ChangoVivo, 定性研究超级AI工具，让质性研究像聊天一样简单！

<!-- markdown --> # ChangoVivo：让质性研究像聊天一样简单 > **AI驱动的质性研究分析平台 · 基于扎根理论的系统化分析工具** --- ## 📖 什么是ChangoVivo？ ChangoVivo是一个专业的质性研究分析工具，将扎根理论（Grounded Theory）的方法论与人工智能技术完美结合，为研究者提供从数据收集到理论构建的完整解决方案。 ### 核心定位 - **AI驱动**：使用GLM-4大模型提供智能编码建议、自动归类和关系识别 - **扎根理论**：完整实现三级编码流程（开放式编码→主轴编码→选择性编码） - **协作友好**：支持多人协作，实时同步编码和分析结果 - **云端服务**：基于Web平台，随时随地访问，无需安装软件 --- ## 🎯 核心功能一览 ### 1. 项目管理系统 **功能特点**： - ✅ 创建、编辑、删除质性研究项目 - ✅ 支持多种研究方法（深度访谈、焦点小组、参与观察、文献分析、混合方法） - ✅ 自定义项目颜色和状态管理 - ✅ 项目统计信息（文档数、编码数、范畴数） **使用场景**： - 管理多个研究项目 - 跟踪项目进度 - 组织研究数据 --- ### 2. 文档管理 **功能特点**： - ✅ 支持多种格式：PDF、Word、TXT - ✅ 自动文本提取和智能分段 - ✅ 文档状态跟踪（上传中、处理中、已完成、失败） - ✅ 文档统计信息（段落数、编码数） **技术亮点**： - 自动识别文档结构 - 智能段落分割 - 保留文档元数据 --- ### 3. 开放式编码（Open Coding） **功能特点**： - ✅ **手动编码**：为段落创建编码，设置名称、描述和颜色 - ✅ **AI编码建议**：基于GLM-4大模型，智能分析段落内容，提供3-5个编码建议 - ✅ **编码工作台**：集中管理所有编码，查看使用频次和分布 - ✅ **编码应用**：将编码应用到段落，建立编码与数据的关联 - ✅ **编码雷同分析**：AI自动检测相似编码，建议合并 **AI编码建议的优势**： - 🚀 **效率提升**：减少手动编码时间，提高编码速度 - 🎯 **准确性**：基于扎根理论方法论，确保编码质量 - 💡 **智能推荐**：考虑研究主题和已有编码，避免重复 - 📊 **置信度评分**：每个建议提供0-1的置信度，帮助判断质量 **使用流程**： 1. 在文档阅读器中打开文档 2. 浏览段落内容 3. 点击"AI建议"获取编码推荐 4. 选择或创建编码 5. 编码自动应用到段落 --- ### 4. 主轴编码（Axial Coding） **功能特点**： - ✅ **AI自动归类**：将开放式编码自动归类为范畴（Category） - ✅ **范畴管理**：创建、编辑、删除范畴，设置属性、维度 - ✅ **编码映射**：将编码添加到范畴，建立编码与范畴的关联 - ✅ **归类理由**：AI提供详细的归类逻辑和理由说明 **AI归类的优势**： - 🤖 **智能分析**：自动识别编码之间的关联性 - 📈 **效率提升**：大幅减少手动归类工作量 - 🎓 **理论指导**：基于扎根理论的范式模型（因果、条件、策略、结果、关联） - 💾 **结果缓存**：AI归类结果自动缓存，避免重复计算 **使用流程**： 1. 完成开放式编码后，进入"主轴编码"区域 2. 点击"AI归类"按钮 3. 查看AI建议的范畴列表（包含名称、描述、编码、属性、维度） 4. 接受全部或选择性接受部分范畴 5. 手动调整编码与范畴的映射关系 --- ### 5. 