정성 데이터 분석 소프트웨어 비교

NVivo, ATLAS.ti, MAXQDA는 인터뷰, 문서, 미디어를 분석하는 유료 데스크톱 프로그램입니다. 정가 기준으로 NVivo 연구자 라이선스는 연 $520, ATLAS.ti 교육용 라이선스는 연 $387이고, 둘 중 어느 쪽이든 학생 라이선스는 연 $130입니다. Taguette와 QualCoder는 코더 한 명 또는 소규모 팀을 위한 무료 오픈 소스 대안입니다. Potato는 팀 코딩을 위한 NVivo와 ATLAS.ti의 무료 자체 호스팅 대안이며, 여러 코더에게 배정되는 신뢰도 표본, 질문별 Krippendorff의 알파, 유료 프로그램과의 REFI-QDA .qdpx 교환을 제공합니다.

정성 코딩은 인터뷰 전사본이나 개방형 설문 응답 같은 텍스트의 구절에 코드라는 짧은 레이블을 부여하는 작업이며, 코드북은 코드를 나열하고 각 코드를 정의합니다. 인비보 코드는 참가자 자신의 말에서 코드의 이름을 가져옵니다. 정성 코딩을 위해 만들어진 소프트웨어는 컴퓨터 지원 정성 데이터 분석 소프트웨어를 뜻하는 CAQDAS라고 합니다. 코더 간 신뢰도는 둘 이상의 코더가 같은 자료에 같은 코드를 적용하는 빈도를 측정하며, 보통 코더가 두 명이면 Cohen의 카파로, 몇 명이든 Krippendorff의 알파로 나타냅니다. REFI-QDA는 코드북(.qdc)이나 프로젝트 전체(.qdpx)를 프로그램 사이에서 옮기기 위한 개방형 표준입니다.

아래 도구들은 가격, 데이터가 저장되는 곳, 각 도구가 보고하는 신뢰도 계수, AI 지원 코딩이 텍스트를 보내는 곳에서 서로 다릅니다. Potato의 정성 연구는 Potato의 정성 기능을 한곳에서 다루고, 설문 조사 연구 도구 비교는 설문 소프트웨어를 다룹니다.

비교해 볼 만한 정성 코딩 도구는?

가격은 2026년 10월 기준 각 공급업체의 스토어 또는 요금 페이지에서 가져온 미국 달러 금액입니다.

Dedoose는 개인과 소규모 그룹에게 사용자가 로그인한 달에 대해서만 요금을 청구합니다. Usercall은 인터뷰와 분석이 함께 쓰는 월간 크레딧 잔액으로 요금제의 가격을 정합니다.

어떤 과제에 어떤 도구를

표는 각 종류의 정성 프로젝트를 그 프로젝트를 위해 만들어진 도구와 짝지어 줍니다.

NVivo, ATLAS.ti, MAXQDA는 각 프로그램이 연구자 한 명의 분석, 코더 간 신뢰도, 프로젝트 교환을 하나의 제품에서 다루므로 많은 행에 나옵니다. Potato는 프로젝트가 자료를 코더에게 배정하고 코더 간 일치도를 보고하는 곳에 나옵니다.

NVivo와 ATLAS.ti의 무료 대안

이 페이지의 세 가지 도구는 라이선스 비용이 없습니다. Taguette는 셋 중 가장 단순하며, 자신의 컴퓨터, 직접 운영하는 서버, 또는 app.taguette.org에서 문서에 하이라이트와 태그를 다는 용도이고 신뢰도 계수는 보고하지 않습니다. QualCoder는 셋 중 가장 많은 미디어 유형을 다루며, 한 컴퓨터에서 텍스트, PDF, 이미지, 오디오, 비디오를 코딩하고 코더 간 Cohen의 카파와 로컬 모델을 쓸 수 있는 선택적 AI 에이전트를 제공합니다. Potato는 코딩 팀을 위해 만들어진 무료 옵션이며, 코더에게 자동으로 배정되는 신뢰도 표본, 부트스트랩 구간이 있는 Krippendorff의 알파, NVivo, ATLAS.ti, MAXQDA와의 REFI-QDA 교환을 갖추고 있습니다. 셋 중 어느 것도 유료 프로그램의 모든 분석 기능을 갖추지는 못하며, Potato의 한계는 Potato가 정성 연구에서 하지 않는 것에 나와 있습니다.

