质性数据
质性和量化数据搜集方法：方法的选择——或者是否同时使用这两种方法——取决于研究问题的性质和研究项目的分析目标。不同的研究方法在其应用的数据源、数据搜集和分析方法以及分析结果的解释方面有所不同。
总的来说，质性研究方法常用于非数字数据源（而不是数字数据源，即可量化的数据集）。质性数据的常见例子是访谈记录、文本（例如书籍或文章）、田野笔记、图片、视频和在线数据如推文或论坛讨论。
当然，也可以进行混合方法的数据分析，其中，质性数据由量化方法补充（如通过添加额外的问卷调查数据），或者量化数据由质性方法补充（如通过添加焦点小组讨论）。当对某个主题知之甚少时，选择试用质性数据尤其合适。在这里，质性研究方法，如参与式观察和访谈，可以用来揭示影响社会或自然环境中某些事物之存在方式的主要因素。搜集关于这些因素的数据可以用来产生假设，而这些假设可以随后借助更大的样本和量化分析方法得到调查和验证。
质性数据分析
相应的，质性数据分析是一种非数值的数据分析模式。质性数据分析方法被广泛应用于社会学、心理学、政治学、医学和教育学等诸多学术领域。质性数据分析方法也用于一些非学术领域，如企业管理和市场研究，分析通过各种文献或田野调查数据。
然而，质性数据分析的主要目标一直是获得有关社会现象的某种解释、理解或者阐释。质性数据分析强调研究参与者的经验、意见、行为和社会背景。总而言之，质性数据分析常用于回答“为什么”和“怎么样”的问题，而不是”有多少”的问题。
质性数据分析可以使用广泛的方法、理论和概念框架来进行。常用的方法有：质性内容分析、扎根理论和话语分析。分析方法的选择要取决于研究问题、研究目标、数据类型（如访谈或推文）、数据搜集方式（如结构化或非结构化访谈）以及开展什么样的分类系统（也包括编码系统）（即演绎或归纳的方法）。
如果您还没有确定研究方法，我们建议您先开始根据内容或上下文为文本、图片或视频分配大致的类别，比如，“工作”和“娱乐”这两个类别可以用于有关个人日常生活的访谈分析。接下来，您可以为具有相同特性的部分创建子类别。这些类别和子类别将成为您的“代码”——您可以将这些代码分配给数据中具有相似特性的其他部分——这些代码也可用来区分数据中的不同模式、主题和关系。大多数研究者会对他们的数据集进行多次编码（也就是多“轮”），以改进他们的代码系统。所以，如果您需要多次尝试的话也不要气馁！接下来，您可以检查代码与研究问题和假设的关系，并开始总结您的研究结果。
了解质性数据分析方法，进而选择最适合您的研究目标的方法并正确使用它们的一种好的途径是教科书。我们推荐 《质性文本分析:方法、实践与软件使用指南》（伍多·库卡茨著，朱志勇、范晓萱译，重庆大学出版社，2017），因为这本书还包含了MAXQDA的具体信息和使用技巧。
您可以查看我们的网站，获得更多的学习资源和研究实例：
使用软件分析质性数据
今天，越来越多的研究者开始使用质性数据分析软件来辅助他们的研究。质性数据分析软件非常有用，因为它可以节省您的时间（特别是在处理大量数据的时候），同时，它也可以帮助您对数据进行深入的挖掘。质性数据分析软件的目标不仅仅是辅助研究者，而且是使他们在整个研究和分析过程中变得强大。