How to use Atlas for research
我快被访谈录音的文字稿淹没了。32个与医护人员进行的半结构化访谈，每个时长40到60分钟，转录成文本后将近400页。我把PDF标得密密麻麻，直到视线模糊；显示器上贴满了便签，还不断往下掉；我越来越觉得，自己正“见树不见林”，迷失在细节里。就在这时，一位同事建议我试试ATLAS.ti。
我以前听说过质性数据分析（QDA）软件——NVivo、MAXQDA、ATLAS.ti——但一直觉得对我的项目来说是大材小用。我错了。以下是我如何使用ATLAS.ti从混乱的逐字稿走向结构化的研究发现的过程，包括我一路上犯过的错。
## 从正确的设置开始
首要之事：ATLAS.ti有桌面版和网页版。我一开始选了网页版，因为我不想安装任何东西，而且喜欢能从不同电脑访问项目这个想法。这是我犯的第一个错——倒不是因为网页版不好，而是因为当时我想要的AI功能只在桌面版上有。后来ATLAS.ti也在网页版中加入了对话式AI，但在你决定用哪个之前，一定要先查清楚各版本支持哪些功能。
你可以从 atlasti.com 获取免费试用。如果你隶属于某所大学，先去查查你们图书馆——许多机构都提供免费访问权限。例如，纽约大学的学生可以通过虚拟计算实验室或在Bobst图书馆的专用电脑上使用。乔治华盛顿大学CCAS的学生可以通过提交IT工单申请访问权限。能不自己掏腰包就别掏。
进入软件后，我创建了一个项目。在ATLAS.ti中，项目本质上是一个装下所有东西的容器——你的文档、引用、代码、备忘录和网络。把它想象成你的研究工作区。我给项目起了一个具有描述性的名字：“HealthcareWorkerBurnout_2024”，而不是“Project1”，这让我后来同时进行多个项目时免于混淆。
## 导入数据：不仅仅是文本
我的访谈逐字稿是Word文档，所以我直接把它们拖进了项目里。非常简单直接。但ATLAS.ti让我惊喜的地方在于：它能处理的远不止文本。你可以导入PDF、图片、音频和视频文件。如果你有原始的访谈录音，ATLAS.ti桌面版现在提供AI驱动的自动转录功能，能在几秒钟内将音频和视频转换为可搜索的文本。
我没有使用自动转录，因为我已经花钱请人转录好了，但我确实导入了几份音频文件，以便对照原始录音复核有疑问的段落。能够点击一个已编码的引用并听到原始音频，这让我确信自己没有误述受访者的原话。
如果你使用的是虚拟计算实验室或公共电脑，这里有一个关键警告：请频繁导出你的项目打包文件。我从纽约大学的图书管理员那里听过可怕的故事：有研究人员因为在VCL上没有妥善保存工作，导致几天的编码工作付诸东流。务必将项目打包文件导出到你的个人电脑上作为备份。
## 编码过程：先手动，后AI
这是ATLAS.ti大放异彩的地方，也是我犯下第二个大错的地方。
我毫无计划地直接开始编码。我一边阅读一边高亮段落，随手创建代码——“情绪耗竭”、“人员配置问题”、“应对机制”、“好日子”、“坏日子”，仅仅前两份访谈就生成了大约四十多个代码。到了第五份访谈时，我的代码列表已经乱成一团。代码之间相互重叠，命名不一致，也没有清晰的层级结构。
我改用混合方法重新开始：根据研究问题和对三份逐字稿的快速浏览，我先开发了一个初始编码本，然后对涌现出的新代码保持开放态度。这样效果好多了。
以下是我的实际工作流程：
1. 在主编辑器视图中**打开文档**
2. 通过点击和拖动来**高亮段落**（这会创建一个“引用/quotation”）
3. 通过右键单击或使用编码工具栏来**分配代码**
4. 为任何引发思考的段落**撰写备忘录**——我怎么强调都不为过，真正的分析其实是在备忘录里发生的
ATLAS.ti也支持归纳式编码（边读边创建代码）和演绎式编码（从预定义列表开始）。我两者都用：我的核心代码来自研究框架，但随着主题的涌现，我也添加了新的代码。
