個命令範例都是以「perl -s ProgramName.pl」開頭，其後再接參數（如：IEK_A），最後可能會將「輸出轉向」到其他檔案（如「>IEK_A_0.0.html」），其中「>」是輸出轉向符號。由於此系統處理分析流程繁雜，因此，在程式選項與參數方面，將使用既有範例，以免除選用參數與選項之困擾（曾元顯，2007）。本研究根據研究需求，選擇「共現字歸類分析」，即利用文件中共同出現的詞彙計算相似度並分群。本研究將利用此進行實驗，流程如圖 3-6 所示，詳述如下：首先，除了將訪談稿轉存於 Access 資料庫外，同時亦建立下列目錄於 d:\demo\STPIWG：（1）src：程式所在目錄，所有命令都在此目錄執行。（2）Source_Data：原始資料存放的目錄。（3）Result：執行結果存放的目錄。（4）doc：執行過後暫存資料的目錄。接著在 DOS 視窗下執行指命令一 perl -s ClusterDB.pl -Oall -Ouid=20 -Odebug=1 -Ogrp=IEK_A 1，此步驟目的在將資料進行分群的動作，且將會於 Result 目錄中產生五個歸類資料檔。再者，執行命令二 perl -s Cluster.pl -Ocut=0.1 -Odebug=1 IEK_A ..\Result\IEK_A> ..\Result\IEK_A\0.1.ht. 45.

(46) ml，此步驟則是根據前五個分群資料檔，增加門檻以切割出類別來，而較高的門檻可以獲得較精確之分群，但其求全率則會較低。因此，本研究為達到較精準之分群，所設之門檻為較高數值 0.1。根據前述兩個命令，將可以得出匯入資料之分群結果。. 46.

(47) 圖 3-6 主題萃取系統分群樹主題萃取系統分群樹流程圖 47.

(48) 2. 修正分群樹依據前述流程獲得之分群樹如圖 3-7 所示。圖中呈現出分群依據之共現字、相似度及自動擷取資料之部份內容，並給予編號。最前面之編號為系統自動給予，而最靠近資料內容之編號，則為研究者給予，目的為方便辨別匯入資料。另一方面，在大類分群之下，亦會顯示出更小之分群，如編號 3 與 4：. 3 : 4 : 其實客人之中…也是…第一個客人慢慢交談… 他很喜歡跟客人交談，跟客人聊天…你也從這邊知道他們的想法， .... 此二者除了主要共現字「小孩子」外，更多了「學校」、「興趣」、「人家」及「東西」等共現字，且其相似度高達 0.8497，但先前已設立類別切割門檻，因此，往後實驗結果之選擇，仍以系統自動分群結果為主。此外，由上述情形來看，軟體所擷取之主題詞「人家」、「東西」、「小孩子」等，對於質性研究者來說可能不屬於所需之主題詞，原因為系統設定之停用詞並未包含這些詞彙，此部份可以依照所需自行修改。於往後研究中，倘若有此現象產生，為避免刪除重要詞彙，本研究將針對第一次訪談時，研究對象提出之不適當之主題做修改，並進行二次訪談。. 48.