도구별 호스팅과 데이터 위치

NVivo Desktop과 MAXQDA는 프로젝트를 자신의 컴퓨터에 저장합니다. NVivo 팀은 NVivo Collaboration Server나 연 $99의 추가 기능인 NVivo Collaboration Cloud를 통해 프로젝트를 공유합니다. NVivo AI Cloud는 Microsoft Azure에서 실행되며 데이터는 유럽, 미국, 캐나다, 싱가포르, 호주에 호스팅됩니다. Lumivero는 AI Cloud의 실시간 다중 사용자 편집을 2027년 초로 계획하고 있습니다. MAXQDA TeamCloud는 각 구성원에게 프로젝트의 로컬 사본을 주고 일정에 따라 클라우드를 통해 작업을 교환하며, 라이선스당 팀 리더 한 명과 구성원 최대 네 명을 둡니다.

ATLAS.ti Desktop은 프로젝트를 로컬에 저장하고, ATLAS.ti Web은 독일의 서버에 프로젝트를 호스팅하며 실시간 협업을 제공합니다. Dedoose는 클라우드 애플리케이션이며, 프로젝트는 추가 비용 없이 다른 Dedoose 사용자와 공유할 수 있습니다. Usercall은 서비스 제공업체로 Supabase, OpenAI, Anthropic을 들며 데이터가 지역을 넘나들며 처리될 수 있다고 밝힙니다.

Taguette는 자신의 컴퓨터, 직접 운영하는 서버, 또는 app.taguette.org에서 실행되며, 서버에서는 여러 사람이 하나의 프로젝트에서 작업할 수 있습니다. QualCoder는 한 번에 한 컴퓨터에서 프로젝트를 엽니다. QualCoder 팀은 프로젝트 파일을 한 사람에서 다음 사람에게 넘기거나, 사본을 따로 코딩한 뒤 마스터 프로젝트로 병합합니다. Potato는 자신의 컴퓨터나 소속 기관의 서버에서 실행되며, 모든 코더는 브라우저로 Potato 서버에서 작업합니다. 각 코더의 작업은 연구의 출력 디렉터리에 기록되며, Potato는 호스팅 AI 엔드포인트처럼 구성에 외부 서비스가 명시된 경우에만 텍스트를 외부 서비스로 보냅니다.

도구별 코더 간 신뢰도

도구마다 보고하는 계수의 집합이 다릅니다. 도구의 집합에 없는 계수는 내보낸 코드에 대해 따로 계산해야 합니다.

대시는 2026-10-28에 확인한 해당 도구의 자체 문서에서 그 행에 해당하는 내용을 찾지 못했다는 뜻입니다. ATLAS.ti 매뉴얼은 카파가 코더 두 명으로 제한된다는 점 같은 문헌상의 한계를 들어 Cohen의 카파를 일부러 뺐다고 밝힙니다. 틀린 칸이 있으면 알려 주세요.

Potato의 reliability 내보내기는 질문마다 한 행을 쓰며, 측정 수준은 질문 유형에 따라 정해집니다. 목록에서 고르는 코드 선택은 명목형이고, 다중 선택 코드북은 MASI 거리를 씁니다. 따라서 겹치는 코드 집합을 고른 두 코더는 부분 점수를 받습니다. 강조된 구절에 대해서는 내보내기가 문자 수준의 Krippendorff의 알파를 보고합니다. 항목의 각 문자가 한 단위로 계산됩니다. /admin/iaa의 관리자 대시보드는 구절에 대해 토큰 수준 카파, 스팬 F1, Mathet의 감마를 더합니다. 스팬 일치도는 스팬 측정치가 어떻게 다른지 설명하고, 일치도 계산기는 어떤 도구에서든 내보낸 코드의 CSV로 알파와 카파를 계산합니다.

AI 지원 코딩과 텍스트가 가는 곳

NVivo, ATLAS.ti, MAXQDA, Usercall은 각 제품의 AI 기능을 위해 텍스트를 호스팅 언어 모델로 보냅니다. MAXQDA, QualCoder, Potato는 대신 자신의 컴퓨터나 서버에 있는 모델을 쓸 수 있습니다. 동의서나 윤리 승인이 인터뷰 텍스트를 보낼 수 있는 곳을 제한할 때는 이 목적지가 중요합니다.

