想像你的研究桌面疊滿了報告、檔案與舊報紙，你沒有受訪對象，也不必跑田野；你要做的，就是把這些「靜態的證人」拆解、重組，讓它們說出新故事——這正是文獻分析法（document analysis）的日常景象。
這種方法常被歸類為質性研究工具，但它也能支援量化統計，屬於跨領域萬用刀。簡單來說，研究者透過有系統地蒐集與評讀既有文本（學術論文、政府檔案、實務報告、甚至日記與漫畫），再加以編碼、分類與詮釋，藉此回答研究問題，甚至推演未來趨勢。
文獻分析法（literature analysis method），是指透過系統性蒐集、閱讀、整理與評析已有的研究或出版資料，來回答研究問題、建立理論基礎或發現研究缺口的一種研究方法。它不是單純的「看過幾篇文章」，而是一套有步驟、有目的的分析過程。
這種方法常見於以下情境：
撰寫研究計畫或論文時的文獻回顧段落；
探討特定主題的研究趨勢與發展脈絡；
整理某領域的理論模型或操作定義；
為後續的實證研究找出切入點。
當你決定要用文獻分析法展開研究，表面上看起來像是單純「讀資料」，但實際上，每個步驟都有明確的技術與思考脈絡。下面這套流程，能幫助你有系統地走完從撿拾資料到提煉洞見的整個過程。
面對網路與圖書館龐大的文獻資源，如果沒有事先設定好範圍，很快就會被海量資訊淹沒。因此，第一步要明確界定研究的主題與核心關鍵字。例如，你想研究的是「台灣電動機車政策影響」，就應先設定像是「電動機車政策」、「台灣綠色運輸」、「能源轉型政策」這類具體搜尋詞。這個步驟的目標，不是急著開始蒐集，而是劃出一個搜尋邊界，讓後續行動更有效率。
文獻來源五花八門，有的來自國際期刊，有的來自政府報告，也不乏企業宣傳資料或網路文章。這個階段的任務，就是逐一確認每份文件的出版背景、作者資格與背後的意圖。舉例來說，一份由某車廠贊助的產業報告，雖然提供了豐富數據，但背後可能帶有商業推廣色彩。相反地，來自政府或學術機構的公開資料，則相對客觀中立。這個步驟就像在篩沙子，留下可信又有價值的資料，過濾掉過度行銷或立場偏頗的來源。
接下來進入最耗時卻最關鍵的工作——深入閱讀與摘要記錄。你可以運用開放編碼，也可以先設計好分析標籤，例如「政策目標」、「實施困難」、「社會回應」等，再針對每份文件的相關內容進行摘錄。除了單純摘錄內容，也要注意紀錄出現的時間脈絡或作者觀點。這不只是抄筆記，更是一場資訊重組的工程，幫助你逐步建構出研究素材庫。
當素材累積到一定程度後，就需要進行整理與比對。你可以利用心智圖、矩陣表或比較表格，將不同資料排列在一起，觀察它們之間的敘事落差與重複出現的模式。例如，某些文件強調政策的環保效益，另一些則點出民眾反彈或基礎設施不足。透過這樣的交叉檢視，你不只是在拼湊資料，而是在辨識哪些觀點被忽略、哪些爭議尚未解決，這些發現將成為你後續論證的基石。
最後，把整理好的資料重新帶回你的研究問題，進行詮釋與理論對接。如果資料數量足夠，還可以進一步使用統計分析或回歸檢定，為你的發現增加量化佐證。重點不在於「列出你讀過什麼」，而是要說明「這些文獻如何支持或挑戰你的研究假設」，讓讀者相信你的論述是經過嚴謹推理與多方驗證的。這個步驟就像是煉金術的最後一環，把零散的資料煉成具有說服力的研究成果。
敘述性文獻回顧（Narrative Review）
最常見、操作門檻最低的文獻回顧方式，重點是概括性描述、整理與評論既有研究。
特點：沒有嚴格搜尋或篩選標準，依研究者判斷選取代表性文獻。
優點：適合快速了解某議題的研究發展脈絡或理論基礎。
風險：容易有主觀選擇偏誤，缺乏系統性與再現性。
系統性文獻回顧（Systematic Review）
強調明確、透明、可複製的文獻搜尋與篩選過程，目的是全面盤點所有符合條件的研究。
特點：事先設定搜尋策略與篩選標準，並詳列排除與納入依據。
優點：提升文獻回顧的公正性與完整性，適合作為政策、實證基礎。
風險：耗時且程序複雜，需要團隊合作與嚴謹執行。
後設分析（Meta-analysis）
建立在系統性文獻回顧基礎上，進一步統計整合不同研究的量化數據，計算總體效果量。
