Skip to content
بازگشت به نتایج جست‌وجو

تحلیل مضمون بازتابی — براون و کلارک

معرفی‌شده توسط
Virginia Braun & Victoria Clarke
سال
2006 (seminal paper); explicitly named 'reflexive' from ~2019
نوع
Qualitative research method
خانواده
Thematic Analysis

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

تحلیل مضمون بازتابی (RTA) یک روش کیفی پرکاربرد برای شناسایی، تحلیل و تفسیر الگوهای معنایی مشترک — که مضامین نامیده می‌شوند — در سراسر یک مجموعه داده است. این روش که توسط ویرجینیا براون و ویکتوریا کلارک توسعه یافته است، از نظر نظری انعطاف‌پذیر است، در میان دیدگاه‌های معرفت‌شناختی کار می‌کند و نقش فعال و تفسیری پژوهشگر را برجسته می‌کند، به جای آنکه مضامین را ویژگی‌هایی بدانیم که صرفاً از داده‌ها پدیدار می‌شوند. این روش با برخورد با ذهنیت تحلیلگر به عنوان یک منبع به جای منبعی از سوگیری که باید سرکوب شود، با رویکردهای قدیمی‌تر «کتاب کد» تفاوت دارد.

شهود پشت روش

RTA را به عنوان فرآیندی منضبط برای خواندن، بازخوانی و معناسازی از داده‌های کیفی در نظر بگیرید. برخلاف شمارش ساده فراوانی کلمات، پژوهشگر فعالانه مضامین را می‌سازد — ادعاهای تفسیری درباره آنچه داده‌ها در رابطه با سؤال تحقیق آشکار می‌کنند. «بازتابی» در نام آن نشان می‌دهد که تحلیلگر به طور مداوم در مورد چگونگی شکل‌دهی دیدگاه، مفروضات و تصمیمات خود به تحلیل تأمل می‌کند. این یک ضعف برای پنهان کردن نیست؛ بلکه یک تعهد روش‌شناختی صریح است. یک مطالعه خوب RTA وانمود نمی‌کند که تحلیلگر نامرئی است؛ بلکه نشان می‌دهد که چگونه تفکر تحلیلگر در طول شش فاز تکراری توسعه یافته است.

تاریخ

ویرجینیا براون و ویکتوریا کلارک مقاله بنیادی خود را در مورد تحلیل مضمون در «کیفی پژوهش در روانشناسی» در سال ۲۰۰۶ منتشر کردند و اولین راهنمای روش‌شناختی گام به گام را ارائه دادند که این رویکرد را در میان رشته‌ها قابل دسترس کرد. این مقاله به یکی از پر استنادترین مقالات در تحقیقات کیفی تبدیل شد. در طول دهه بعد، نویسندگان شاهد سوء استفاده گسترده از روش خود بودند، به ویژه سردرگمی با رویکردهای کتاب کد و فرض نادرست مبنی بر اینکه مضامین از داده‌ها «پدیدار می‌شوند». در پاسخ، از حدود سال ۲۰۱۹، آنها به طور صریح «تحلیل مضمون بازتابی» را به عنوان یک رویکرد نام‌گذاری شده و مبتنی بر نظریه متمایز کردند و بر عاملیت تفسیری تحلیلگر و بازتابی مداوم به عنوان سازنده روش به جای موارد اختیاری تأکید کردند.

چه زمانی استفاده شود

RTA زمانی مناسب است که سؤال تحقیق می‌پرسد چه الگوهای معنایی در داده‌های کیفی وجود دارد — مردم در رابطه با یک موضوع چه فکر می‌کنند، احساس می‌کنند، انجام می‌دهند یا تجربه می‌کنند. این روش در میان رشته‌ها (بهداشت، آموزش، روانشناسی، علوم اجتماعی) و دیدگاه‌های معرفت‌شناختی (واقع‌گرایانه، سازنده‌گرا، انتقادی) مناسب است. این روش برای اهداف اکتشافی، توصیفی و تفسیری مناسب است. این روش به داده‌های متنی از مصاحبه‌ها، گروه‌های کانونی، پاسخ‌های نظرسنجی با سؤالات باز، یا اسناد نیاز دارد. RTA زمانی مناسب نیست که هدف ساختن یک نظریه مبتنی بر داده (از نظریه مبتنی بر داده استفاده کنید)، توصیف تجربه یک فرد واحد به صورت عمیق (از مطالعه موردی یا IPA استفاده کنید)، یا آزمون فرضیه‌ها (از روش‌های کمی استفاده کنید) باشد.