• NVivo. NVivo AI Cloud의 어시스턴트인 AURA는 자료를 요약하고, 초기 주제를 제안하며, 자료를 인용하여 프로젝트에 관한 질문에 답합니다. Lumivero는 업로드된 데이터가 AI 모델 학습에 쓰이지 않으며 작업 후에 보관되지 않는다고 밝힙니다. NVivo Desktop에는 AI 기능이 없습니다.
• ATLAS.ti. AI Coding, AI Summaries, AI Code Suggestions는 OpenAI의 시스템에서 실행되며, ATLAS.ti Desktop 사용자는 처리 지역으로 미국 또는 유럽을 고릅니다. ATLAS.ti는 OpenAI가 OpenAI API로 보낸 데이터로 학습하지 않는다고 밝힙니다.
• MAXQDA. Cloud AI Assist는 프랑크푸르트의 MAXQDA 서버와 EU의 AI 모델 서버를 거쳐 실행되며, MAXQDA는 데이터가 학습에 쓰이지 않는다고 밝힙니다. MAXQDA 27부터 AI Assist Premium은 Ollama, llama.cpp, LM Studio 같은 OpenAI 호환 연결을 통해 자신의 컴퓨터나 서버에 있는 모델을 쓸 수 있습니다.
• Dedoose. Dedoose의 도움말 센터에서 AI 지원 코딩은 찾지 못했습니다.
• Usercall. AI 진행자가 음성 인터뷰를 진행하고, Usercall은 전사본과 가져온 개방형 응답을 한 줄씩 테마로 코딩하며 연구자가 이를 검토하고 다듬습니다. Usercall은 고객 데이터가 AI 모델 학습에 쓰이지 않는다고 밝힙니다.
• Taguette. Taguette에는 AI 기능이 없습니다.
• QualCoder. QualCoder 4.0에는 프로젝트를 읽고, 샌드박스 모드에서 코드를 추가하거나, 파괴적인 변경을 하나하나 확인한 뒤 코드와 코딩을 편집할 수 있는 AI 에이전트가 있습니다. 에이전트는 OpenAI, Google Gemini, OpenRouter, Microsoft Azure, Blablador, 또는 Ollama를 통한 로컬 모델을 사용합니다. 로컬 모델은 문서를 색인하고, 선택된 약 500자의 구절만 클라우드 제공자로 갑니다.
• Potato. ai_support를 쓰면 언어 모델이 각 항목에서 힌트를 주고, 키워드를 강조하고, 코드를 제안하며, 결정은 코더가 내립니다. endpoint_type을 ollama나 vllm으로 설정하면 모델이 자신의 서버에 머물고, openai, anthropic, gemini는 각 항목을 지정된 제공자에게 보냅니다. 구성은 AI 지원에서 다룹니다.

REFI-QDA로 도구 사이에서 프로젝트 옮기기

REFI-QDA 프로젝트 파일은 자료, 코드, 코딩을 프로그램 사이에서 옮기며, 각 프로그램은 자체 기능 중 어느 것이 남겨지는지 문서화합니다. NVivo는 자료, 코드, 케이스, 메모, 코딩이 있는 .qdpx를 가져오고 내보내며 설문, 질의, 행렬은 남겨 둡니다. ATLAS.ti와 MAXQDA는 .qdpx를 가져오고 내보내며, ATLAS.ti는 QDPX 번들에 참여하는 모든 프로그램이 공유하는 항목만 들어 있다고 밝힙니다. Dedoose는 프로젝트를 .qdpx로 내보냅니다. QualCoder는 .qdpx를 가져오고 내보내며, QualCoder의 저자는 아직 표준을 완전히 준수한다고 보장하지 않습니다. Taguette는 프로젝트의 코드북을 REFI-QDA .qdc 파일로, 프로젝트 전체를 Taguette 데이터베이스로 내보냅니다.

Potato는 .qdpx 파일을 새 프로젝트로 가져오고, 코딩된 프로젝트를 다시 .qdpx로 내보냅니다.

potato import -i interviews.qdpx -o interviews-study
python -m potato.export -c interviews-study/config.yaml -f qdpx -o ./export/

내보낸 코드북은 구성의 레이블에서 온 코드의 계층을 유지하고, 각 코딩은 그 코딩을 한 코더를 유지합니다. Potato 2.13.1에서 codebook: true인 스킴은 코드를 평평한 목록으로 내보냅니다. ATLAS.ti는 하위 코드를 한 단계만 허용하므로, 더 깊은 코드북에는 내보내기에 --option flatten_subcodes=true를 추가하세요. 이 옵션은 모든 코드를 최상위로 옮기고 각 코드의 이름을 Parent > Child로 바꿉니다. 오프셋과 가져오기 도구가 쓰는 경고는 프로젝트 가져오기에서 다룹니다.