(49) There are 2 clusters, 5 items. 為分群情形. 1 clusters contain 3 items 1 clusters contain 2 items. 為共現字與相似度值. 1(3): •. 3 : 3 筆 : 0.6971 (小小孩子: 42.0, 客人: 24.0, 環境: 12.0, 地方: 9.2, 工作: 9.2) o 1 : 2 筆 : 0.8479 (小小孩子: 26.0, 學校: 12.0, 興趣: 12.0, 人家: 12.0, 東西: 11.0) 3 : 4 : 其實客人之中…也是…第一個客人慢慢交談…他. 為擷取資料. o. . 很喜歡跟客人交談，跟客人聊天…你也從這邊知道他們的想法， ... 4 : 5 : 我們的小姐，我都讓他們自己發揮，我會講一些故. 事給他們聽，因為在裡面的小姐大部份在我這邊已經很久了十 ... 6 : 7 : 也倒不，那是算要看機緣，不一定小孩子也要做這樣子的工作，他如果有興趣當然 OK 啦…但是我總覺得工作要自 .... 圖 3-7 主題萃取系統分群結果主題萃取系統分群結果圖結果圖. （四）綜合前述兩者之分析結果於前兩者之實驗結果中，找出相同處獲得的，如下圖 3-8 所示，即第三種實驗結果。舉例來說：原始資料編號 1~7，在 A 軟體中，分為三群，各為 14、256、37；而在 B 軟體中，則分為 124、5、6、37 四群；則綜合前述兩者之實驗結果 C 為 14、2、5、6、37 五群。為了撰寫方便，本論文往後之分析結果將以 A 代表電腦輔助分析軟體 ClustanGraphics8.02 得出之結果；B 代表電腦輔助分析軟體主題萃取系統得出之結果；C 代表兩者綜合之結果。 49.

(50) 圖 3-8 綜合結果綜合結果 C 分群圖. （五）設計訪談大綱研究者將利用上述三種分析結果及使用電腦輔助分析軟體的經驗，設計訪談大綱，並對研究對象進行訪談。訪談大綱內容包括：一、傳統人工分析訪談稿的時間、感受與困難；二、對質性研究輔助軟體的認知情形；三、對電腦輔助分析軟體分析訪談稿結果的看法；四、對電腦輔助分析軟體接受程度；五、對電腦輔助分析軟體實驗修正方面等五個面向。其中，第五部份決定於是否進行二次實驗與訪談。. 三、深入訪談研究對象. 根據訪談大綱，深入訪談研究對象。若訪談結果有不足或者實驗需要修改之處，則進一步對研究對象所選之結果，與提出的意見與建議作實驗修正，並進行二次實驗及訪談。藉此了 50.

(51) 解研究對象對電腦輔助分析軟體之概況及實驗結果的看法。. 四、輔助軟體與人工分群相似程度將針對研究對象之傳統人工分群結果，與前述兩種電腦輔助分析軟體之分群結果，使用 William(1971)提出之「rand index」方式，計算傳統人工與輔助軟體分群結果的相似程度，以探討電腦輔助分析軟體應用於訪談稿分群之情形。. 「rand index」的功能是在不同的分群方法中作選擇，它的作用為提供一個更加簡單的方法來計算複雜的分群(也建議為重複方法的終止標準，即在重複的方法中，直到預選出相似性相同之結果)。簡單來說，一個分群結果 Y 和另一分群結果 Y'， rand index 在二個分群結果中，測量出具體數值 c (Y,Y')作為其「相似程度」（William，1971)。而 rand index 的詳細計算方式將於第四章電腦輔助分析軟體與人工分群之比較中介紹。. 51.

(52) 第二節研究方法研究方法針對本研究之研究目的與問題，採用相對應之實驗研究法與深入訪談法兩種研究方法進行，以驗證本研究之假設。研究方法所對應之研究假設如圖 3-9 所示，研究假設一與研究假設三，將採用實驗研究法來獲得解答，且以深入訪談法作為輔助說明；研究假設二則以實驗研究法來獲得結果，詳細之研究方法分別說明如下：. 研究假設一：電腦輔助分析軟體與傳統人工分析結果不一致。. 深入訪談法. 研究假設二：電腦輔助分析軟體對結構式訪談稿相較於非結構式訪談稿有更高的助益。. 研究假設三：運用二種以上之電腦輔助分析軟體比起單純只使用一種電腦分析軟體有更高的效益。圖 3-9 研究方法與研究假設研究方法與研究假設對應圖研究假設對應圖. 52. 實驗研究法.

