编辑推荐：
开放式（OE）调查回答因非结构化特点易被低估价值，传统手动编码耗力。本研究探究主题建模（TM）与手动编码的主题一致性，分析样本量、回答长度等对 TM 的影响。发现 TM 能有效识别多数人工主题，中样本、长回答且宽松阈值时表现更佳，为定性分析提效。
在数据驱动的学术研究浪潮中，开放式（OE）调查问题如同深埋的宝藏，允许受访者挣脱预设答案的枷锁，自由挥洒观点与认知。然而，这些充满洞见的文本却因非结构化的 “野性” 面孔，让研究者望而却步 —— 传统手动编码如愚公移山，面对海量文本时效率低下，难以释放 OE 数据的真正价值。如何在人力与算力间架起桥梁，让无序的文字流淌出有价值的规律？这成为社会科学与教育研究领域亟待破解的难题。
为突破这一困局，研究人员将目光投向文本挖掘领域的新星 —— 主题建模（Topic Modeling, TM）。这项技术如同数字时代的 “考古学家”，能从浩瀚文海中提炼核心主题，量化文本与主题的关联。但它与人类智慧的契合度究竟如何？在不同数据规模下又会展现怎样的 “性格”？带着这些疑问，相关研究机构的学者展开了一场横跨人工编码与机器分析的深度对话，其成果发表在《Computers in Human Behavior》，为 OE 数据的解析开辟了新维度。
关键技术方法
研究采用双阶段设计：第一阶段对比人工编码与 TM 的主题一致性，第二阶段通过模拟实验探索样本量（文档数 D）、文档平均长度（L）及匹配阈值对 TM 表现的影响。数据源自经许可的二次分析 OE 回答，通过文本预处理、TM 模型构建（如潜在狄利克雷分配 LDA 等经典算法）及余弦相似性度量等核心技术，实现人机编码结果的量化比对。
研究结果
1. 人机编码的主题一致性
通过高频词分析发现，TM 识别的 8 个主题中至少 7 个与人工编码高度吻合。例如，主题 1 与主题 2 均围绕 “主动学习” 展开，但 TM 的主题 2 更聚焦协作与群体互动，展现出机器对具体场景的敏感捕捉。然而，在抽象高层概念的匹配上，TM 与人工编码存在细微分歧，且机器偶能识别出人工分析中未凸显的边缘主题，揭示出数据驱动方法的独特视角。
2. 数据结构对 TM 的影响
模拟实验表明，TM 在中等样本量（D=50 至数百）和较长文档长度（L 适中）时表现最优。当采用更宽松的余弦相似性阈值（如≥0.5），主题识别的稳定性显著提升，说明数据规模与评估标准的双重调节作用。这一发现为资源有限的研究者提供了实操指南 —— 无需追求 “大而全” 的数据，合理配置样本与阈值即可解锁 TM 的分析效能。
结论与讨论
本研究首次系统性验证了 TM 在 OE 调查分析中的实用价值：它既是人工编码的 “效率拍档”，能覆盖 70%-90% 的核心主题，又如同敏锐的 “数据侦察兵”，挖掘出人工视角易忽略的潜在议题。尤其在教育、社会科学等常面临中小规模数据的领域，TM 的引入可大幅缩短分析周期，同时以计算逻辑弥补人类认知的局限性。
值得注意的是，TM 并非完美无缺：面对高度抽象的概念跃迁，机器仍需借鉴人类的语义理解；而人工编码的经验判断，恰能为算法提供价值校准。二者的有机融合，或许才是破解 OE 数据密码的终极答案。正如研究揭示的，当数据规模与技术参数达到微妙平衡，人机协作的化学反应将释放出远超单一模式的分析潜力。
这项研究不仅为质性研究注入了计算科学的新动能，更向学界抛出了开放命题 —— 如何在更多领域构建人机协同的分析范式？随着自然语言处理技术的迭代，TM 的应用边界或将持续拓展，而本研究奠定的实证基础，将成为后续探索的重要坐标。在这个算力与智力共舞的时代，OE 调查的深度解析，正迎来属于它的 “数字 enaissance”。
