Zum Inhalt springen
Zurück zu den Suchergebnissen

Thematische Analyse

Eingeführt von
Virginia Braun and Victoria Clarke
Jahr
2006
Typ
Method
Familie
inductive-pattern-recognition

Dieser Text ist eine maschinelle Übersetzung und wurde noch nicht geprüft. Original auf Englisch lesen

Schriftgröße

Was leistet sie?

Die thematische Analyse (TA) ist eine qualitative Forschungsmethodik zur Identifizierung, Analyse und Berichterstattung von Mustern (Themen) in qualitativen Daten.

Systematisch entwickelt von Virginia Braun und Victoria Clarke (2006), ist die TA flexibel und zugänglich, anwendbar über verschiedene theoretische Rahmenwerke und Datentypen hinweg, was sie zu einer der am weitesten verbreiteten qualitativen Methoden in der Psychologie, der Gesundheitsforschung und den Sozialwissenschaften macht.

Die Intuition hinter der Methode

Die thematische Analyse funktioniert, indem Daten identifiziert und in aussagekräftige Muster oder Themen organisiert werden – wiederkehrende Ideen, Konzepte oder Bedeutungen, die etwas Wichtiges über die Daten in Bezug auf die Forschungsfrage erfassen. Im Gegensatz zur Grounded Theory, die darauf abzielt, neue Theorien zu generieren, oder zur Phänomenologie, die gelebte Erfahrungen erforscht, ist die TA eher deskriptiv: Sie identifiziert, was in den Daten vorhanden ist, und organisiert es kohärent. Eine wichtige Unterscheidung in der modernen TA ist zwischen theoriegetriebener (deduktiver) Kodierung – bei der Daten anhand vordefinierter Kategorien kodiert werden – und datengetriebener (induktiver) Kodierung, bei der Themen aus den Daten selbst entstehen. Reflexive TA (Braun & Clarke 2019) erkennt explizit an, dass Forschende Themen aktiv konstruieren, anstatt sie objektiv zu 'finden'; diese Transparenz unterscheidet sie von früheren Versionen, die implizierten, dass Themen entdeckt wurden.

Geschichte

Braun und Clarke führten 2006 die systematische thematische Analyse als eine transparentere, theoretisch flexiblere Alternative zur atheoretischen Zusammenfassung qualitativer Daten ein. Ihre Sechs-Phasen-Prozedur wurde in Psychologie, Krankenpflege, Gesundheitswesen und Sozialwissenschaften weit verbreitet. Boyatzis (1998) und andere hatten zuvor thematische Ansätze beschrieben, aber der Rahmen von 2006 bot eine beispiellose Klarheit. Im Jahr 2019 veröffentlichten Braun und Clarke 'Reflecting on reflexive thematic analysis' und definierten TA als grundlegend reflexiv neu: Forschende konstruieren Themen aktiv auf der Grundlage ihrer analytischen Entscheidungen und theoretischen Positionierung. Dieses Update verdeutlichte, dass thematische Analyse keine wertneutrale Entdeckung, sondern interpretative Sozialwissenschaft ist.

Wann wird sie eingesetzt?

Verwenden Sie thematische Analyse, wenn Sie Muster von Bedeutungen in qualitativen Daten identifizieren, beschreiben und organisieren möchten, ohne die Generierung neuer Theorien (verwenden Sie dafür Grounded Theory) oder die Erforschung gelebter Erfahrungen (verwenden Sie Phänomenologie) zu erfordern. TA ist ideal für Forschungsfragen, die 'Was sind die Barrieren für...' oder 'Was sind die Ansichten der Teilnehmer zu...' lauten. Sie funktioniert mit vielfältigen Teilnehmerstichproben, Interviewtypen und sogar verschiedenen Datenmodalitäten. TA ist hervorragend für angewandte Forschung geeignet, die darauf abzielt, Praxis, Politik oder Serviceverbesserungen zu informieren. Sie ist flexibel genug für explorative deskriptive Studien und anspruchsvoll genug für theorieprüfende oder hypothesengenerierende Forschung, je nach Ihrem Ansatz.