范畴关系识别 **功能特点**： - ✅ **AI关系识别**：自动识别范畴之间的潜在关系 - ✅ **5种标准关系类型**： - 因果（Causal）：A导致B - 条件（Conditional）：A是B的条件 - 策略（Strategic）：A是B的策略 - 结果（Consequential）：A是B的结果 - 关联（Associative）：A与B相关 - ✅ **关系强度量化**：0-1的强度评分，AI自动评估 - ✅ **证据文本关联**：每个关系可以关联证据文本，方便追溯 **可视化功能**： - 🌐 **交互式网络图**：直观展示范畴关系网络 - 🎨 **拖拽布局**：支持手动调整节点位置 - 🔍 **缩放和筛选**：灵活查看关系网络 - 💾 **布局保存**：保存自定义布局 **使用流程**： 1. 完成主轴编码后，进入"范畴关系"区域 2. 点击"AI识别关系"按钮 3. 查看AI建议的关系列表（包含关系类型、描述、强度、证据） 4. 在网络图中查看可视化结果 5. 手动调整或添加关系 --- ### 6. 选择性编码（Selective Coding） **功能特点**： - ✅ **AI核心范畴识别**：自动识别核心范畴（Core Category） - ✅ **理论框架生成**：AI自动生成理论框架结构 - ✅ **故事线生成**：用自然语言描述理论模型 - ✅ **理论饱和度评估**：AI评估理论饱和度，提供评估依据 **AI分析内容**： - 🎯 **核心范畴识别**：分析所有范畴，推荐核心范畴并说明理由 - 📐 **理论框架结构**：生成框架的组成部分和作用关系 - 📖 **叙述性故事线**：用自然语言描述理论模型 - ✅ **饱和度评估**：评估理论饱和度，提供改进建议 **使用流程**： 1. 完成范畴关系识别后，进入"选择性编码"区域 2. 点击"AI识别核心范畴"按钮 3. 查看AI分析结果： - 核心范畴推荐 - 理论框架结构 - 故事线描述 - 饱和度评估 4. 保存选择性编码结果 --- ### 7. 编码文字依据功能 **功能特点**： - ✅ **文字片段提取**：自动提取编码对应的文字片段 - ✅ **证据追溯**：快速定位编码在文档中的位置 - ✅ **编码详情查看**：查看编码的所有应用位置和文字依据 **使用价值**： - 📝 提高编码的可追溯性 - 🔍 方便验证编码的准确性 - 📊 支持编码的定量分析 --- ### 8. 可视化分析 **功能特点**： - ✅ **编码频次可视化**：柱状图展示编码使用频次 - ✅ **范畴关系网络图**：交互式网络图展示范畴关系 - ✅ **项目统计面板**：实时显示项目统计数据 **可视化优势**： - 📊 直观展示分析结果 - 🎨 美观的图表设计 - 💻 响应式布局，支持移动端 --- ### 9. 协作功能 **功能特点**： - ✅ **多人协作**：支持团队成员共同编辑项目 - ✅ **实时同步**：编码和分析结果实时同步 - ✅ **权限管理**：项目创建者可以管理协作者权限 **协作优势**： - 👥 适合团队研究 - 🔄 提高协作效率 - 📝 统一管理研究数据 --- ## 🚀 技术优势 ### AI技术栈 - **GLM-4大模型**：使用智谱清言GLM-4提供AI分析能力 - **智能提示词**：基于扎根理论方法论设计的专业提示词 - **结果缓存**：AI分析结果自动缓存，提升响应速度 ### 系统架构 - **前后端分离**：Flask后端 + JavaScript前端 - **RESTful API**：标准化的API接口设计 - **数据库设计**：完整的数据库模型，支持复杂查询 ### 用户体验 - **现代化UI**：美观的界面设计，支持深色主题和科幻模式 - **响应式设计**：适配桌面端和移动端 - **操作流畅**：优化的交互体验，减少操作步骤 --- ## 📚 适用场景 ### 学术研究 - **学位论文**：硕士、博士论文的质性研究部分 - **期刊论文**：质性研究论文的数据分析 - **研究项目**：各类质性研究项目的数据管理 ### 研究方法 - **深度访谈**：访谈记录的编码和分析 - **焦点小组**：焦点小组讨论的编码和分析 - **参与观察**：观察记录的编码和分析 - **文献分析**：文献内容的编码和分析 - **混合方法**：多种研究方法的综合应用 ### 研究领域 - **社会科学**：社会学、心理学、教育学等 - **管理学**：组织行为、战略管理、人力资源等 - **医学**：医学人文、患者体验、医疗质量等 - **其他领域**：任何需要质性研究的领域 --- ## 💡 使用建议 ### 新手入门 1. **创建示例项目**：系统提供完整的示例项目模板，帮助快速了解功能 2. **阅读使用指南**：详细的使用指南和理论基础说明 3. **从简单开始**：先上传少量文档，熟悉编码流程 ### 进阶使用 1. **充分利用AI功能**：AI编码建议、自动归类、关系识别可以大幅提升效率 2. **编码管理**：定期检查编码雷同情况，合并相似编码 3. **关系网络**：利用网络图发现范畴之间的复杂关系 ### 最佳实践 1. **编码命名规范**：使用清晰、简洁的编码名称 2. **编码描述**：为编码添加详细描述，便于后续分析 3. **证据追溯**：利用文字依据功能验证编码准确性 4. **理论构建**：充分利用AI生成的理论框架和故事线 --- ## 🎓 理论基础 ChangoVivo严格遵循扎根理论的方法论： ### 三级编码流程 1. **开放式编码**：从数据中提取概念，创建编码 2. **主轴编码**：将编码归类为范畴，建立范畴的属性、维度和关系 3. **选择性编码**：识别核心范畴，构建理论框架 ### 范式模型 - **因果条件**：导致现象的条件 - **现象**：研究的核心现象 - **情境**：现象发生的背景 - **中介条件**：影响策略的条件 - **行动/互动策略**：应对现象的策略 - **结果**：策略的后果 --- ## 🌟 核心优势总结 ### 相比传统工具 | 特性 | ChangoVivo | 传统工具（如NVivo） | |------|-----------|-------------------| | AI辅助 | ✅ 完整AI支持 | ❌ 无AI功能 | | 学习成本 | ✅ 低，界面直观 | ❌ 高，需要培训 | | 云端访问 | ✅ 随时随地 | ❌ 需要安装软件 | | 协作功能 | ✅ 原生支持 | ⚠️ 需要额外配置 | | 价格 | ✅ 按需付费 | ❌ 高昂的授权费用 | | 中文支持 | ✅ 完美支持 | ⚠️ 中文支持有限 | ### 核心价值 1. **效率提升**：AI辅助功能可以节省50-70%的编码时间 2. **质量保证**：基于扎根理论方法论，确保分析质量 3. **易用性**：直观的界面设计，降低学习成本 4. **协作性**：原生支持多人协作，适合团队研究 5. **可追溯性**：完整的编码依据和证据追溯功能 --- ## 📞 开始使用 ### 访问方式 - **Web地址**：https://madechango.com/qualitative/ - **登录要求**：需要注册账号（支持SSO单点登录） ### 快速开始 1. **注册账号**：访问网站注册账号 2. **创建项目**：点击"新建项目"创建第一个研究项目 3. **上传文档**：在项目中上传研究文档 4. **开始编码**：使用AI建议或手动创建编码 5. **完成分析**：按照三级编码流程完成分析 ### 获取帮助 - **使用指南**：访问 `/qualitative/guide` 查看详细指南 - **示例项目**：创建示例项目了解功能 - **技术支持**：通过网站反馈问题 --- ## 🎉 结语 ChangoVivo致力于让质性研究变得更加简单、高效和专业。无论您是质性研究的新手还是资深研究者，ChangoVivo都能为您提供强大的分析工具和AI辅助功能，帮助您从数据中发现洞察，构建理论。 **让AI成为您的研究助手，让质性研究像聊天一样简单！** --- *ChangoVivo - AI驱动的质性研究分析平台* *基于扎根理论 · 让研究更简单 · 让洞察更深刻*