(53) 一、實驗研究法. 實驗研究即研究者依據研究假設，發展出帶有變項的研究假設 (或問題)，就可以按照實驗研究的步驟進行，流程如圖 3-10。首先，最重要的一步就是籌劃實驗設計，內容包含：決定如何引進處遇 (treatment)、依變項的群組數目、設置實驗場景、找到合適的受試者，以及將受試者分組等。決定好實驗研究步驟後，便開始針對實驗組與對照組進行測量依變項的前測，接著對實驗組引進處遇，並再一次測量兩群組的依變項。最後，在兩群組之間比較出不同之處，以得出實驗結果。. 實驗組實驗研究的問題. 測量依變項. 實驗設計 1.決定處遇 2.依變項的數目 3.設置實驗場景 4.合適的受試者 5.分組(實驗組與控制組). 引進處遇. 對照組. 再度測量依變項. 比較實驗結果. 測量依變項前測. 圖 3-10 實驗研究方法流程圖. 根據上述實驗研究之步驟，本研究先假設受試者之人工分析訪談稿結果為標準依據，並選擇電腦輔助分析軟體作為處遇，進行控制組與實驗組之實驗，並以此結果作為深入訪談的依據。其中，控制組為. 53.

(54) 傳統人工分析訪談稿之結果；實驗組則為透過電腦輔助分析軟體得出之結果。由於本研究之受試者為社會科學領域已畢業之研究生，且假設其訪談稿分析結果為標準依據，因此，不需進行前測。. 二、深入訪談法. 本研究旨在探討電腦輔助分析軟體應用於訪談稿分群之情形，為了達到此研究目的，本研究將依據上述之實驗結果，深入訪談社會科學領域之畢業研究生，以探討電腦輔助分析軟體應用於訪談稿之情形。. 訪談大綱是深入訪談的重要工具之一，亦是研究者與受試者進行訪談的依據。一般可分為非結構式（開放式）、半結構式（半開放式），以及結構式（封閉式）三種問題型態。本研究使用結構式訪談法，即藉由研究者事先將問題定義好，依據預期的回答形式，以期有效掌握訪談方向及控制訪談內容。. 本研究將依據電腦輔助分析軟體分析訪談稿之實驗結果，製作訪談大綱（詳見附錄），並加以分析。此外，若訪談結果有不足或者實驗需要修改之處，則根據研究對象所選之結果，與提出的意見與建議，進行二次實驗及訪談。. 54.

(55) 第三節研究對象研究對象本研究旨在探討電腦輔助分析軟體應用於訪談稿之情形，故研究對象樣本之數量及型態應越多越好，但礙於人力、資料取得與成本上的考量，因此，以兩個系統以及兩位研究生進行研究。在電腦輔助分析軟體方面，為可以自動化分析中文訪談稿者，因此選擇 ClustanGraphics8.02 及主題萃取系統。在訪談對象方面，則主要為社會科學領域且未使用過電腦輔助分析軟體之畢業研究生，詳細背景如表 3-1 所示。. 表 3-1 研究對象背景編號. 畢業時間. 訪談稿型態. 訪談者數量. 訪談稿項目數. 訪談稿資料量概略字數）（概略字數）. 甲. 96 年 7 月. 半結構式. 26. 60. 394,000. 乙. 96 年 7 月. 非結構式. 7. 10. 140,000. 55.

(56) 第四節研究實施步驟本研究為探討電腦輔助分析軟體應用於訪談稿分群之情形，研究方法為實驗研究法與深入訪談法，其進行步驟說明如下：. （一）擬訂本研究之研究主題與方向（二）蒐集、閱讀相關文獻首先蒐集國內外質性研究分析訪談稿之相關文獻，了解多數質性研究分析方法。接著閱讀電腦輔助分析軟體相關資料，熟悉電腦輔助分析軟體之操作，並針對電腦輔助分析軟體應用現況加以研讀，作為確定研究範圍與研究目的之參考。（三）確定本研究之研究範圍與研究目的（四）進行文獻分析與探討針對已確定之研究範圍與研究目的，分析閱讀之文獻，並補足本研究所需之相關文獻，包含：傳統質性研究分析方法之探討、電腦輔助質性研究軟體之需求、電腦輔助質性研究軟體之應用，以及電腦輔助分析軟體簡介四部份。（五）擬訂研究方法與設計研究工具根據本研究之目的，擬訂適合的研究方法。並搭配研究方法的施行，使用電腦輔助分析軟體與設計訪談大綱，作為研究工具。（六）選定研究對象限於人力、資料取得與成本，並配合研究方法，選定合適之研究對象，並徵得其同意。選定對象為可以自動化分析中文訪談稿之電腦輔助分析軟體為主。根據實驗結果，再針對社會科學領域之畢業研究生進行深入訪談。. 56.