Grenzen und Hinweise

  • Risiko der Oberflächlichkeit, wenn die Analyse deskriptiv bleibt, ohne tiefere Interpretation; kann lange Listen von Themen produzieren, ohne Bedeutung zu synthetisieren oder theoretische Beiträge zu leisten.
  • Flexibilität ist sowohl Stärke als auch Schwäche: Das Fehlen starrer Verfahren ermöglicht Inkonsistenz; schlechte Ausführung führt zu schwachen oder idiosynkratischen Ergebnissen.
  • Generiert keine Theorie (im Gegensatz zur Grounded Theory) und erforscht keine essentiellen Strukturen (im Gegensatz zur Phänomenologie); aus TA abgeleitete Theorien müssen separat validiert werden.
  • Terminologie- und Verfahrensvariabilität in der Literatur (ältere vs. neuere TA, reflexive vs. nicht-reflexive Ansätze) schafft Mehrdeutigkeit darüber, welche Version durchgeführt wird.

Die Bedingungen der Quelle ersetzen weder eine unabhängige wissenschaftliche Prüfung noch die Validierung durch eine Analyse-Engine.

Stärken

  • Flexibel und zugänglich: anwendbar über verschiedene theoretische Rahmenwerke und Forschungsparadigmen, geeignet für unerfahrene und erfahrene Forschende.
  • Effizient für große Datensätze oder mehrere Interviews pro Teilnehmer; kann qualitativ hochwertige Daten systematisch analysieren.
  • Klare Sechs-Phasen-Prozedur bietet einen strukturierten, transparenten Ansatz, der eine Audit-Spur zur Demonstration von Rigorosität erzeugt.
  • Reflexive TA (2019) erkennt die Rolle des Forschenden bei der Themenkonstruktion explizit an, reduziert falsche Behauptungen objektiver Entdeckung und fördert methodische Transparenz.

Anwendungen

  • Analyse von Patienten- oder Betreueransichten zu Krankheitsmanagement, Behandlungsbarrieren oder Servicequalität zur Information klinischer Leitlinien und zur Verbesserung patientenzentrierter Versorgung.
  • Erforschung von Mitarbeitererfahrungen mit organisatorischem Wandel, Unternehmenskultur oder Wohlbefinden zur Steuerung von HR-Richtlinien und Führungskräftetrainings.
  • Identifizierung von Themen in Medienberichterstattung oder Social-Media-Diskursen zum Verständnis öffentlicher Wahrnehmung und Kommunikationsstrategien.
  • Untersuchung von Eltern- und Schülerperspektiven auf Schulerfahrungen, Lernen oder Mobbing zur Entwicklung evidenzbasierter Interventionen.
  • Analyse von Interviewdaten aus Programmevaluationen zur Bewertung von Interventionsloyalität, Barrieren und Akzeptanz für die Programmverfeinerung.

So funktioniert es

So funktioniert es

1

Sammeln Sie qualitative Daten durch Interviews, Fokusgruppen, offene Umfragen, Dokumente oder Medien (Bilder, Videos). Führen Sie eine zielgerichtete Stichprobe von ausreichender Größe durch, um Ihre Forschungsfrage zu beantworten (keine feste Regel; typischerweise 5–50+ Teilnehmer, abhängig von Tiefe und Komplexität). Transkribieren Sie Interviews wörtlich und achten Sie auf Tonfall und Pausen, falls diese für Ihre Forschungsfrage bedeutsam sind. Für die deduktive TA operationalisieren Sie Kategorien im Voraus; für die induktive TA nähern Sie sich den Daten offen ohne vordefinierte Codes. Tauchen Sie tief in die Daten ein, indem Sie Transkripte mehrmals lesen und wiederholen, um sich vertraut zu machen und erste Eindrücke zu gewinnen.

