彩票走势图

NVivo是一种强大的定性和混合方法数据分析工具，可以帮助您轻松组织和分析无序信息，比如收集、整理和分析访谈，焦点小组讨论、问卷调查、音频等内容，NVivo可以让您最终作出更好的决策。

本文主要介绍如何使用节点和关系的编码来帮助开发计算的本体，而不会丢失丰富性和细微差别，有任何建议或提示请在下方评论区留言。

计算领域的发展为研究人员提供了大量的机会，比如从对大型统计数据集进行比以往更复杂的对应分析，到访谈记录的自动转录。在数字人文研究中，这些进步已经被接受。例如在项目Beyond the Multiplex（UKRI，2017）中，讲述了正在开发一种计算本体，以探索来自大规模混合方法研究项目的数据，该项目包括以下数据：

• 纵向调查：6个月内3次（N = 5000，n = 500，n = 500）
• 与观众成员的半结构式访谈（x 200）
• 与政策制定者的专家访谈（x 32）
• 有观众参与的电影启发焦点小组（x 16）
• 政策文件（+250）

计算本体允许研究人员将“特定知识领域的组成部分和特征”归类为“实体”、“实体的特征”或作为两个类之间的“关系”。而不是使用这三部分的分类来决定数据是如何描述结构以及相关的信息。在上文提到的结构中，计算本体使研究人员能够准确指定实体如何与其特征彼此相关。

在我们的项目中，我们研究专业电影观众及其电影观察实践，将国家政策和行业实践联系起来。我们利用计算本体来整体探索项目中的数据，并查询所有数据类型，以通过调查数据与国家政策的比较来分析访谈时形成的概念发展的怎么样。为此，本体和对Nvivo关系类型的广泛使用为我们提供了一种方法，即可以将独立分析（单独的NVivo项目）中开发的概念汇总在一起，并探索它们如何相互关联。

通常，软件开发人员使用数据模型和计算本体来提供数据结构。该结构被强加于数据，并且任何后来的数据都被调整以适应预先存在的结构。这是一个充满个人假设、歧视和偏见的过程。相比之下，我们在NVivo中对关系编码，并对关系类型命名以从根本上（归纳上）建立一个结构。这确保了在我们开发一个计算的本体时，它仍然以数据为基础并由数据驱动。

为了开发计算本体，我们首先使用NVivo来编写访谈和焦点小组的副本。我们编码为节点（用于开发实体和实体特征），然后我们建立（并编码）它们之间的关系并将它们分配给我们在整个编码过程中开发的一组关系类型。

无论您是进行小规模定性分析还是从大型混合方法数据集构建计算本体，在Nvivo中对关系或关系类型进行编码提供了一种有用的方式来探索你的工程中的项目（例如节点）如何与另一个相连。创建关系和关系类型相对容易：

Step 1

从功能区栏中选择Create，然后在Nodes Group中选择Relationships。

Step 2

弹出对话框时，使用两个Select按钮访问第二个对话框。这使您可以搜索并选择要在新关系中连接的两个项目项。

提示：创建新关系时，关系类型将被指定为Associated，而不会分配给任何特定方向。如果要将关系指定为特定类型，只需按照以下第三步操作即可。

Step 3

在步骤2中描述的对话框中，选择New按钮。这将打开一个允许您创建关系类型的额外的对话框，并定义其方向。例如，当我们观察人们对电影观看平台的选择时，我们发现亚马逊Prime和Netflix等视频点播服务开始取代国内的DVD收藏，但事实恰恰相反。为此我们创建了一个名为REPLACES的新关系，将名为Video-on-Demand Services的实体与名为DVD Collection的实体特征连接起来。

为了对数据进行编码，我们在通过数据分析扩展它们之前，先绘制了一组初始的高级节点（实体和特征），例如Times、Places等。在这里定义了本体的初始实体集和实体特征。通过这种方式使用NVivo，发现相比较于强制编码数据到该结构，我们可以归纳性地进行工作。并且这样更接近我们的数据，同时也可以保持数据集之间的一致性。

将节点、关系和关系类型转换为本体需要用NVivo做一些后续工作。例如，我们在NVivo中运行Extracts以获取编码为节点的所有文本的XML文件，并识别所有相交节点。我们还将所有关系（和关系类型）导出为HTML文件。在使用XML解析提取和导出之后，我们使用Javascript将它们准备好并构建到基于SQL的数据库和计算本体本身。

总的来说通过使用NVivo来编码我们的数据并构建编码方案，我们能够提供适合于计算本体的分析。这使我们能够超越传统的混合方法研究，并使用大量的经验数据，而不会将预先设想的想法强加到研究本身。

想要购买Nvivo正版授权，或者获取更多该产品相关信息的朋友可以点击" "~