(57) （七）進行電腦輔助分析軟體分析訪談稿之實驗，並分析結果透過電腦輔助分析軟體對訪談稿進行分析，獲得之結果作為深入訪談之依據。（八）對研究對象進行訪談，並分析結果根據前一步驟之實驗結果，進一步訪談研究對象，以了解其對電腦輔助分析軟體之實驗結果的意見與看法。若訪談結果有不足或者實驗需要修改之處，則進一步對研究對象所選之結果，與提出的意見與建議作實驗修改，並進行二次實驗及訪談。（九）綜合分析實驗結果與訪談結果使用「rand index」方式，計算傳統人工與輔助軟體分群結果的相似度，以輔助探討電腦輔助分析軟體應用於訪談稿分群之情形。（十）統整與歸納研究結果將前述之研究結果作一綜合歸納，並提出結果，作為參考。（十一）撰寫學位論文彙整研究結果，撰寫成學位論文。. 綜合上述，本研究之具體研究實施步驟以圖 3-11 表示：. 57.

(58) 擬訂研究主題：電腦輔助分析軟體應用於訪談稿之探討. 相關文獻蒐集與分析一、質性研究分析方法二、電腦輔助質性研究分析之需求三、電腦輔助質性研究軟體（包含：類型、簡介、操作等）. 確定研究方法與設計研究工具選定研究對象：電腦輔助分析軟體（2 個）. 社會科學領域之畢業研究生（2 位）進行實驗：電腦輔助分析軟體分析訪談稿. 分析實驗結果，作為訪談依據進行訪談：社會科學領域之畢業研究生綜合分析實驗與訪談結果：「rand index」計算相似度結果分析與綜合討論撰寫論文. 圖 3-11 研究實施步驟圖研究實施步驟圖. 58.

(59) 第四章研究結果研究結果與分析結果與分析本章將說明基於研究目的與假設及研究方法所得出之研究結果，擬分為三小節敘述與分析相關的問題：第一節為電腦輔助分析軟體實驗結果之分析；第二節摘錄受試者訪談的意見與看法；第三節則探討電腦輔助分析軟體應用於訪談稿分群等部份。. 第一節電腦輔助分析軟體實驗電腦輔助分析軟體實驗結果實驗結果本節主要為電腦輔助分析軟體 ClustanGraphics8.02 與主題萃取系統，對研究對象之訪談稿實驗結果進行分析與說明。由於本研究之研究目的與問題為電腦輔助分析軟體應用於訪談稿分群之探討。因此，對於待分析之訪談稿，必須根據研究對象之研究假設，才能探究其應用情形。以下將以研究對象甲說明電腦輔助分析軟體 ClustanGraphics8.02 之實驗結果，以研究對象乙說明主題萃取系統，並以下列圖表的方式，供研究對象閱讀判斷。. 一、A 輔助軟體以研究對象甲說明實驗結果. 根據前章描述之實驗流程，以下將研究對象甲為例說明實驗結果。由於研究對象甲之研究假設主要在探討學習及使用電腦之感受，並非研究個案間之關係，因此，著重於分析訪談稿項目間之關係。本研究將依據其訪談稿分為兩個部份進行：一為訪談稿中，每一部份之項目分群情形；另一為綜觀訪談稿項目間之關係。. 59.