محدودیت‌ها و ملاحظات

  • یافته‌ها خاص زمینه هستند و از نظر آماری قابل تعمیم نیستند؛ قابلیت انتقال به جای منطق نمونه‌گیری به توصیف عمیق بستگی دارد.
  • کیفیت تحلیل به شدت به مهارت تحلیلگر در ساخت مضامین تفسیری — نه صرفاً توصیفی — بستگی دارد.
  • بدون بازتابی واقعی، مضامین می‌توانند ناخواسته منعکس‌کننده پیش‌فرض‌های پژوهشگر باشند تا الگوهای موجود در روایت شرکت‌کنندگان.
  • این روش یک نظریه رسمی تولید نمی‌کند یا مکانیسم‌های علّی را توضیح نمی‌دهد؛ برای نظریه‌سازی، نظریه مبتنی بر داده مناسب‌تر است.

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • انعطاف‌پذیر از نظر نظری و معرفت‌شناختی — قابل اجرا از چارچوب‌های واقع‌گرایانه تا سازنده‌گرا و انتقادی.
  • به نمونه بزرگی نیاز ندارد؛ داده‌های غنی و عمیق از تعداد کمتری از شرکت‌کنندگان ارزشمندتر از گستردگی است.
  • در مورد نقش تحلیلگر شفاف است — بازتابی یک نقطه قوت روش‌شناختی است، نه یک عامل مخدوش‌کننده که باید به حداقل برسد.
  • نقطه ورود قابل دسترس برای تحقیقات کیفی؛ شش فاز یک چارچوب رویه‌ای روشن را بدون قوانین سفت و سخت فراهم می‌کنند.
  • برای زمینه‌های تحقیقات کاربردی که هدف درک دیدگاه‌های ذینفعان در مورد مسائل دنیای واقعی است، مناسب است.

کاربردها

  • تحلیل داده‌های مصاحبه با بیماران برای درک تجربیات زندگی با یک بیماری مزمن یا پیمایش خدمات بهداشتی.
  • بررسی پاسخ‌های نظرسنجی با سؤالات باز برای ثبت ادراکات کارکنان یا دانشجویان از یک برنامه سازمانی.
  • کاوش داده‌های گروه کانونی در مورد نگرش عمومی نسبت به یک سیاست اجتماعی، فناوری، یا رفتار بهداشتی.
  • بررسی رونوشت‌های مصاحبه در مورد هویت حرفه‌ای، استرس شغلی، یا فرهنگ محل کار.
  • تفسیر پست‌های رسانه‌های اجتماعی، مقالات خبری، یا اسناد سیاستی برای درک چگونگی ساخت یک پدیده در گفتمان عمومی.

چگونه کار می‌کند

چگونه کار می‌کند

1

تحلیلگر با خواندن و بازخوانی تمام رونوشت‌ها یا اسناد، گوش دادن به صدا در صورت وجود، و یادداشت‌برداری اولیه، خود را در مجموعه داده غرق می‌کند. این فاز منفعل نیست؛ پژوهشگر شروع به مشاهده الگوها، معماها و ایده‌هایی در مورد آنچه داده‌ها ممکن است در رابطه با سؤال تحقیق معنی داشته باشند، می‌کند. تعامل فعال از اولین تماس با داده‌ها ضروری است.

2

تحلیلگر با کار سیستماتیک در کل مجموعه داده، کدهایی را تولید می‌کند — برچسب‌های مختصر که چیزی را که از نظر تحلیلی جالب است در مورد یک استخراج داده ثبت می‌کنند. کدها به هر قطعه داده مرتبط اختصاص داده می‌شوند. در RTA، کدگذاری یک عمل خلاقانه و تفسیری است: تحلیلگر تصمیم می‌گیرد چه چیزی قابل توجه است و چرا، و مجموعه‌ای غنی از کدها را تولید می‌کند که سؤال تحقیق را منعکس می‌کند به جای آنکه صرفاً همه چیز گفته شده را فهرست کند.