2

Führen Sie die systematische Kodierung in sechs Phasen durch (Braun & Clarke 2006): (1) Vertrautheit – Transkripte mehrmals lesen, Muster und interessante Merkmale notieren; (2) Erste Kodierung – sinnvolle Segmente zeilenweise über den gesamten Datensatz kodieren, Konsistenz wahren und eine erschöpfende Liste von Codes erstellen; (3) Suche nach Themen – Codes zu potenziellen Themen organisieren (Kategorien mit kohärenten Mustern), Beziehungen zwischen Codes identifizieren; (4) Überprüfung der Themen – Themen anhand der kodierten Daten und des gesamten Datensatzes überprüfen; Themen mit unzureichender Datenunterstützung eliminieren, überlappende Themen zusammenführen oder inkohärente Themen aufteilen; (5) Themen definieren und benennen – prägnante, klare Namen und Definitionen für jedes Thema entwickeln, die das Wesentliche und den Umfang erfassen; (6) Ausarbeitung – die Analyse entwerfen, Themen mit unterstützenden Zitaten aus den Daten integrieren. Verwenden Sie durchgehend den ständigen Vergleich: Vergleichen Sie neue Codes mit bestehenden, um Konsistenz zu gewährleisten. Reflexive TA betont die Dokumentation Ihrer interpretativen Entscheidungen und die Anerkennung, wie Ihre theoretische Perspektive die Themenkonstruktion geprägt hat.

3

Präsentieren Sie die Ergebnisse als thematische Karte oder narrative Darstellung von Themen und ihren Beziehungen. Jedes Thema sollte Ihre Forschungsfrage beantworten und durch mehrere Datenauszüge (direkte Zitate) gestützt werden. Geben Sie eine Analyse dessen, was jedes Thema in Bezug auf Ihre Forschungsfrage und Ihren theoretischen Rahmen bedeutet. Vermeiden Sie es, Themen lediglich zusammenzufassen oder aufzulisten; liefern Sie Interpretation. Eine gute thematische Analyse deckt Muster auf, die beim Lesen von Rohdaten allein nicht offensichtlich wären. Unterscheiden Sie klar zwischen datengetriebenen (induktiven) und theoriegetriebenen (deduktiven) Ansätzen in Ihrer Präsentation und erkennen Sie an, dass Themen durch analytische Entscheidungen konstruiert und nicht objektiv entdeckt werden.

Häufige Fallstricke

  • Durchführung einer atheoretischen Analyse: Versäumnis, den theoretischen Rahmen und die Forschungsfrage explizit zu formulieren; Themen sollten Ihrer Forschungsfrage dienen, nicht isoliert stehen.
  • Themenproliferation: Erzeugung zu vieler Themen mit minimaler Datenunterstützung oder Vermischung von Codes mit Themen (ein Thema erfordert mehrere Codes und unterstützende Daten).
  • Unzureichende Themenentwicklung: vage Benennung von Themen, Bereitstellung unzureichender Zitate oder Versäumnis, Bedeutung zu interpretieren; Leser sollten sowohl verstehen, was jedes Thema ist, als auch warum es wichtig ist.
  • Übersehen von Datenwidersprüchen: Ignorieren von Daten, die nicht zu aufkommenden Themen passen, oder Versäumnis, Variationen zu erforschen; gute TA erkennt Nuancen und Variationen innerhalb von Themen an.

Häufig gestellte Fragen

Wie unterscheidet sich die Reflexive Thematische Analyse (Braun & Clarke 2019) von der ursprünglichen TA-Methode?

Die ursprüngliche TA (Braun & Clarke 2006) präsentierte sechs systematische Phasen, implizierte aber, dass Themen durch sorgfältige Kodierung in Daten 'gefunden' oder 'entdeckt' werden könnten. Reflexive TA (2019) macht explizit, dass Forschende Themen aktiv durch interpretative Entscheidungen konstruieren: Sie entscheiden, was relevant ist, welche Codes gruppiert werden sollen, wie Themen benannt werden sollen. Reflexive TA verschiebt die Terminologie von 'Kodierung' (was passive Etikettierung impliziert) zu 'Kodierung/Interpretation' (was aktives Bedeutungsfindung impliziert). Sie verlangt die explizite Anerkennung der Positionierung des Forschenden, des theoretischen Rahmens und wie Subjektivität die Analyse geprägt hat. Die Phasen sind dieselben, aber die Epistemologie ist transparenter und ehrlicher bezüglich der Interpretation.