(60) 1.每一部份訪談稿項目分群情形（1）第一部份主要在探討使用電腦的現況，包含如表 4-1 所示之二十四個訪談稿項目。系統將分成十一個分群，如圖 4-1 中，以編號 3 為分界，以上可分為同一分群，即編號 19、21、22、23、 24、25，此分群之主題為探討年齡是否會影響使用電腦與害怕電腦方面；其他則有關電腦概況及喜歡使用電腦方面為另一分群。此外，編號 3 及未顯示出之編號 5、6、9、10、11、12、 13、14 為獨立分群，為討論電腦設備、使用電腦頻率、使用者，及何處使用等。. 表 4-1 研究對象甲之第一部份訪談稿項目部份. 項目. 3 電腦數量 4 作業系統 5 網路第一 6 連線方式部份 7 設備軟體 8 電腦取得方式 9 擁有電腦時間 10 使用電腦. 11 12 13 14 15 16 17 18. 使用電腦頻率較常使用電腦者使用電腦做什麼還有何處使用電腦用電腦做什麼喜歡哪裡使用電腦喜歡使用的原因電腦扮演的角色. 19 20 21 22 23 24 25 26. 喜歡使用電腦電腦好用電腦的優點電腦的缺點需要電腦害怕使用電腦年齡是否會影響年齡哪部份. 圖 4-1 研究對象甲之第一研究對象甲之第一部份之第一部份分群圖部份分群圖 60.

(61) （2）第二部份在探討過去學習電腦的經驗，將從表 4-2 的十四個項目中分成五個分群，如圖 4-2 所示。其中獨立分群編號 3、4、 5 為有關是否學習過與時間；編號 2、6 為一分群，在探討過去學習概況；其他則為另一分群，有關過去工作是否使用電腦與對電子產品使用是否順手等部份。. 表 4-2 研究對象甲之第二部份訪談稿項目部份 2 第二 3 4 部份 5 6. 項目第一次操作是否學習過時間是否收費次數. 7 中斷原因 8 工作性質 9 退休時間 10 工作是否需要 11 使用電子產品經驗. 12 13 14 15. 使用電子產品順手電腦資訊獲得與家人討論電腦與朋友討論電腦. 圖 4-2 研究對象甲之第二研究對象甲之第二部份之第二部份分群圖部份分群圖. 61.

(62) （3）第三部份為有關此次學習電腦之情形，包含表 4-3 的九個項目，並分成如圖 4-3 所示之六個分群。其中編號 2、3、6、7 為獨立分群，得知課程方式、學習動機、課程困難與印象深刻等部份；編號 4 和 5 及 8、9、10 分別為一分群，則各自探討家人支持與學習壓力的影響。. 表 4-3 研究對象甲之第三部份訪談稿項目部份. 項目. 第三 2 為何想學習電腦 3 如何得知電腦課程部份 4 報名方式. 5 鼓勵 6 課程印象深刻 7 課程困難處. 8 課程簡單處 9 是否詢問同學 10 是否有壓力. 圖 4-3 研究對象甲之第三研究對象甲之第三部份之第三部份分群圖部份分群圖. 62.

(63) （4）第四部份為參與學習後之感受，包含表 4-4 的十一個項目，並分成如圖 4-4 所示之四個分群。探討是否花錢學習意願之編號 7 為獨立分群；編號 2、3 為一分群，探討練習時遇到之問題；編號 4、8、9 為有關課程後之感想；其他則為另一分群，探析有關是否繼續學習與推薦他人之部份。. 表 4-4 研究對象甲之第四部份訪談稿項目研究對象甲之第四部份訪談稿項目部份 2 3 部份 4 5 第四. 項目是否有練習有疑問詢問何人是否有安裝軟體何人安裝軟體. 6 7 8 9. 損壞找尋何人幫忙是否會花錢學習課程是否增加樂趣最想學何種課程. 10 是否繼續學習 11 是否推薦他人 12 推薦原因. 圖 4-4 研究對象甲之第四研究對象甲之第四部份之第四部份分群圖部份分群圖. 63.

