网站深度测评
RQDA是什么网站?
RQDA 是一个做质性数据分析(Qualitative Data Analysis)的免费开源工具,本体是 R 语言的一个包,带图形界面,用 BSD 许可证发布。它把文本资料的编码、检索、备忘录和分类管理放在同一个环境里,数据存成单个 .rqda 文件(本质是 SQLite 数据库,UTF-8 存储,便于迁移)。
它具体能做什么
- 导入纯文本,或直接导入 PDF 高亮内容(依赖 rjpod),便于文献内容管理
- 支持非英语文档,简体中文在 Windows 和 Debian Linux(zh_CN.UTF-8)下经过测试
- 字符级编码,编码后仍可继续编辑文件
- 为文档、编码、项目、文件等写备忘录
- 检索编码并快速回到原文位置,支持条件检索
- 用编码类别、文件类别、案例类别组织材料,案例及其属性是连接定性与定量的关键设计
- 给文件加属性、按关键词搜索文件并高亮
- 写和整理田野工作日志
谁在什么情况下用它
适合已经用或愿意用 R 的研究者:需要一边做编码、一边对编码结果跑统计分析,或想自己写 R 函数扩展数据处理能力。RQDA 与 R 无缝集成,相当于把定量和定性分析放在一个平台上。
如果只是想做基础文本编码、不打算碰 R,或者需要处理富文本、音视频等非纯文本材料,它目前的定位就不太匹配——资料明确说明现阶段只支持纯文本格式。
和同类工具的侧重差异
- 与 R 的集成是它最突出的点:编码结果可直接进入 R 做统计,也能用 R 函数批量导入文件、计算两个编码之间的关系、生成编码摘要与编码间关系摘要。
- 编码分类刻意不做树状结构,而是用编码类别来组织,服务于理论建构。
- 数据格式是单文件 SQLite,可移植性由 UTF-8 存储保证。
下一步可以做什么
先确认你的资料是纯文本或 PDF 高亮,再决定是否值得投入学习 R 环境;如果你本来就写 R,可以直接从 R 函数层面扩展它的功能,而不只停留在图形界面操作。
RQDA支持哪些操作系统平台?
RQDA 支持 Windows、Linux/FreeBSD 和 Mac OSX 平台。它通过 RGtk2(配合 gWidgetsRGtk2)构建图形界面,因此在这三类系统上都能以 GUI 方式使用。
具体到使用情境:
- 如果你在 Windows 上做中文文本编码,资料显示简体中文在 Windows 下经过良好测试。
- 如果你在 Debian Linux 上使用,同样对简体中文有较好支持,但需要把 locale 设为
zh_CN.UTF-8。 - 如果你用 Mac OSX,也可以运行,但资料没有单独说明中文环境的测试情况。
另外,RQDA 的数据以 UTF-8 存储在 SQLite 数据库中,项目保存为单一的 *.rqda 文件,因此在上述平台之间迁移项目时,编码和文件格式本身是便携的。
如果你主要做纯文本或 PDF 高亮内容的质性编码,并且希望在任意一个上述系统上使用,RQDA 都能覆盖;选平台时更值得留意的是中文 locale 设置,而不是操作系统本身是否被支持。
RQDA如何导入PDF文献高亮内容?
RQDA 可以通过自带 GUI 导入 PDF 中的高亮内容,但这项功能依赖 rjpod 包,属于“导入 PDF highlights”这一入口,适合做文献内容管理。
具体怎么用
- 在 RQDA 的 GUI 中,使用导入 PDF highlights 的功能。
- 该功能依赖
rjpod,所以需要先确保 R 环境中已安装并能调用rjpod。 - 导入后的高亮内容会进入 RQDA 项目,和普通文本文档一样参与编码、检索和备忘录管理。
- 数据最终存入项目的 SQLite 数据库,单文件为
*.rqda,编码为 UTF-8,便于跨平台携带。
适用场景
例如需要系统阅读一批 PDF 论文,并把其中的高亮句段直接变成可编码材料时,用这个入口可以省去手动复制粘贴。导入后可以:
- 对高亮内容做字符级编码;
- 用编码检索快速回到原文位置;
- 把编码归入 code categories,服务理论建构;
- 结合 R 对编码结果做统计或进一步分析。
需要注意
RQDA 目前只支持纯文本格式的数据;PDF 高亮导入是辅助入口,不是完整保留 PDF 版式。若高亮内容包含非英文文本,RQDA 支持非英文文档,简体中文在 Windows 和 Debian Linux(zh_CN.UTF-8 locale)下经过较好测试。
如果导入失败,优先检查 rjpod 是否安装成功,以及 PDF 高亮是否为该包可识别的标注形式。
RQDA用R函数做编码统计分析怎么做?
