Słownik metodologiczny · Pomiar i skale

Kodowanie odpowiedzi otwartych – jak zamienić wypowiedzi na kategorie?

Odpowiedzi na pytania otwarte trzeba zakodować, zanim się je policzy. Pokazujemy, jak zbudować klucz kategoryzacji, jak kodować we dwoje i jak sprawdzić zgodność koderów kappą Cohena w R.

Strona główna / Słownik / Kodowanie odpowiedzi otwartych

Opracowanie merytoryczne: · Opublikowano:

W skrócie: Kodowanie odpowiedzi otwartych to przypisywanie wypowiedzi do kategorii z klucza, z definicją i przykładem każdej kategorii. Koduj we dwoje niezależnie, podaj procent zgodności i kappę Cohena, a rozbieżności rozstrzygnij w dyskusji.

Co to jest kodowanie odpowiedzi otwartych?

Kodowanie odpowiedzi otwartych (ang. coding open-ended responses) to przypisywanie swobodnych wypowiedzi respondentów do kategorii z ustalonego klucza, tak by dało się je policzyć i porównać. Dzięki temu odpowiedzi na pytanie otwarte stają się zmienną nominalną. Kodowanie to podstawowa metoda analizy treści takich odpowiedzi (Züll, 2016).

Jak to zrobić

  1. Zbuduj klucz kategoryzacji. Przeczytaj część odpowiedzi, np. z badania pilotażowego, i wypisz kategorie. Każdej nadaj nazwę, definicję, przykład i regułę dla przypadków granicznych. Dodaj kategorię „inne” i zdecyduj, czy jedna odpowiedź może dostać kilka kodów.
  2. Koduj we dwoje, niezależnie. Druga osoba koduje wszystkie odpowiedzi albo losową część, nie znając kodów pierwszej.
  3. Policz zgodność. Sam procent zgodności zawyża obraz, bo część zgodności jest przypadkowa. Dlatego podaj kappę Cohena.
  4. Omów rozbieżności. Popraw definicje kategorii i ustal kod ostateczny.

Klucz zapisz w książce kodowej. Według O’Connor i Joffe (2020) ocena zgodności koderów zwiększa systematyczność i przejrzystość kodowania oraz pomaga zespołowi dopracować kategorie.

Przykład

Dwie osoby niezależnie zakodowały 120 odpowiedzi na pytanie „Co najbardziej stresuje Cię na studiach?” w czterech kategoriach: egzaminy, finanse, relacje i przyszłość zawodowa (dane symulowane). Przypisały ten sam kod w 89.2% przypadków. Po odjęciu zgodności oczekiwanej przy losowym kodowaniu kappa Cohena wyniosła κ = .85, 95% CI [.78, .93]. Trzynaście rozbieżności omówiono i ustalono dla nich wspólne kody.

Jak opisać w pracy

Odpowiedzi na pytanie otwarte (N = 120) zakodowano według klucza z czterema kategoriami (egzaminy, finanse, relacje, przyszłość zawodowa). Dwie osoby kodowały je niezależnie. Zgodność wyniosła 89.2%, κ = .85, 95% CI [.78, .93]. Rozbieżności (n = 13) rozstrzygnięto w dyskusji.

Na co uważać

  • Kategorie nierozłączne. Jeśli „stres przed sesją” pasuje i do egzaminów, i do przyszłości, kappa spadnie z winy klucza, nie koderów. Odpowiedzi z kilkoma kodami analizuj jak pytanie wielokrotnego wyboru.
  • Kappa zależy od rozkładu kategorii. Na jej wartość wpływa częstość kategorii i skłonności koderów (Sim i Wright, 2005), więc podawaj ją razem z procentem zgodności.
  • Klucz zmieniany w trakcie. Po poprawkach zakoduj odpowiedzi od nowa.

Kodowane kategorie włączysz do analizy jak każdą zmienną nominalną (zob. analiza ankiety).

Przykład reprodukowalny

Zgodność koderów w R

Kod tworzy macierz zgodności dwóch koderów i liczy procent zgodności oraz kappę Cohena funkcją psych::cohen.kappa().

Procent zgodności i kappa Cohena

Dane wejściowe: kody nadane 120 odpowiedziom przez dwie osoby w czterech kategoriach (dane symulowane, set.seed(137)).

Co odczytać: macierz zgodności (na przekątnej ten sam kod), procent zgodności i kappę z 95% CI.