Potato에서 신뢰도 표본으로 팀 코딩하기

아래 구성은 팀이 보건소 이용에 관한 인터뷰 발췌를 코딩하도록 설정합니다. 모든 발췌는 한 번 코딩됩니다. 신뢰도를 위해 두 번째 코더가 각 현장 안에서 추출한 발췌의 20% 표본을 코딩합니다. 이번 라운드에서는 코드북이 고정되어 있으므로 코더는 합의된 코드를 적용할 뿐 새 코드를 추가할 수 없습니다. 코더는 메모를 쓸 수 있으며, 새 메모는 비공개로 시작합니다. 케이스는 발췌를 참가자별로 묶고, 현장을 케이스 속성으로 둡니다.

annotation_task_name: Clinic access interviews
task_dir: .
output_annotation_dir: annotation_output/
data_files:
  - data/excerpts.json
item_properties:
  id_key: id
  text_key: text
user_config:
  allow_all_users: true
  users: []
 
# One coder per excerpt, and two coders on a 20% sample drawn within each site
num_annotators_per_item:
  default: 1
  overlap_sample:
    fraction: 0.2
    count: 2
    stratify_by: site
    seed: 7
 
# Coders apply the agreed codes and cannot add new ones during this round
codebook_mode: fixed
 
annotation_ui:
  memos: true
  visibility: private
 
cases:
  enabled: true
  key: participant_id
  attributes: [site]
 
annotation_schemes:
  - annotation_type: span
    name: quotes
    description: Highlight each passage that shows one of the codes.
    codebook: true
    labels: [access barriers, cost concerns, provider trust, administrative burden]
  - annotation_type: multiselect
    name: themes
    description: Which codes apply to this excerpt as a whole?
    codebook: true
    labels: [access barriers, cost concerns, provider trust, administrative burden]

data/excerpts.json의 각 발췌에는 구성이 지정한 필드가 있습니다.

{"id": "p01-03", "text": "I couldn't get an appointment for almost three weeks, and the clinic was nowhere near a bus line.", "participant_id": "P01", "site": "rural"}

이 구성은 QDA 모드를 꺼 둡니다. QDA 모드는 전체 코퍼스에 대해 분석가 한 명을 가정하고 코드북을 편집할 수 있게 열어 두는데, 위 연구에는 고정된 코드북과 표본에 대한 코더 두 명이 필요합니다. 두 스킴은 하나의 공유 코드북을 사용합니다. 공유 코드북은 누가 코드를 바꿀 수 있는지, 그 변경이 저장된 코딩에 어떤 영향을 주는지 다룹니다. quotes 스킴은 인용 보고서를 위한 구절을 기록합니다. themes 스킴은 각 발췌 전체에 대한 코드를 기록하며, reliability 내보내기는 quotes 구절과 themes 응답을 모두 Krippendorff의 알파로 채점합니다. 코딩이 끝나면 세 가지 내보내기를 실행하세요.

python -m potato.export -c config.yaml -f reliability -o ./export/
python -m potato.export -c config.yaml -f quotation_report --option include_memos=true -o ./export/
python -m potato.export -c config.yaml -f qdpx -o ./export/

첫 번째 명령은 질문마다 알파, 95% 부트스트랩 구간, 일치율이 있는 reliability.csv와 reliability.md를 씁니다. 두 번째는 강조된 구절마다 한 행을 쓰며, 인용문, 인용문의 오프셋, 발췌, 코더가 있고 그 뒤에 메모가 따릅니다. 세 번째는 NVivo, ATLAS.ti, MAXQDA에서 작업을 이어 가는 동료를 위한 .qdpx 파일을 씁니다. QDA 모드는 인비보 코딩이 있는 단일 분석가 설정을, 내용 분석은 파일에서 불러오는 코드북을, 판정은 불일치를 해결하는 방법을 다룹니다.

