LABELOWL / 研究指南
如何编码开放题问卷
开放题编码是为文字回答分配类别，使研究者能在保留原文的同时比较不同模式。LabelOwl 支持基于既定分类框架的流程：由你定义类别，AI 提供建议，再由你复核判断。
1. 定义分类框架
为每个类别设定稳定编号、定义、包含与排除规则及示例。明确是否允许多标签，哪些类别互斥。LabelOwl 支持最多三级层级，并分别保留分类框架版本。
2. 保留原题与问卷语境
导入 Excel 或 CSV 回答，保留受访者标识，选择开放题列，并补充原题和相关研究语境。简短回答可能承接前题信息，孤立关键词可能造成误判。
3. 先做小样本试编码
先复核一组包含典型、模糊和未匹配回答的小样本。检查多标与漏标，澄清规则，规则改变时保存新的分类框架版本。AI 与参考编码一致本身并不能确立研究效度。
4. 复核、确认与导出
区分 AI 建议与人工确认结果。查看原始回答、调整标签并记录备注，按所需编码版本和复核状态导出 Excel 或 CSV。多标签类别的百分比之和可能超过 100%。
LabelOwl 能替代定性分析吗？
不能。它帮助应用既定框架并组织复核。类别设计、解释和方法选择仍由研究者负责；工具不代表通用准确率，也不会自动验证理论。
可以编码中文回答吗？
界面支持中英文并保留回答原文。界面语言支持并不等于该语言的编码质量已验证。批量处理前，应以实际研究语言进行小样本验证。