在内容分析法（Content Analysis）中，内容编码（Coding）是关键步骤，分类思维是核心要义。操作程序是把多模态数据（文本、图片、音频、视频）转化为量化数据，后续进行统计分析处理。在很多研究实践中，也常采用量化、质化数据结合解读的方式来达到研究目的。
传统内容分析法中，内容编码是人工针对文本进行逐一阅读，填答编码表，做完所有的内容编码后，将编码簿中的数据汇总整理，进行统计分析和可视化效果呈现。这个过程非常耗时耗力（小编经常听到用户朋友们抱怨，做人工编码做得头晕眼花，简直要哇的一声哭出来）。
为了解决传统内容分析法编码操作繁琐的问题，DiVoMiner平台的研发团队想了不少办法，最终确定采用结合了传统内容分析法、大数据技术、人工智能的创新执行方案，在内容编码的方式上，提供了人工编码（可机器、AI辅助）、机器编码和AI编码三种方式。
那么，有小伙伴表示疑惑，同样是做内容编码，这三种方式到底有什么差别呢？应该如何做选择呢？想要弄明白这个问题，就得先了解这两者的执行差异和各自的优劣势。
先上结论，选择何种编码方式，关键看类目属性和投入资源的水平！
客观类目题目推荐机器编码，高效可靠，成本低；
主观类目题目用（机器辅助）人工编码，准确性高，消耗人力，相对费时费力；
AI编码则是兼顾客观和主观题目，效率高，速度快，需要投入一定的运算资源。
(见下表总结↓↓↓)
- 什么情况下选择机器编码？
客观性的题目，如机构、人名、事件等，表达清晰，可以用语义概括，这种题目极为适合做机器编码，效率极高，非常省心省事，搭配系统机器人的信度检验，编码结果放入论文、发表高水平期刊无压力！
- 什么情况下选择（机器辅助）人工编码？
如果是主观性类目题目，以目前的科技手段难以做出准确判断，如指定对象的意见判断、模糊态度等无法利用机器编码快速完成，就推荐人工编码，通过一定的机器辅助手段，相对提升编码效率 。
- 什么情况下选择AI编码？
AI编码适用于主观、客观类目题目，准确度可控，需要设置类目提示词，对类目选项下定义，需要消耗运算资源。可以和人工编码员的结果进行进度检验，编码结果可用在发表论文中。
有时候在实践中，一套编码表中会同时含有客观和主观型类目，也可以采用混合编码的方式完成数据处理。
实际上，（机器辅助）人工编码、机器编码，还有AI编码，都是大数据技术辅助、人工智能辅助内容分析法的一部分，适合不同的文本数据研究场景。接下来就详细介绍一下（机器辅助）人工编码、机器编码和AI编码的操作方式。
- （机器辅助）人工编码
顾名思义，由人工编码员阅读文本，并填答编码表，以此方式完成内容编码工作，适合分析主观性类目。传统内容分析法的操作方式正是如此，需要耗费大量的人力和时间成本，人工依赖性强，不适合大规模数据的分析任务。
作为长期围绕内容分析法展开工作的DiVoMiner研发团队深为理解人工编码的“苦”，因此在“纯”人工编码的基础上，开发出“机器辅助”的功能，用户可以对类目的选项设置配套关键字（词）条件（关于【类目设置】，相关信息可点这里回顾），设置好的字词可以在编码文本中高亮显示，并提供机器预选，减少编码员检阅文本时查找、匹配信息的功夫，即便是人工做编码，相比传统编码方式，效率也有很大程度的提升，准确度也大为提高。
人工编码的数据准确性依赖于编码员的理解，因此为了保证数据的可靠性，需要在正式编码前进行编码员之间信度测试，关于信度测试的知识点，点这里回顾。
- 机器编码
大数据研究场景下，动用的数据样本动辄成千上万，甚至十万、百万、千万级别数据也不是稀罕事儿，人工编码在这种数据量的重压下捉襟见肘，难以为继。因此，在数据分析方面迫切需要计算机的协助。
在内容编码中，针对客观性类目，可以用文字总结出题目选项的语义范畴，则推荐利用计算机执行文本的分类工作，一键执行，依据用户自设的关键字（词）逻辑条件，自动完成编码表的填答，速度快，效率高，成千上万条数据可以在短时间内完成，而且多次重复执行结果完全一致，容易验证结果。
可以在对应数据库的【自动编码】或是【内容编码】下的【自动编码】中设置机器编码
需要注意的是，机器编码并不是完全交由机器解决全部问题，机器编码结果高度依赖用户自设的选项关键词条件，“人”在其中发挥了极大的作用，人工介入的重要环节在于制定机器分类的标准，因此用户的研究能力、经验等容易影响编码结果的质量，并借此摆脱内容编码等机械性质的繁杂工作，让研究者的精力回归研究中。
提示：不论是机器编码，还是人工编码中的预选，依据都是由用户自设的类目中选项关键词决定的，因此，编码数据质量的高低，依然是取决于研究者的研究能力和思考成果，在一个研究里，有可能需要研究者反复调整设定和矫正结果，才能达到一个较佳的编码结果。
- AI编码
AI编码可快速对数据进行分类，相对人工编码，AI计算效率极高，编码结果也比较准确。AI编码需要先设置AI类目，与机器编码的运行机制不同，AI类目需要对题目、选项设置提示词，即是使用语言说明清楚编码的分类依据，AI编码的结果质量会与提示词的质量严格相关。
设置妥当后，运行AI编码的路径方式与机器编码一致，均是在数据库的【自动编码】或【内容编码】下的【自动编码】进行数据范围的设置和任务启动。