RQDA 的定位是“R 里的质性分析包”,所以编码统计不是另装插件,而是直接在 R 控制台调用它提供的函数。资料里明确说,RQDA 与 R 无缝集成,好处之一就是“可以对编码做统计分析”,并且可以自己写 R 函数扩展。
能直接做的编码统计
按页面列出的 R 函数能力,常见用法包括:
- 计算两个编码之间的关系:需要给出编码索引(coding indexes),函数会返回它们的关联结果。
- 给出编码汇总与编码间关系:页面上提到 “Give a summary of coding and inter-code relat…”,即编码概况和编码间关系的统计。
- 管理临时删除:列出、撤销或永久清除被临时删除的编码/文件。
- 批量导入文件:适合把多个文本一次性纳入项目后再统一编码统计。
操作路径
- 在 RQDA 图形界面里完成编码(character-level coding)。
- 项目保存为单个
*.rqda文件,本质是 SQLite 数据库,数据以 UTF-8 存储。 - 在同一个 R 会话中加载 RQDA 包,让项目处于打开状态。
- 用 R 函数取编码索引,再做关系计算或汇总;也可以自己写函数做交叉表、频次、共现等分析。
适合谁
- 做内容分析、需要把质性编码转成可量化指标的研究者。
- 用 R 做统计、又不想把编码结果导出到别的软件的人。
- 需要跨平台(Windows、Linux/FreeBSD、macOS)且只处理纯文本资料的团队。
选择条件
RQDA 目前只支持纯文本格式数据,PDF 高亮导入依赖 rjpod,非英文文档(简体中文在 Windows 和 Debian Linux 的 zh_CN.UTF-8 下测试过)也可用。如果你的资料是富文本或需要更完整的混合方法工作流,可以先在 RQDA 里编码,再用 R 做统计;若你更依赖图形化统计界面,可对比 MAXQDA 或 NVivo 这类商业质性软件,它们把编码统计做成了菜单操作,而 RQDA 的强项是函数化和可编程。
下一步:打开你的 .rqda 项目,在 R 里加载 RQDA,先跑一次编码汇总,确认编码索引结构,再写关系计算或自定义统计函数。
RQDA的编码检索和条件检索怎么用?
RQDA 的检索分两类:编码检索(Retrieval of coding)和条件检索(Conditional retrieval)。前者是“把某个编码下的所有片段找出来”,后者是“按多个编码/条件的组合筛选片段”。
编码检索怎么用
- 用途:查看某个编码(code)在哪些文件、哪些位置被使用过。
- 操作路径:在编码列表里选中一个 code,通过右键菜单或工具栏的检索入口执行 Retrieval。
- 结果:列出该编码对应的所有编码片段,并可点击回到原始文件中的对应位置,缓解“片段脱离上下文”的问题。
- 适用场景:写分析笔记、整理主题、检查某个概念是否被一致地使用。
条件检索怎么用
- 用途:按条件组合筛选编码片段,例如同时满足某几个编码,或限定在特定文件、特定案例范围内。
- 操作方式:在检索对话框中设置条件(编码、文件、案例等),执行 Conditional retrieval。
- 适用场景:做交叉分析,比如“同时被‘焦虑’和‘工作’两个编码标记的段落”,用于理论建构中的关系梳理。
- 提示:RQDA 的编码是按字符级(character-level)记录的,条件检索的结果同样能返回原文位置。
两者配合的典型流程
- 先做编码,把文本片段打上 code。
- 用编码检索逐个查看各 code 的分布。
- 用条件检索做组合筛选,找出跨编码的共现片段。
- 把筛选结果作为进一步分析或理论归纳的依据。
选择建议
- 只想看单个主题的所有材料 → 用编码检索。
- 想找多个主题交叉的材料 → 用条件检索。
- 需要量化处理检索结果 → 结合 R 函数,对编码做统计或计算编码间关系。
RQDA 只支持纯文本数据,检索结果都保存在单个 .rqda(SQLite)文件中,便于携带和复现。
RQDA的案例属性和文件分类功能怎么用?
RQDA 的“文件分类”和“案例属性”都通过项目窗口里的分类/属性管理器操作,核心用途是让文本材料按主题或研究对象分组,并把每个案例的定量特征存起来,便于后续和 R 的统计分析对接。
文件分类怎么用
- 在文件(Files)标签页里新建文件分类,再把已导入的文本文件拖入或指派到对应分类。
- 一个文件可归入多个分类,方便按主题、来源、时间等不同维度组织材料。
- 分类本身不改变文件内容,只是给检索和编码时提供筛选入口,编码后可按分类回看原始文件。
- 适合场景:访谈资料按受访者群体、文献按研究主题、田野笔记按地点分组。
案例属性怎么用
- RQDA 提供案例分类(case category)和案例相关属性,用来描述每个案例的定量或结构化信息,比如年龄、性别、样本量等。
- 先建立案例分类,再为具体案例填写属性值,属性与文件、编码可以关联。
- 它的关键价值是“桥接定性与定量”:编码完成后,案例属性可作为变量,在 R 里和编码统计结果一起做分析。
- 还可以通过弹出菜单对选中的案例在互联网上搜索相关信息。
两者配合的典型流程
- 导入文本,建立文件分类,把材料归位。
- 建立案例分类并填写属性。
- 对文件做字符级编码。
- 用条件检索按分类、属性或编码筛选,回到原始文件定位片段。
- 在 R 里对编码和案例属性做统计或交叉分析。
选择建议
- 只想按主题整理文本:用文件分类就够了。
- 需要把每个受访者/样本的数值特征纳入分析:用案例属性。
- 想两者联动做混合方法研究:同时建文件分类和案例分类,编码后交给 R 处理。
例如需要比较不同年龄段受访者的编码分布,就先把年龄写进案例属性,再在 R 中按该属性分组统计编码频次。
用户评价(0)