## 使用AI功能：是“有意引导”，而非“自动代劳”
目前ATLAS.ti最大的卖点是其基于OpenAI的AI集成。在这里，我需要诚实地谈谈哪些有用，哪些没用。
旗舰功能是“意图驱动AI编码（Intentional AI Coding）”。你不需要仅仅点击一个按钮就让AI随心所欲地编码所有内容，而是输入你的研究意图和目标。对于我的项目，我输入了：
> “我正在研究后疫情时代医院环境中的医护人员职业倦怠。请关注情绪体验、导致倦怠的系统性因素以及个人的应对策略。请同时针对明确的陈述和隐含的情绪暗流进行编码。”
然后，AI处理了我的文档，并根据我的意图建议了代码。这确实非常有用——它捕捉到了我遗漏的段落，并识别出了我尚未注意到的跨访谈模式。它大幅减少了我的手动工作量，在初始编码阶段大概节省了60-70%的时间。
但问题在于：AI编码是一个起点，而不是终点。我逐一审查了AI建议的每一个代码。有些非常准确。有些则很肤浅——AI注意到有人提到“累”，但忽略了语境中的细微差别，即受访者描述的是道德创伤，而不是身体疲劳。还有些完全弄错了，把一段讽刺的话当成了真正的积极表达。
对话式AI功能让你能与你的文档聊天。我问了诸如“所有访谈中最常提到的应对策略是什么？”这样的问题，并得到了带有具体引用出处的综合答案。这有助于我获得宏观视角，但我总是会对照原文核实这些引用。
你现在还可以选择AI分析的处理地点——美国或欧洲——如果你处理的数据受GDPR或IRB（机构审查委员会）限制，这一点非常重要。
## 构建网络与发现意义
一旦我有了代码，真正的分析就开始了。ATLAS.ti的网络视图让你可以可视化代码、引用和备忘录之间的关系。我创建了一个网络，展示“人员短缺”如何连接到“情绪耗竭”，再如何连接到“考虑离职”。以视觉方式看到这些关系，帮助我构建了理论框架。
我还使用了共现分析，查看哪些代码经常一起出现。这揭示了一个意想不到的发现：“欢乐时刻”和“患者连结”共现的频率远超我的预期，甚至在最倦怠的参与者中也是如此。这成为了我论文中的一个核心发现。
## 文献整合
我发现一个很有价值的新功能：ATLAS.ti网页版让你可以免费搜索和导入超过2亿篇科学论文，并提供AI驱动的摘要。我利用这个功能将相关文献直接拉取到我的数据旁边，在同一个项目中对我的逐字稿和关键论文进行编码。将文献回顾和实证数据放在同一个工作区，让我更容易看出我的发现在何处证实、延伸或挑战了现有研究。
## 实用建议与坦诚的局限性
**效果好的方面：**
- AI编码在首轮编码中为我节省了数十小时
- 网络可视化确实帮我看到了之前忽略的模式
- 将音频、逐字稿、代码和备忘录集中在一处，消除了频繁切换上下文的麻烦
- 多平台访问意味着我可以在台式机上编码，在笔记本电脑上审阅
**让我感到挫败的方面：**
- 学习曲线确实陡峭。我花了大约10个小时观看ATLAS.ti学院和犹他大学的教程，才觉得自己勉强上手
- AI编码虽然有帮助，但需要仔细监督。它不能替代你的分析判断
- 从历史上看，网页版的功能一直落后于桌面版，尽管这一差距正在缩小
- 软件有协作功能，但如果你的团队许可证混用（有些用桌面版，有些用网页版），操作起来可能会很笨拙
**我最大的建议：**
从小处着手。不要像我一开始那样一次性导入全部32份逐字稿。先导入3份，手动编码，熟悉界面，开发出你的编码本，然后再引入AI工具和其余数据。我真希望有人在我花了一周时间创建那个无法维护的代码烂摊子之前就这么告诉我。
ATLAS.ti是一个强大的工具，但它仅仅是工具而已。分析依然必须由你来做。软件帮助你组织、搜索和可视化数据，但从“这些代码共现”到“这就是它的意义”的诠释飞跃，仍然取决于你。让AI去处理那些繁琐的杂活，这样你才能把精力集中在需要思考的部分。那才是真正做研究的地方。