特點：需要可比對的統計資料（如樣本數、平均數、標準差等）。
優點：提供客觀量化證據，常用於醫學、心理學、教育等領域的效果評估。
風險：只適用於有足夠可量化資料的研究議題，且易受資料品質與異質性影響。
善用工具：你可以用 Zotero 來整理和管理找到的資料或文章。當你要分析大量訪談或文章內容時，可以用 NVivo 這個工具來幫忙標記和分類，比手動一個一個抄還有效率。如果要做一些統計或數字分析，可以用 Excel，如果你想進階一點，也可以用 R 這種專業的統計工具來跑更複雜的數據分析。
建立透明流程：保留搜尋策略與排除理由，日後方便審查與重複實驗。
寫作層次：先描述文件特色，再提出詮釋，最後連結理論，讀者較能跟上你的思路。
雖然文獻分析有他的好處，但是也可能有以下問題
歷史情境錯位：老資料放進當代研究，若忽略時空差異，易產生錯讀。
存活者偏差：能被保存下來的往往是主流、官方聲音，底層或邊緣群體的記錄可能蒸發。
作者動機：檔案製作者帶著目的寫作；研究者若未拆解那些動機，解讀將失真。
資訊疲勞：文件越齊全，分析負擔越重；當代「開放資料」雖好，但也可能拖慢進度。
面對這些疑慮，研究者必須交叉佐證、標註不確定之處，並在結論節如實揭露資料盲點。
Sinoimeri & Teta（2024，國際商管研討會論文集）
樣本來源：從 Elsevier 與 Springer 抓出 76,493 篇供應鏈相關文章，透過關鍵字與主題篩選。
方法亮點：作者用 PRISMA 流程圖說明篩選步驟，再以 Excel 統整期刊、國別、關鍵詞出現頻率。
可學之處：論文篇幅精簡，但把「資料庫查詢策略→排除條件→可重製的程式碼」寫得一清二楚，很適合初學者仿作。ResearchGate
Eriksson（2018，International Journal of Strategic Communication）
樣本來源：蒐集 2004–2017 間 104 篇危機傳播研究，限定有實務建議的文章。
方法亮點：先質化編碼歸納出 157 項「社群媒體危機應對建議」，再跨文章比對五大主題。
可學之處：作者把「建議 → 聯結證據 → 批判反思」三段式寫法套進文獻分析，非常適合想把質性內容轉成實務指引的研究者。ResearchGate
Udegbe et al.（2024，International Medical Science Research Journal）
樣本來源：檢索 2013–2023 間 AI 醫療應用文章，使用機器學習、NLP、預測分析等關鍵詞。
方法亮點：將發現依照「診療輔助、個人化治療、院內營運」三類別歸檔，並對應倫理與隱私挑戰。
可學之處：作者把挑戰直接對照對策，示範如何把文獻分析延伸到策略建議；如果你的研究要寫「限制與建議」段落，這篇很好參考。ResearchGate
Li et al.（2024，International Journal of Strategic Property Management）
樣本來源：收錄 420 篇綠建築評估文獻，透過 CiteSpace 畫知識圖譜、HistCite 算引用權重。
方法亮點：先跑書目計量，再視覺化群集出「指標更新」「BIM 整合」等四大研究主流。
可學之處：想把文獻分析升級成「誰跟誰在對話」的結構，這篇教你用圖形說服讀者。維爾紐斯 Gediminas 科技大學期刊
Kutsyuruba（2017，收錄於 Reimagining Utopias 專書）
樣本來源：分析烏克蘭 1990 年代至今的教育法規、政策文件，並補充歷史脈絡。
方法亮點：作者示範「政策文件 → 社會變遷脈絡 → 影響層面」的三層次對讀法。
可學之處：如果你的研究材料是官方文件或白皮書，這篇的批判框架能直接搬用。ResearchGate
Your Schedule, Our Prime Concern AsiaEdit takes a personalised approach to editing.
香港灣仔軒尼斯道99號
彰顯大廈 2101室
上午 9:00 至下午 6:00
(+852) 2590 6588