3

کدها مرتب، گروه‌بندی و سازماندهی مجدد می‌شوند تا مضامین بالقوه شناسایی شوند. یک مضمون صرفاً یک موضوع پرتکرار نیست؛ بلکه یک ادعای تفسیری منسجم در مورد الگوی معنای مشترک در سراسر مجموعه داده است. در این مرحله، تحلیلگر با تمام استخراج‌های کدگذاری شده داده کار می‌کند و شروع به ترسیم نقشه‌های بصری مضامین کاندید می‌کند — اغلب با استفاده از نقشه‌های موضوعی یا نمودارهای وابستگی — و توجه می‌کند که کدها چگونه با یکدیگر مرتبط یا متفاوت هستند.

4

تحلیلگر مضامین کاندید را در دو دور در برابر کل مجموعه داده آزمایش می‌کند. ابتدا، استخراج‌های کدگذاری شده در هر مضمون کاندید بررسی می‌شوند تا اطمینان حاصل شود که یک تصویر منسجم را تشکیل می‌دهند. ثانیاً، هر مضمون در رابطه با کل مجموعه داده خوانده می‌شود تا اطمینان حاصل شود که مجموعه مضامین به طور کافی داده‌ها را پوشش می‌دهد. مضامین ممکن است ادغام، تقسیم، حذف یا تغییر نام شوند. یادداشت‌های بازتابی، استدلال پشت این تصمیمات را مستند می‌کنند.

5

به هر مضمون حفظ شده، نامی واضح و تعریفی دقیق داده می‌شود که دامنه و تمرکز آن را مشخص می‌کند — اینکه در مورد چیست و در مورد چیست نیست. تحلیلگر بهترین استخراج‌های داده‌ای را برای هر مضمون شناسایی می‌کند. کار تعریف‌کننده، تحلیلی است، نه توصیفی: هر مضمون باید یک ادعای تفسیری داشته باشد، نه اینکه صرفاً آنچه شرکت‌کنندگان در مورد یک موضوع گفته‌اند را خلاصه کند.

6

گزارش نهایی روایت تحلیلی را با استخراج‌های داده‌ای منتخب در هم می‌آمیزد تا داستانی تفسیری قانع‌کننده در مورد مجموعه داده در رابطه با سؤال تحقیق بیان کند. نگارش یک گشت و گذار متوالی در مضامین نیست؛ بلکه برای تفسیر استدلال می‌کند، نشان می‌دهد که چگونه شواهد از آن پشتیبانی می‌کنند، و یافته‌ها را در رابطه با ادبیات مرتبط قرار می‌دهد. موقعیت بازتابی پژوهشگر معمولاً در بخش روش‌ها یا بیانیه بازتابی مورد بحث قرار می‌گیرد.

دام‌های رایج

  • برخورد با مضامین به عنوان پدیدار شونده از داده‌ها به جای ساخته شده توسط تحلیلگر — این اساس معرفت‌شناختی RTA را نادرست نشان می‌دهد و منجر به مضامین کم‌نظریه و توصیفی می‌شود.
  • اشتباه گرفتن مضمون با موضوع — یک مضمون باید ادعای تفسیری در مورد الگوی معنای مشترک داشته باشد، نه اینکه صرفاً آنچه شرکت‌کنندگان در مورد آن صحبت کرده‌اند را برچسب بزند.
  • اولویت دادن به کمیت داده بر کیفیت — شمارش اینکه چند نفر چیزی را ذکر کرده‌اند، مبنای یک مضمون نیست؛ ارتباط تفسیری با سؤال تحقیق مبنا است.
  • نادیده گرفتن بازتابی واقعی — صرف نام بردن از پیشینه فرد در بخش روش‌ها کافی نیست؛ تحلیلگر باید در طول تحلیل مستند کند که چگونه دیدگاه او بر کدگذاری و توسعه مضمون تأثیر گذاشته است.
  • اعمال منطق تحلیل مضمون کتاب کد (کدهای از پیش تعریف شده ثابت که توسط چندین کدگذار توافق شده‌اند) و نامیدن آن به عنوان تحلیل مضمون بازتابی — این دو رویکرد دارای مفروضات معرفت‌شناختی متفاوتی هستند و نباید با هم مخلوط شوند.

