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。
作者：LabelOwl 运营者 Shengxing Yang。更新于 2026 年 9 月 25 日。
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%。
编码示例：结合原题理解回答
以下为虚构示例，不是受访者数据。原题是“怎样改善你的图书馆体验？”，回答是“晚一点关门；电脑挺好的”。如果类别为 HOURS（开放时间）、EQUIPMENT（设备问题）和 OTHER（其他），应标记 HOURS。不能只因出现“电脑”就标记 EQUIPMENT，因为回答没有报告设备问题。
先定义类别边界：EQUIPMENT 包含设备损坏或不足，排除正面描述。若回答只有“晚一点”，需要保留原题并检查语境。含义仍不明确时，应留待人工复核，不应编造理由。
从分类框架模板开始
平铺类别可使用简单模板；层级类别可使用进阶模板。在处理回答之前，请将示例类别替换为自己的定义。
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。