R
set.seed(137)
kat <- c("egzaminy", "finanse", "relacje", "przyszlosc")   # klucz kategoryzacji: „Co najbardziej stresuje Cię na studiach?”
n <- 120                                                   # odpowiedzi zakodowane niezależnie przez dwie osoby
koder1 <- sample(kat, n, replace = TRUE, prob = c(.40, .20, .15, .25))
zgoda <- runif(n) < .80                                    # w symulacji koder 2 zwykle przypisuje tę samą kategorię
koder2 <- ifelse(zgoda, koder1, sample(kat, n, replace = TRUE))
table(koder1, koder2)                                      # macierz zgodności
round(mean(koder1 == koder2), 3)                           # procent zgodności
k <- psych::cohen.kappa(data.frame(koder1, koder2))
round(k$confid[1, ], 2)                                    # kappa Cohena (nieważona) z 95% CI
Wynik w R
            koder2
koder1       egzaminy finanse przyszlosc relacje
  egzaminy         41       3          2       1
  finanse           0      23          1       0
  przyszlosc        0       2         25       1
  relacje           1       1          1      18
[1] 0.892
   lower estimate    upper 
    0.78     0.85     0.93

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 z pakietem psych 2.6.5.

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. psych: Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research (R package version 2.6.5) [Computer software]. Northwestern University. https://CRAN.R-project.org/package=psych

Najczęstsze pytania

Ile osób powinno kodować odpowiedzi otwarte?

Co najmniej dwie, kodujące niezależnie. Druga osoba może zakodować wszystkie odpowiedzi albo losową część; wtedy zgodność liczysz na tej części, a resztę koduje jedna osoba według dopracowanego klucza.

Co zawiera klucz kategoryzacji odpowiedzi otwartych?

Nazwę każdej kategorii, jej definicję, przykłady odpowiedzi, reguły dla przypadków granicznych, kategorię „inne” i informację, czy jedna odpowiedź może mieć kilka kodów.

Czy procent zgodności koderów wystarczy?

Nie. Część zgodności powstaje przypadkiem, zwłaszcza gdy jedna kategoria dominuje. Podaj procent zgodności razem z kappą Cohena, która tę przypadkową zgodność odejmuje.

Powiązane hasła

Pytanie otwarte i zamknięteKappa CohenaKsiążka kodowaSkala nominalnaAnaliza pytań wielokrotnego wyboruRzetelność (psychometria)

Poradniki, w których użyjesz tego pojęcia

Poradnik

Zgodność sędziów: kappa, ICC, alfa

Kappa Cohena i ważona, kappa Fleissa, formy ICC i alfa Krippendorffa na jednym przykładzie z trzema sędziami: wybór miary, paradoksy kappy i raport.

Czytaj →Poradnik

Analiza ankiety do pracy dyplomowej

Od surowego eksportu do wyników hipotez: czyszczenie danych, wyniki skal, alfa i omega, opis próby, testy i opis APA – z danymi i kodem R.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. O’Connor, C., & Joffe, H. (2020). Intercoder reliability in qualitative research: Debates and practical guidelines. International Journal of Qualitative Methods, 19, Article 1609406919899220. https://doi.org/10.1177/1609406919899220 ● Otwarty dostęp
  2. Sim, J., & Wright, C. C. (2005). The kappa statistic in reliability studies: Use, interpretation, and sample size requirements. Physical Therapy, 85(3), 257–268. https://doi.org/10.1093/ptj/85.3.257
  3. Züll, C. (2016). Open-ended questions. GESIS – Leibniz Institute for the Social Sciences. https://doi.org/10.15465/gesis-sg_en_002 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@article{oconnor2020intercoder, author={O'Connor, Clíodhna and Joffe, Hélène}, title={{Intercoder reliability in qualitative research: Debates and practical guidelines}}, journal={International Journal of Qualitative Methods}, year={2020}, volume={19}, eid={1609406919899220}, doi={10.1177/1609406919899220}}
@article{sim2005kappa, author={Sim, Julius and Wright, Chris C.}, title={{The kappa statistic in reliability studies: Use, interpretation, and sample size requirements}}, journal={Physical Therapy}, year={2005}, volume={85}, number={3}, pages={257--268}, doi={10.1093/ptj/85.3.257}}
@techreport{zull2016open, author={Züll, Cornelia}, title={{Open-ended questions}}, year={2016}, institution={GESIS – Leibniz Institute for the Social Sciences}, doi={10.15465/gesis-sg_en_002}}
R