Was ist der Unterschied zwischen induktiver und deduktiver thematischer Analyse?

Induktive TA erlaubt es, dass Themen aus den Daten ohne vordefinierte Kategorien entstehen; man liest Daten offen und Codes entwickeln sich aus beobachteten Mustern. Dies ist explorativ und theoriegenerierend. Deduktive TA wendet einen vordefinierten Kodierungsrahmen oder theoretische Kategorien an, um Daten zu organisieren; dies ist Hypothesen- oder Theorieprüfung. Die meiste TA ist induktiv oder primär induktiv mit einigen deduktiven Elementen. Seien Sie explizit, welchen Ansatz Sie verwendet haben; deduktive Analyse ist gültig, dient aber anderen Forschungszielen (Testen vs. Erkunden).

Wie viele Codes oder Themen sollte ich haben?

Es gibt keine Zielzahl. Thematische Analyse-Codes variieren je nach Datenvolumen, Komplexität und Fokus der Frage: 20–60 erste Codes aus 15–20 Interviews sind typisch, die in der endgültigen Analyse zu 5–15 Themen zusammengefasst werden. Wenn Sie 50+ Themen haben, benötigen Sie wahrscheinlich eine übergeordnete Clusterbildung oder klarere Definitionen. Themen sollten unterscheidbar, aber verwandt sein; wenn sich alle Themen ähnlich oder unzusammenhängend anfühlen, überprüfen Sie Ihre Kodierung oder Frage. Qualität ist wichtiger als Quantität; eine gut entwickelte Vier-Themen-Analyse ist einer ausufernden 20-Themen-Analyse ohne Kohärenz überlegen.

Wie stelle ich sicher, dass Themen in den Daten verankert sind und nicht nur meine Interpretation darstellen?

Jedes Thema muss durch mehrere Datenauszüge gestützt werden (typischerweise 4–6+ Zitate pro Thema, mehr für Hauptthemen). Liefern Sie Zitatnachweise in Ihren Ergebnissen. Verwenden Sie eine Code-Matrix oder eine Häufigkeitstabelle, die zeigt, welche Teilnehmer zu jedem Thema beigetragen haben – wenn ein Thema auf Daten von nur einem Teilnehmer beruht, ist es möglicherweise zu idiosynkratisch. Führen Sie einen ständigen Vergleich durch und überprüfen Sie neue Codes mit bestehenden. Peer-Debriefing: Diskutieren Sie aufkommende Themen mit einem Kollegen, um zu testen, ob Ihre Interpretationen aus den Daten plausibel sind. Member Checking (wo machbar) mit Teilnehmern kann verifizieren, ob Themen mit ihrer Erfahrung resonieren. Dokumentieren Sie Ihre analytischen Entscheidungen (Memos, analytische Notizen), um die logische Kette von Codes zu Themen aufzuzeigen.

Kann ich TA mit großen Datensätzen oder Sekundärdaten verwenden?

Ja. TA ist skalierbar: Sie können sie auf 10 oder 100 Interviews anwenden. Bei großen Datensätzen werden systematische Kodierungsverfahren noch wichtiger, um die Konsistenz zu gewährleisten. Sekundärdaten (z. B. Interviewtranskripte aus einer früheren Studie, offene Antworten aus Umfragen, veröffentlichte Autobiografien, Social Media) sind für TA geeignet, wenn die Daten zu einem Thema erhoben wurden, das für Ihre Forschungsfrage relevant ist. Beachten Sie, dass Sekundär-TA im Vergleich zur primären Datenerhebung möglicherweise an Kontext oder relationaler Reichhaltigkeit mangelt.

Verwandte Methoden

Quellen

  1. Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101.

    DOI-Referenz öffnen
    Kopiert.
  2. Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597.

    DOI-Referenz öffnen
    Kopiert.
  3. Boyatzis, R. E. (1998). Transforming qualitative information: Thematic analysis and code development. Sage Publications.

    Publikationsreferenz öffnen
    Kopiert.