质性编码中的分歧概念化

协作定性编码通常涉及编码员为同一实例分配不同的标签，从而导致模糊性。我们将这种模糊性实例称为编码中的分歧。分析这种分歧的原因至关重要——既为了增强用户从编码中获得的理解并协作重新解释数据，也为了协商用户分配的标签以构建有效的机器学习模型。我们提出了一种使用编码分布中的多样性和发散性的集体分歧的概念定义。这种分歧的观点适用于各种编码环境和编码员群体，无论其学科如何。我们引入了两种基于树的排名指标作为比较数据实例编码分歧的标准方法。我们实证验证了，在这两种基于树的指标中，编码员对分歧的感知与n元树指标的匹配度比与后遍历树指标的匹配度更接近。