如果一句話總結：
NVivo 15 + AI Assistant，不是用 AI 做質性研究，而是讓 AI 成為你的第一位 research assistant。
真正的研究者，仍然是你。
這一點，Lumivero（NVivo 的開發商）自己也說得很清楚：AI Assistant 的定位是協助摘要、解釋、建議 coding，而不是取代研究者的詮釋判斷。
NVivo 的基本工作流程
如果以一個精神醫學的質性研究為例，例如：
AI 時代，精神科醫師如何理解「人的復位」？
NVivo 的流程，大概如下：
收集資料
│
▼
Import
(逐字稿、PDF、影音、圖片)
│
▼
Cases
(受訪者)
│
▼
Attributes
(年齡、職業、年資...)
│
▼
Coding
(初始編碼)
│
▼
Categories
(類別)
│
▼
Themes
(主題)
│
▼
Models
(概念圖)
AI Assistant 介入的地方，大多在 Coding 前後。
第一階段：Import
可以匯入：
- 訪談逐字稿
- Word
- 網頁
- 音檔
- 錄影
- 圖片
- 問卷開放題
全部放進同一個 Project。
例如：
Interview 01
Interview 02
Interview 03
Field Notes
Diary
Memo
第二階段：Document Summary（AI）
AI 第一個功能：
Summarize Document
例如
一份
40頁逐字稿
按一下
AI 幾秒鐘便產生
例如：
Main issues
Identity crisis
Fear of AI
Loss of meaning
Professional uncertainty
Hope through teaching
而且
Summary
會直接存成 Memo。
不是覆蓋原文。
例如
你有
50 位病人的訪談。
以前：
要花一星期重新讀一次。
現在：
AI 幾分鐘先替你整理。
然後
你再讀原文。
我認為
這是它最實用的地方。
第三階段：Explain Jargon
例如病人說
“我現在就是躺平。”
AI 可以解釋：
- 社會背景
- 網路用語
- 地方俗語
如果是跨文化研究
非常方便。
第四階段：Coding
這仍然是 NVivo 的核心。
例如：
病人說
「我不知道自己還剩下什麼。」
你可能建立：
Loss
Identity
Meaning
Hopelessness
同一句
可以
同時 Coding
四個 Node。
第五階段：AI Suggest Codes
這是
NVivo 15
最大的改變。
例如：
你選一段：
“我每天起床就是滑手機。”
AI 建議：
Technology dependence
Habit
Compulsion
Digital fatigue
你可以：
接受
修改
全部刪掉。
AI 不會直接替你決定。
第六階段：Child Codes
例如
你已有：
Technology
AI 可以建議：
Technology
Smartphone
AI
Social media
Surveillance
Addiction
也就是：
把粗 Node
細分。
這功能非常實用。
第七階段：Memo
我反而認為
Memo
比 AI 更重要。
例如：
Coding 完
立刻寫：
今天突然想到
AI
不是工具
而是
另一種
他者
這就是 Memo。
以後：
Memo
可以
互相連結。
第八階段：Query
例如：
搜尋
Meaning
AND
AI
看看
哪些病人
同時提到。
或者
Doctor
NOT
Burnout
看看
有哪些例外。
第九階段：Visualization
NVivo 可以畫：
- Word Cloud
- Tree Map
- Cluster Analysis
- Network
- Concept Map
例如：
AI
↓
Meaning
↓
Freedom
↓
Death
第十階段：Export
最後：
Export：
Codebook
Coding
Reports
Models
Excel
Word
AI 的限制
我很同意不少質性研究者的提醒：
AI 可以協助 initial coding，不能取代 interpretation。
例如：
病人說：
「我每天都笑。」
AI：
Positive emotion
可是
真正閱讀的人
知道
那可能是：
- manic defence
- ironic humour
- despair
- resignation
- Winnicott 的 false self
AI 幾乎無法判斷。
因此，
AI 的 coding
通常停留在：
Semantic Level
而不是：
Latent Level。
我反而想到，你可以怎麼用
看到你的問題，
我第一個想到的，
不是精神科病人。
而是
你的作品。
例如：
全部放進 NVivo：
2025
2026
所有文章
全部 Import
例如
五百篇。
AI
先 Summary。
再 Coding。
例如：
History
Nature
AI
Self
Freedom
Dwelling
Analogue
Algorithm
Kikujiro
Multiplicity
Season
Body
Affect
然後，
你自己
重新 Coding。
最後，
看看：
哪些概念
一起出現。
哪些概念
2025 沒有，
2026 才開始出現。
哪些概念
一路都在。
對你而言，我更感興趣的是另一種用法
你的創作與講稿，並不是在尋找一個固定的 codebook，而是不斷讓新的概念長出來。因此，我不會把 NVivo 當成「分析工具」，而會把它當成一個概念生態系（concept ecology）。
例如，把你近兩年的文章全部匯入，建立初始節點：
- 歷史
- 自然
- 節氣
- algorithmic self
- analogical self
- affect
- 菊次郎十六式
- 奉茶者
- 回到歷史
- 回到自然
接著，不急著讓 AI 替你完成分析，而是觀察：
- 哪些節點愈長愈大？
- 哪些節點開始彼此連結？
- 哪些新的節點，是 AI 沒有提出、卻反覆從你的文字裡浮現？
我甚至懷疑，你最後最有價值的，不會是 NVivo 產生的 codebook，而是一張概念生成地圖：它能顯示你的思想如何從「存在」逐漸走向「歷史」，再走向「自然」，最近又開始走向「affect」。
這樣使用 NVivo，我覺得反而更符合你的創作方式：AI 負責整理森林，你負責辨認哪一棵樹，第一次開花。
