NVivo案例：使用自动化见解分析大型调查数据

任务

全国学生调查（NSS）是一项年度调查，该调查收集了本科生对所学课程的看法和经验。它被广泛认为是对英国高等教育的生活质量进行描绘的权威且极具影响力的调查。

在兰开斯特大学，与许多其他机构一样，迄今为止，还没有对所进行调查的定性要素进行系统的分析。但是NSS对兰开斯特大学非常重要，因为所获得的分数会对大学的当前地位产生巨大影响。并且兰开斯特大学在2016年获得了出色的NSS评分（84.3％积极评分）之后，在教学卓越框架（TEF）中获得金奖。最近，兰卡斯特还被《泰晤士报》和《星期日泰晤士报》评为2018年度优秀大学指南。

而本文就是挑战在于从收集的数据中获得更好，更深刻的理解，以改善学生在兰卡斯特的生活和学习体验。兰开斯特大学健康与医学学院的学习技术专家Steve Wright博士将此作为试点项目进行了研究。

为任务找到合适的工具

NSS试点项目的目的是参与各种机构活动，为大学的TEF提交和评估做准备。

第一阶段比较了三种可能用于定性分析的工具：QDA Miner和WordStat；NVivo；运行的Leximancer。

选择NVivo是因为：

界面更容易理解
该机构熟悉NVivo，并拥有许多熟练的用户
WordStat和QDA Miner功能强大，但非常复杂
其他人的输出没有NVivo的交互性

点击下载最新版NVivo

NVivo可视化显示数据的能力也是选择过程中的重要因素。 “在NVivo中，可视化使您能够浏览数据，使其成为用于分析和表示的非常强大的工具，” Steve说。他没有在报告中添加条形图，而是直接从NVivo内部进行呈现。他说：“将其用作交互式演示的功能使其强大，例如，能够单击直方图中的列并获取基础数据。”

测试情绪和主题的自动化

兰卡斯特大学在整个机构内共收到8000份NSS评论，共需分析25,000个单词。

NSS要求学生完成三项开放性意见：

好评
负面评论
关于机构的评论

史蒂夫（Steve）对可以从数据中收集到哪些见解很感兴趣，特别是如果他们使用可以复制的系统方法的话。该方法将提取关键主题，将这些关键主题分组，然后探究与这些主题相关的情绪。有这样的想法是，由于情感存在于NSS结构中（要求给出肯定和否定的评论），因此可以对照这些数据检查NVivo情感分析（否定/肯定）的准确性，然后从中推断出或使用它可以作为您对NVivo对其他数据集进行自动情感标记的一个示例。

“我们有大量的文本，但是大多数情况是，我们不进行分析就共享文本，只有部门中关键人员的基本结构才能阅读。当他们收到三到四页的评论时，最容易发生的事情就是阅读前几页并在脑海中构造一个叙述，并立即获得信息。”史蒂夫说。

“ NVivo Plus工具确实对此非常有用。我能够获取这些结构化程度最低的数据，这些数据仅提供了与之相关的部门和评论的类型，然后提取主题并与情感进行交叉引用，并提供摘要。”

使用NVivo的好处

该分析受到了好评，且收到了一个重要的回应，称他的分析没有比以前的统计分析更进一步。史蒂夫认为事实并非如此。 “统计数据表明，学生们在这里普遍感到开心。他们喜欢某些东西，但定量统计显示的特定领域较低，但是统计学没有做的是，他们真正了解过程，经验，从而为较低的分数提供了信息。”

“定性分析允许您做的是，将这些主题拆开并分解，以查看为什么某些部门的分数更高-以确定良好做法，例如，给出了一些较低的分数以告知干预措施和发展的特定原因。”史蒂夫说。

NVivo的情绪分析功能在数据分析中发挥了重要作用，特别是考虑到为NSS收集调查数据的方式。

“由于NSS的结构，正面评论和负面评论，我们能够通过NVivo的情绪分析将其交叉列出，并获得一种内置的准确性检查，” Steve说。 “而且效率非常高。它倾向于通过加法而不是遗漏来计算以至于弄错事情。也就是说，当它只是正面时，它将同时将正面和负面归为一类。典型的例子是“我有很多个人问题，部门太棒了。”这是一个积极的评论，但是，由于其中包含“问题”一词，因此也会自动归为负面。

绝大多数情况下，NVivo都能正确地对其进行分类，我们知道会有一些错误的匹配项，但它们是少数，并且考虑到能够使我们使用它们的数据量，可以这个软件适合的工具。”他说。 “此外，当我们将这种方法应用于没有这种结构的其他学生反馈和评论数据时，这也为我们提供了信心分析的基线。”

与共享静态报告相反，能够与熟悉NVivo的其他人员在整个大学共享该项目是对未来的期望。员工可以直接研究该项目并自己发现见解。

未来的工作

大学计划在明年重复分析，并以该框架为基础。

从那些看到它的人那里，已经发现了一些真正的兴趣。“我认为真正的潜力在于学生或员工调查。大多数组织都有员工调查，他们要求提供广泛的定性意见，但是通常不对其进行任何系统的分析。”史蒂夫说。

该项目的重点是开发一种方法，NVivo协助更好地分析了这些数据。问题是：

我们如何才能将其开发为一种好方法，不仅适用于本项目，还可以着眼于其他数据集来改善我们的机构数据分析？
机构如何才能实际使用本质上与我们的学生“客户”有关的数据并改善学生体验？

我真的认为，NVivo提供的支持对于其他部门具有真正潜在的作用，因为它会根据实际处理定性数据的优先事项，而不是把软件当做学术界对定性分析有些神秘且高度理论化的追求的一部分” Steve说。

他还建议，对于商业和公共部门组织来说，这是一个巨大的机会，他们需要使用非结构化数据集来分析客户体验，并且有很大的潜力进一步开发类似此处介绍的方法。

包含质性分析软件NVivo的算法专题已建立，点击此处立即到达！