پرسش‌های متداول

تحلیل مضمون بازتابی چگونه با تحلیل مضمون کتاب کد متفاوت است؟

تحلیل مضمون بازتابی کدگذاری را به عنوان یک عمل تفسیری که توسط یک تحلیلگر واحد (یا یک تیم کوچک که به طور مشترک کار می‌کنند) انجام می‌شود، در نظر می‌گیرد، با مضامینی که از هر مجموعه داده تازه ساخته می‌شوند. تحلیل مضمون کتاب کد یک واژه‌نامه کد مشترک را از پیش تعیین می‌کند، اغلب از بررسی‌های قابلیت اطمینان بین ارزیاب استفاده می‌کند، و هدف آن قابلیت تکرار در میان تحلیلگران است. این دو رویکرد بر مفروضات معرفت‌شناختی متفاوتی استوار هستند: تحلیل مضمون بازتابی به طور کلی سازنده‌گرا است و ذهنیت تحلیلگر را برجسته می‌کند؛ تحلیل مضمون کتاب کد تمایل به ایده‌آل (پس از) اثبات‌گرایانه یافته‌های مستقل از پژوهشگر دارد.

به چند شرکت‌کننده یا مورد داده نیاز دارم؟

در تحلیل مضمون بازتابی حداقل ثابت وجود ندارد. براون و کلارک استدلال می‌کنند که اندازه نمونه باید توسط سؤال تحقیق، غنای داده‌ها و عمق تحلیل مورد نظر تعیین شود — نه توسط یک عدد جهانی. نمونه‌های کوچکتر ۶ تا ۱۵ مصاحبه عمیق در مطالعات غنی و تجربی رایج هستند؛ مجموعه داده‌های بزرگتر نظرسنجی با سؤالات باز ممکن است شامل صدها پاسخ باشد. سؤال راهنما این است که آیا مجموعه داده، گستردگی و عمق کافی برای پرداختن به سؤال تحقیق را فراهم می‌کند.

آیا باید از نرم‌افزارهایی مانند NVivo یا ATLAS.ti استفاده کنم؟

نرم‌افزار اختیاری است. NVivo، ATLAS.ti، یا Dedoose می‌توانند در سازماندهی، جستجو و بازیابی داده‌های کدگذاری شده کمک کنند، اما کار تفسیری را انجام نمی‌دهند. هسته فکری RTA — تصمیم‌گیری در مورد آنچه معنی‌دار است، ساخت کدها، ایجاد مضامین، و نوشتن یادداشت‌های بازتابی — قابل واگذاری به نرم‌افزار نیست. بسیاری از پژوهشگران RTA را با اسناد پردازش کلمه، صفحات گسترده، یا رونوشت‌های چاپی و خودکارهای رنگی انجام می‌دهند.

چه چیزی یک مضمون خوب در RTA را می‌سازد؟

یک مضمون خوب، ادعای تفسیری روشنی در مورد الگوی معنای مشترک در مجموعه داده است که به سؤال تحقیق مرتبط است. این یک برچسب ساده برای موضوعی که مردم درباره آن صحبت کرده‌اند نیست. باید از نظر داخلی منسجم باشد (استخراج‌های داده‌ای درون آن با هم تعلق دارند)، از مضامین دیگر متمایز باشد، و از نظر تحلیلی مهم باشد — چیزی جالب در مورد داده‌ها فراتر از خلاصه‌کردن آن می‌گوید.

تحلیل مضمون بازتابی چگونه با نظریه مبتنی بر داده متفاوت است؟

هر دو رویکرد کیفی هستند که از کدگذاری تکراری استفاده می‌کنند، اما در هدف و رویه متفاوت هستند. تحلیل مضمون بازتابی با هدف شناسایی الگوهای معنایی در سراسر مجموعه داده در رابطه با سؤال تحقیق انجام می‌شود؛ هدف آن ساختن یک نظریه محتوایی نیست. نظریه مبتنی بر داده با هدف تولید یک نظریه رسمی مبتنی بر داده از طریق نمونه‌گیری نظری، مقایسه مداوم، و اشباع نظری انجام می‌شود. نظریه مبتنی بر داده همچنین معمولاً شامل جمع‌آوری و تحلیل همزمان داده‌ها است، در حالی که RTA معمولاً یک مجموعه داده کامل را تحلیل می‌کند.

روش‌های مرتبط

منابع

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

    باز کردن مرجع DOI
    کپی شد.
  2. Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597.

    باز کردن مرجع DOI
    کپی شد.