Potato가 정성 연구에서 하지 않는 것

• 텍스트만 코딩합니다. 코드북, 인비보 코딩, REFI-QDA 교환은 텍스트에서 동작합니다. 녹음은 먼저 potato transcripts --transcribe --diarize로 텍스트가 되며, 이 명령은 자신의 컴퓨터에서 Whisper를 실행합니다. NVivo, ATLAS.ti, Dedoose, QualCoder는 오디오와 비디오를 직접 코딩합니다.
• 텍스트 자료는 REFI-QDA에서만 가져옵니다. .qdpx 파일의 그림, PDF, 오디오, 비디오는 가져오지 않으며, 텍스트 자료가 없는 프로젝트는 경고와 함께 빈 상태로 들어옵니다.
• 메모와 케이스는 .qdpx 내보내기에서 빠집니다. 내보내기에는 자료, 코드, 코딩, 코더가 들어 있고 메모는 인용 보고서로 나갑니다.
• 분석 표 두 개가 있으며 둘 다 관리자 API에 있습니다. Potato의 관리자 API는 코드 동시 출현 행렬과 케이스 속성별 코드 표를 JSON으로 반환하며, 관리자 대시보드는 어느 표도 보여 주지 않습니다. NVivo에는 질의와 코딩 행렬이 있으며, Potato의 코딩에 대한 추가 분석은 내보낸 파일로 R, Python 또는 다른 QDA 프로그램에서 진행합니다.
• 내보내기에서 구절을 문자 단위로 채점합니다. reliability 내보내기는 강조된 구절을 문자 수준 알파로 채점하며, 스팬 F1, 토큰 수준 카파, Mathet의 감마는 관리자 대시보드에만 있습니다.
• 인터뷰를 진행하지 않습니다. Usercall은 AI가 진행하는 인터뷰를 수행하고, Potato는 이미 가진 전사본이나 텍스트에서 시작합니다.
• 서버가 필요합니다. 누군가 pip로 Potato를 설치하고 서버를 실행해야 하며, 코더 한 명이면 노트북에서, 팀이면 공유 컴퓨터에서 실행합니다. Hugging Face Space는 호스팅 옵션이고, Taguette의 app.taguette.org는 설치가 필요 없습니다.

각 프로젝트의 자체 문서와 요금 페이지를 기준으로 2026년 10월에 확인했습니다.

자주 묻는 질문

Krippendorff의 알파를 계산하는 정성 코딩 소프트웨어는?

이 페이지의 도구 중에서는 ATLAS.ti와 Potato가 Krippendorff의 알파를 계산합니다. ATLAS.ti Desktop은 코더의 프로젝트를 병합한 뒤 일치율과 Holsti 지수와 함께 Krippendorff 알파 계열을 보고합니다. Potato의 reliability 내보내기는 질문별 알파를 95% 부트스트랩 구간과 함께 보고합니다. NVivo, Dedoose, QualCoder는 Cohen의 카파를 보고하고, MAXQDA는 Brennan과 Prediger의 카파를 보고합니다. 이 페이지의 어떤 도구에서든 내보낸 코드는 일치도 계산기가 CSV로 알파를 계산합니다.

가장 좋은 무료 정성 데이터 분석 소프트웨어는?

Taguette, QualCoder, Potato가 이 페이지의 무료 오픈 소스 도구이며, 셋 중 무엇이 가장 좋은지는 프로젝트에 따라 다릅니다. Taguette는 자신의 컴퓨터나 공유 서버에서 문서에 하이라이트와 태그를 다는 데 적합합니다. QualCoder는 연구자 한 명이 텍스트, PDF, 이미지, 오디오, 비디오를 코딩하며 클라우드 제공자나 로컬 모델의 AI 지원을 받는 데 적합합니다. Potato는 자료를 코더에게 나누고, 신뢰도 표본에 Krippendorff의 알파가 필요하며, NVivo나 ATLAS.ti 사용자와 .qdpx 파일로 프로젝트를 주고받는 팀에 적합합니다. 세 도구 모두 사용 비용이 없습니다.

더 읽어 보기

• Potato의 정성 연구 - 정성 기능을 한곳에서 보기
• QDA 모드
• 내용 분석
• 코더 두 명으로 인터뷰 전사본을 코딩하고 알파 보고하기 - 코드북에서 알파, 판정, QDPX 파일까지의 팀 코딩 프로젝트
• 프로젝트 가져오기
• 어노테이터 간 일치도 - 계수를 고르고 읽는 법
• 스팬 일치도
• 판정과 불일치
• 설문 조사 연구 도구 비교
• 어노테이션 도구 비교
• 정성 연구의 코더 간 신뢰도
• 정성 연구를 위한 코드북 개발
• 정성 코딩에서 LLM을 사용하고 보고하는 방법
• 정성 코딩을 위한 공유 코드북
• 정성 코딩을 위한 케이스와 케이스 속성
• 정성 코딩을 위한 분석 메모

참고 문헌

1. Jurgens, D., Chen, M., & Iyer, L. (2026). Potato 2.0: A Comprehensive Annotation Platform with AI-in-the-Loop Support. Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 3: System Demonstrations), 374-386. https://aclanthology.org/2026.acl-demo.37/