这是 科研写作研究所 的第 3395 篇原创文章
在社会科学中，扎根理论是质性数据采集和分析的重要途径。这一理论是由两位美国社会学家Barney Glaser和Anslem Strauss在20世纪60年代中期提出的。扎根理论提出后，不断发展和演变，对各国的质性研究人员产生了重大影响。Glaser和Strauss以质性研究人员已有的分析步骤为基础，拟定了扎根理论的分析步骤。他们确立的质性研究工作流程更为清晰明确，体现出质性研究的科学严谨性，并“使得质性研究成为可靠的方法途径”。因此扎根理论这一质性研究的途径，既具有“科学”和程序的严谨性，在涉及新的理论时也包含了“创造性”元素。这样扎根理论不仅是严谨和“科学的”研究途径，也忠实于质性分析的诠释性本质，得以广泛应用。
扎根理论巧妙地融合了两种传统上对立的认识论方法，使其更具吸引力。Glaser和Strauss的教育背景隶属不同的认识论传统，而不同的认识论传统对扎根理论的影响清晰可见。Barney Glaser 在哥伦比亚大学接受了严谨的定量研究训练，哥伦比亚大学向来具有鲜明的实证主义传统。Glaser的实证主义背景体现在扎根理论的严谨性、逻辑性和系统性上。他认为质性数据的编码方式应与定量数据的编码方式完全相同。此外，Glaser提出了扎根于数据的“中层”理论，以对抗当时颇受重视，却缺乏实证基础的“宏大理论”。他在构建扎根理论时强调新发现应当以实证为基础。
Anselm Strauss来自芝加哥大学，芝加哥大学侧重实用主义哲学的诠释性传统和实地调研。他采纳了符号互动论的观点，符号互动论认为通过符号以及特定群体或团体赋予行动的意义，可以了解人们的行为。他认为人们可以通过代理，来影响自身的行为和所处的社会环境，揭示这一影响过程是扎根理论的关键所在。Strauss在构建扎根理论时不仅受到了符号互动论的影响，在理解人类行为时也引入了顺其自然的研究方法。
一、扎根理论的原则
扎根理论本身并非理论，而是由质性研究来构建实证理论的过程，包括一系列的任务和基本原则。因此可以将扎根理论视为一种研究途径，通过这一途径“在认真观察的基础上来构建理论”。下面列出了扎根理论的基本原则，它们影响了质性数据的分析：
数据分析并非线性过程，而是周期性过程。研究人员周而复始地开展分析活动，工作内容可能重复进行，可能交错，也可能需要同时开展多项工作内容，从而逐渐深入数据。
研究人员在分析中使用逐字转录的抄本。逐字转录的抄本让研究人员通过参与者的话语来了解他们的观点（主位视角），诠释意义并得出根植于数据的结论。
数据采集和分析彼此联系。有些分析任务始于数据采集阶段。
在分析中，研究人员不是通过演绎理论，而是通过归纳数据来提出概念。
在分析中通过频繁的比较来界定和完善概念。
研究人员要写分析和反思备忘录。备忘录的写作贯穿于整个研究阶段，使研究过程一目了然，清楚呈现分析决策的思路。
分析不仅仅是描述。数据分析包括描述，但不止于描述，还需进一步提出解释性框架和理论。
二、扎根理论的过程
扎根理论包括一系列的任务，在数据分析过程中研究人员要不断重复这些任务。因此质性数据分析不是线性过程，而是周期性过程。扎根理论的分析任务并非按照固定的步骤逐一开展，而是在通过数据有所发现的过程中，研究人员根据需要，灵活安排这些分析任务。因此扎根理论的过程可以被描述为“由系统而灵活的指导方针组成，用于指导质性数据的采集和分析，从而构建植根于数据的理论。这些指导方针是一系列通用的原则和启发式的工具，并非公式化的规则”。如前所述，研究人员在分析时并不用依照僵化或既定的程序来开展扎根理论中的任务Strauss和Corbin指出“扎根理论不是一本菜谱，研究人员不需照本宣科。我们只是想为研究人员分析数据提供一些有用的工具”。
即便数据分析中的各项任务并不需要依照既定的顺序来逐一开展，我们仍有必要了解这一系列的任务。我们将扎根理论分析的一般过程总结为下列十项任务，通过这些任务来描述数据分析过程。数据分析的任务包括：
1.准备逐字转录的抄本
2.匿名化数据
3.确定代码
4.界定代码本中的代码
5.对数据编码
6.描述
7.比较
8.分类
9.概念化
10.提出理论
三、分析中的归纳性和演绎性要素
扎根理论用于数据分析时，代码、概念和理论均以数据为基础，因此扎根理论本质属于归纳性的数据分析途径。质性数据分析的特色就在于这些归纳性的方法；不过，较少有人意识到质性数据分析也涉及演绎方法。我们的质性研究和数据分析途径承认在质性数据分析时研究人员的确会用到演绎方法，在质性研究的理论构建时也涉及演绎性理论。我们确信质性数据分析包含了归纳与演绎的相互作用，但是为了有效运用这两种要素，研究人员要清楚每种要素在研究中的作用和影响。
1.确定归纳性和演绎性代码
代码是源自数据的主题。确定代码时要使用归纳和演绎方法。例如，有些代码源自研究工具中的主题，而这些主题又源自研究概念性框架（演绎性代码），还有一些代码直接来源于数据（归纳性代码）。
2.归纳性和演绎性的数据检索
在分析时，可以采用演绎和归纳方式来检索数据。例如，研究人员可以按照概念性框架中的主题或概念来进行数据检索（演绎性检索），或者根据由数据归纳得到的主题来检索。第十章中对此描述得更为详细。
3.归纳性和演绎性的分析比较
研究人员可以比较在设计周期就已确定的（演绎性的）主题、议题或亚组（如比较乡村和城市参与者），或者比较在分析阶段才明确的归纳性主题或亚组（如比较曾遭遇污名的参与者和未曾有过这一体验的参与者）。第十章介绍了不同的比较方法。
4.归纳性和演绎性的理论构建
白玉盼（科研写作研究所编辑教研二室见习学术编辑）
