NVivo是一種強大的定性和混合方法資料分析工具，可以幫助您輕鬆組織和分析無序資訊，比如收集、整理和分析訪談，焦點小組討論、問卷調查、音訊等內容，NVivo可以讓您最終作出更好的決策。
本文主要介紹如何使用節點和關係的編碼來幫助開發計算的本體，而不會丟失豐富性和細微差別，有任何建議或提示請在下方評論區留言。
計算領域的發展為研究人員提供了大量的機會，比如從對大型統計資料集進行比以往更復雜的對應分析，到訪談記錄的自動轉錄。在數字人文研究中，這些進步已經被接受。例如在專案Beyond the Multiplex（UKRI，2017）中，講述了正在開發一種計算本體，以探索來自大規模混合方法研究專案的資料，該專案包括以下資料：
- 縱向調查：6個月內3次（N = 5000，n = 500，n = 500）
- 與觀眾成員的半結構式訪談（x 200）
- 與政策制定者的專家訪談（x 32）
- 有觀眾參與的電影啟發焦點小組（x 16）
- 政策檔案（+250）
計算本體允許研究人員將“特定知識領域的組成部分和特徵”歸類為“實體”、“實體的特徵”或作為兩個類之間的“關係”。而不是使用這三部分的分類來決定資料是如何描述結構以及相關的資訊。在上文提到的結構中，計算本體使研究人員能夠準確指定實體如何與其特徵彼此相關。
在我們的專案中，我們研究專業電影觀眾及其電影觀察實踐，將國家政策和行業實踐聯絡起來。我們利用計算本體來整體探索專案中的資料，並查詢所有資料型別，以通過調查資料與國家政策的比較來分析訪談時形成的概念發展的怎麼樣。為此，本體和對Nvivo關係型別的廣泛使用為我們提供了一種方法，即可以將獨立分析（單獨的NVivo專案）中開發的概念彙總在一起，並探索它們如何相互關聯。
通常，軟體開發人員使用資料模型和計算本體來提供資料結構。該結構被強加於資料，並且任何後來的資料都被調整以適應預先存在的結構。這是一個充滿個人假設、歧視和偏見的過程。相比之下，我們在NVivo中對關係編碼，並對關係型別命名以從根本上（歸納上）建立一個結構。這確保了在我們開發一個計算的本體時，它仍然以資料為基礎並由資料驅動。
為了開發計算本體，我們首先使用NVivo來編寫訪談和焦點小組的副本。我們編碼為節點（用於開發實體和實體特徵），然後我們建立（並編碼）它們之間的關係並將它們分配給我們在整個編碼過程中開發的一組關係型別。
無論您是進行小規模定性分析還是從大型混合方法資料集構建計算本體，在Nvivo中對關係或關係型別進行編碼提供了一種有用的方式來探索你的工程中的專案（例如節點）如何與另一個相連。建立關係和關係型別相對容易：
Step 1
從功能區欄中選擇Create，然後在Nodes Group中選擇Relationships。
Step 2
彈出對話方塊時，使用兩個Select按鈕訪問第二個對話方塊。這使您可以搜尋並選擇要在新關係中連線的兩個專案項。
提示：建立新關係時，關係型別將被指定為Associated，而不會分配給任何特定方向。如果要將關係指定為特定型別，只需按照以下第三步操作即可。
Step 3
在步驟2中描述的對話方塊中，選擇New按鈕。這將開啟一個允許您建立關係型別的額外的對話方塊，並定義其方向。例如，當我們觀察人們對電影觀看平臺的選擇時，我們發現亞馬遜Prime和Netflix等視訊點播服務開始取代國內的DVD收藏，但事實恰恰相反。為此我們建立了一個名為REPLACES的新關係，將名為Video-on-Demand Services的實體與名為DVD Collection的實體特徵連線起來。
為了對資料進行編碼，我們在通過資料分析擴充套件它們之前，先繪製了一組初始的高階節點（實體和特徵），例如Times、Places等。在這裡定義了本體的初始實體集和實體特徵。通過這種方式使用NVivo，發現相比較於強制編碼資料到該結構，我們可以歸納性地進行工作。並且這樣更接近我們的資料，同時也可以保持資料集之間的一致性。
將節點、關係和關係型別轉換為本體需要用NVivo做一些後續工作。例如，我們在NVivo中執行Extracts以獲取編碼為節點的所有文字的XML檔案，並識別所有相交節點。我們還將所有關係（和關係型別）匯出為HTML檔案。在使用XML解析提取和匯出之後，我們使用Javascript將它們準備好並構建到基於SQL的資料庫和計算本體本身。
總的來說通過使用NVivo來編碼我們的資料並構建編碼方案，我們能夠提供適合於計算本體的分析。這使我們能夠超越傳統的混合方法研究，並使用大量的經驗資料，而不會將預先設想的想法強加到研究本身。