(64) 2.各訪談稿項目間之關係將表 4-5 之訪談稿項目如圖 4-5 所示分成兩個分群，為編號 1～34 與編號 35～58，即以學習課程前與學習課程後作為分群。. 表 4-5 研究對象甲之全部訪談稿項目項目 1 電腦數量 2 作業系統 3 網路 4 連線方式 5 設備軟體 6 電腦取得方式 7 擁有電腦時間 8 使用電腦 9 使用電腦頻率 10 較常使用電腦者 11 使用電腦做什麼 12 還有何處使用電腦 13 用電腦做什麼 14 喜歡哪裡使用電腦 15 喜歡使用的原因 16 電腦扮演的角色 17 喜歡使用電腦 18 電腦好用 19 電腦的優點 20 電腦的缺點. 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39. 需要電腦害怕使用電腦年齡是否會影響年齡哪部分第一次操作是否學習過時間是否收費次數中斷原因工作性質退休時間工作是否需要使用電子產品經驗使用電子產品順手電腦資訊獲得與家人討論電腦與朋友討論電腦為何想學習電腦. 64. 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58. 如何得知電腦課程報名方式鼓勵課程印象深刻課程困難處課程簡單處是否詢問同學是否有壓力是否有練習有疑問詢問何人是否有安裝軟體何人安裝軟體損壞找尋何人幫忙是否會花錢學習課程是否增加樂趣最想學何種課程是否繼續學習是否推薦他人推薦原因.

(65) 圖 4-5 研究對象甲之全部訪談稿項目分群圖研究對象甲之全部訪談稿項目分群圖. 上述為研究對象甲每一部份項目分群與綜觀項目分群之情形。另一方面，研究對象乙之研究假設，主要是在探討產業創立、發展與工作者、環境間之關係，其必須了解研究個案與訪談稿項目之關聯。因此，本研究針對此目的，著重於分析研究個案與訪談稿項目間的關係，獲得三個分群，分別為編號 2 為一分群，編號 3、4、5 為一分群，而另一分群為編號 6、7、8，即受訪對象類型相似者為一分群。. 二、B 輔助軟體以研究對象乙說明實驗結果. 根據前章描述之實驗流程，以下將研究對象乙說明實驗結果。在第一次的實驗與訪談中發現，實驗結果出現不適當之主題詞彙，因此，本研究將進行修改與二次實驗。下述將以研究對象乙的二次實驗結果作說明。. 65.

(66) 研究對象乙之研究假設主要是在探討產業創立、發展與工作者、環境間之關係，其必須了解研究個案與訪談稿項目之關聯，因此，本研究針對此目的，將著重於分析研究個案與訪談稿項目間之關係。研究個案之編號與訪談稿項目如表 4-6 所示。. 表 4-6 研究對象乙之研究個案研究對象乙之研究個案及訪談稿項目研究個案及訪談稿項目研究個案. 項目. 2 3 4 5 6 7 8. 訪談稿訪談稿 1 2 3 4 5 6 7 8 9 10. 拙而奇庄腳所在河東堂獅子博物館螃蟹博物館沙滔琉璃工作坊谷垚陶坊石壁染織工坊. 過程態度作品挫折近況構想啟發未來環境建議. 1.第一部份在探討產業發展之過程，其分群如下圖 4-6 所示，分為兩個分群。其中一分群包括編號 2、4、5、6、7 之五個研究個案，是依據「工作」、「朋友」、「藝術」、「臺北」以及「工作室」等五個主要共現字分群，且相似度為 0.1925；而第二分群則包含編號 1 與 3 的兩個研究個案，兩者之相似度為 0.3224，並依據共現字「獅子」、「獅子座」、「世界」、「資源」以及「好奇心」加以分群的。. 66.