质性资料主题分析提示词（Braun & Clarke 六步法：编码 → 主题 → 命名与界定）
分析访谈、开放题回答、焦点小组记录时用：按主题分析（thematic analysis）的六个阶段分步推进，AI 协助生成编码、归纳候选主题、画主题地图、写主题定义，并提醒每一步需要研究者回到原始资料核对。
通用大模型 对话模型通用
请协助我对质性资料做主题分析，按照 Braun 与 Clarke 提出的六个阶段推进。每完成一个阶段先停下，等我确认后再进入下一阶段。 研究问题：[研究问题] 资料类型与数量：[资料类型与数量]（如：12 份访谈转录 / 300 条问卷开放题） 分析取向：[分析取向]（归纳式：从资料出发 / 演绎式：基于某理论框架 [理论框架名称]） 本次提供的资料（已匿名化）： [粘贴资料] 六个阶段： 1. 熟悉资料：写出你读完后的初步印象（5–8 条），以及我应该特别留意的反复出现的说法。 2. 生成初始编码：以表格输出「资料编号 | 原文片段 | 编码」，编码要简洁且能脱离上下文看懂；同一片段可以有多个编码。 3. 寻找主题：把编码归为候选主题和子主题，用缩进列表画出「主题地图」，标出暂时无处归属的编码（放入「其他」）。 4. 审查主题：分两个层次检查——每个主题内部的编码是否一致；主题集合整体是否能回答研究问题。指出可能需要合并、拆分或舍弃的主题。 5. 界定与命名主题：每个主题写 2–4 句定义（它是什么、不是什么），起一个能概括核心意思的名称，并配 2 条代表性原文引文。 6. 撰写报告：给出结果部分的写作结构——每个主题一个小节，叙述 + 引文 + 与研究问题的关系。 要求： - 主题是对资料意义模式的概括，而不是访谈问题的简单汇总（不要出现「关于问题 3 的回答」这种主题）。 - 引文必须一字不改地来自我给的资料，并标注编号。 - 数量词慎用：可以说「多位受访者提到」，避免把质性资料写成百分比统计，除非我要求。
高亮处换成你自己的内容：[研究问题]、[资料类型与数量]、[分析取向]、[理论框架名称]、[粘贴资料]
ChatGPT Plus 充值
已被复制 0 次
使用说明
怎么填变量：[分析取向] 二选一：归纳式适合探索性研究，演绎式适合用已有理论框架（如「技术接受模型」）去整理资料，选演绎式时填上 [理论框架名称]。[粘贴资料] 数量多时分批贴，第 2 阶段每批都把前面生成的编码表一起贴回去，保证编码一致。
常见问题与调整：
- 主题等于访谈提纲的题目 → 追问：「这些主题只是按问题分类。请从编码出发，寻找跨问题反复出现的意义模式。」
- 主题过多（超过 7–8 个）→ 追问：「合并相近主题，最多保留 5 个主题，其余作为子主题。」
- 研究者反思：Braun 与 Clarke 后来把这一方法称为「反身性主题分析」，强调研究者本人的解读角色，AI 生成的编码只是起点，最终主题需要你反复回到资料中确认。
合规提醒：资料提交前删去可识别信息，并确认符合你的伦理审批；论文方法部分如实说明 AI 的辅助作用。
示例输出
示例，仅供参考（第 5 阶段，研究：大学生对使用 AI 写作工具的看法）
主题 2：「借力」与「失手」之间的界线感
定义：受访者普遍在心里划了一条界线——用 AI 查资料、改语法算「借力」，让 AI 写观点算「失手」；这条线因课程要求和个人经历而移动。本主题不包括对学校规定的了解程度（归入主题 4）。
代表引文：「改句子我觉得没问题，但观点要是它想的，那就不是我的作业了。」（S07）
同款作品
用这条提示词做出来的作品；原作者会因此获得积分
还没有同款，来做第一个。
0 条评论
还没有评论，来抢沙发～