扎根理论（Grounded Theory）是一种从数据中自下而上生成理论的定性研究方法，强调通过系统化分析数据发现模式、构建概念和理论。
一、扎根理论的核心原则
1. 从数据中生成理论：理论完全基于数据，而非预先假设。
2. 持续比较：反复对比数据片段、概念和类别，寻找异同。
3. 理论抽样：根据分析结果动态调整后续数据收集（如补充访谈对象）。
4. 理论饱和：当新数据不再产生新见解时停止分析。
二、常见误区与注意事项
- 避免预设框架：不要强制将数据套入现有理论。
- 保持细致：编码时需深入细节，避免遗漏关键信息。
- 迭代过程：编码是循环而非线性过程，需反复调整。
- 平衡时间：扎根理论耗时较长，需合理规划研究周期。
三、示例：分析用户对社交App的访谈
1. 开放编码：用户提到“总被推送不认识的人” → 编码为“推送不适配”。
2. 主轴编码：结合“隐私担忧”“推送不适配” → 类别为“算法透明度问题”。
3. 选择性编码：核心类别为“用户对算法的控制感”，关联“透明度”“个性化需求”等。
4. 理论输出：建议增加算法设置选项，提升用户控制感。
四、实战建议
1. 先导研究：在大型项目前用扎根理论做小样本探索（5-8人访谈）。
2. 混合方法：结合定量数据验证扎根理论产出（如用问卷测试“可控自动化”理论的普适性）。
3. 敏捷应用：用“微型扎根理论”快速分析单次访谈，生成可落地的设计洞见。
#研究的方法 #统计学 #用户参与度 #用户体验设计 #用户体验优化 #用户增长思维 #拓宽知识面 #以用户为中心
一、扎根理论的核心原则
1. 从数据中生成理论：理论完全基于数据，而非预先假设。
2. 持续比较：反复对比数据片段、概念和类别，寻找异同。
3. 理论抽样：根据分析结果动态调整后续数据收集（如补充访谈对象）。
4. 理论饱和：当新数据不再产生新见解时停止分析。
二、常见误区与注意事项
- 避免预设框架：不要强制将数据套入现有理论。
- 保持细致：编码时需深入细节，避免遗漏关键信息。
- 迭代过程：编码是循环而非线性过程，需反复调整。
- 平衡时间：扎根理论耗时较长，需合理规划研究周期。
三、示例：分析用户对社交App的访谈
1. 开放编码：用户提到“总被推送不认识的人” → 编码为“推送不适配”。
2. 主轴编码：结合“隐私担忧”“推送不适配” → 类别为“算法透明度问题”。
3. 选择性编码：核心类别为“用户对算法的控制感”，关联“透明度”“个性化需求”等。
4. 理论输出：建议增加算法设置选项，提升用户控制感。
四、实战建议
1. 先导研究：在大型项目前用扎根理论做小样本探索（5-8人访谈）。
2. 混合方法：结合定量数据验证扎根理论产出（如用问卷测试“可控自动化”理论的普适性）。
3. 敏捷应用：用“微型扎根理论”快速分析单次访谈，生成可落地的设计洞见。
#研究的方法 #统计学 #用户参与度 #用户体验设计 #用户体验优化 #用户增长思维 #拓宽知识面 #以用户为中心
