Skip to content
Torna ai risultati

Analisi Tematica Riflessiva — Braun & Clarke

Introdotto da
Virginia Braun & Victoria Clarke
Anno
2006 (seminal paper); explicitly named 'reflexive' from ~2019
Tipo
Qualitative research method
Famiglia
Thematic Analysis

Questo testo è una traduzione automatica e non è ancora stato revisionato. Leggi l’originale in inglese

Dimensione del carattere

A cosa serve?

L'Analisi Tematica Riflessiva (RTA) è un metodo qualitativo ampiamente utilizzato per identificare, analizzare e interpretare pattern di significato condiviso — chiamati temi — all'interno di un dataset.

Sviluppato da Virginia Braun e Victoria Clarke, è teoricamente flessibile, funziona trasversalmente alle posizioni epistemologiche e mette in primo piano il ruolo attivo e interpretativo del ricercatore, piuttosto che trattare i temi come caratteristiche che emergono semplicemente dai dati. Si differenzia dai più vecchi approcci basati su 'codebook' trattando la soggettività dell'analista come una risorsa piuttosto che una fonte di bias da sopprimere.

L’intuizione alla base del metodo

Si pensi all'RTA come a un processo disciplinato di lettura, rilettura e attribuzione di significato ai dati qualitativi. A differenza di un semplice conteggio di frequenza delle parole, il ricercatore costruisce attivamente temi — affermazioni interpretative su ciò che i dati rivelano in relazione alla domanda di ricerca. Il termine 'riflessiva' nel nome segnala che l'analista riflette continuamente su come la propria prospettiva, i propri presupposti e le proprie decisioni modellino l'analisi. Questa non è una debolezza da nascondere; è un impegno metodologico esplicito. Un buon studio RTA non finge che l'analista sia invisibile; mostra come il pensiero dell'analista si sia sviluppato attraverso sei fasi iterative.

Storia

Virginia Braun e Victoria Clarke hanno pubblicato il loro articolo fondamentale sull'analisi tematica su Qualitative Research in Psychology nel 2006, fornendo la prima guida metodologica passo-passo che ha reso l'approccio accessibile a tutte le discipline. Questo articolo è diventato uno degli articoli più citati nella ricerca qualitativa. Nel decennio successivo, gli autori hanno osservato un'errata applicazione diffusa del loro metodo, in particolare la confusione con gli approcci basati su codebook e l'erronea assunzione che i temi 'emergessero' dai dati. In risposta, a partire dal 2019, hanno esplicitamente distinto l''analisi tematica riflessiva' come un approccio nominato e teoricamente fondato, enfatizzando l'agenzia interpretativa dell'analista e la riflessività continua come costitutive del metodo piuttosto che come aggiunte opzionali.

Quando usarlo

L'RTA è appropriata quando la domanda di ricerca chiede quali pattern di significato esistono nei dati qualitativi — cosa le persone pensano, sentono, fanno o sperimentano in relazione a un argomento. È adatta a tutte le discipline (sanità, istruzione, psicologia, scienze sociali) e posizioni epistemologiche (realista, costruttivista, critica). Si adatta a scopi esplorativi, descrittivi e interpretativi. Richiede dati testuali da interviste, focus group, risposte a sondaggi a domande aperte o documenti. L'RTA NON è appropriata quando l'obiettivo è costruire una grounded theory (usare la grounded theory), descrivere in profondità l'esperienza di un singolo individuo (usare studi di caso o IPA), o testare ipotesi (usare metodi quantitativi).

Limiti e considerazioni

  • I risultati sono specifici del contesto e non generalizzabili statisticamente; la trasferibilità dipende da una descrizione densa piuttosto che dalla logica del campionamento.
  • La qualità dell'analisi dipende fortemente dall'abilità dell'analista nel costruire temi interpretativi — non meramente descrittivi.
  • Senza una riflessività genuina, i temi possono riflettere inavvertitamente i preconcetti del ricercatore piuttosto che i pattern nei resoconti dei partecipanti.
  • Il metodo non produce una teoria formale né spiega meccanismi causali; per la costruzione di teorie, la grounded theory è più appropriata.

Le condizioni della fonte non sostituiscono una revisione scientifica indipendente né la validazione da parte di un motore di analisi.

Punti di forza

  • Flessibile teoricamente ed epistemologicamente — applicabile da quadri di riferimento realisti a costruttivisti e critici.
  • Non richiede un campione ampio; dati ricchi e approfonditi da un numero minore di partecipanti sono più preziosi della vastità.
  • Trasparente riguardo al ruolo dell'analista — la riflessività è un punto di forza metodologico, non un fattore confondente da minimizzare.
  • Punto di accesso accessibile per la ricerca qualitativa; le sei fasi forniscono un chiaro schema procedurale senza regole rigide.
  • Ben adatta a contesti di ricerca applicata in cui l'obiettivo è comprendere le prospettive degli stakeholder su questioni del mondo reale.

Applicazioni

  • Analizzare dati di interviste a pazienti per comprendere le esperienze di vita con una condizione cronica o di navigazione nei servizi sanitari.
  • Esaminare risposte a sondaggi a domande aperte per cogliere le percezioni di dipendenti o studenti riguardo a un programma istituzionale.
  • Esplorare dati di focus group sulle attitudini del pubblico verso una politica sociale, una tecnologia o un comportamento sanitario.
  • Indagare trascrizioni di interviste sull'identità professionale, lo stress occupazionale o la cultura sul posto di lavoro.
  • Interpretare post sui social media, articoli di notizie o documenti politici per comprendere come un fenomeno viene costruito nel discorso pubblico.

Come funziona

Come funziona

1

L'analista si immerge nel dataset leggendo e rileggendo tutte le trascrizioni o i documenti, ascoltando l'audio se disponibile e prendendo appunti iniziali. Questa fase non è passiva; il ricercatore inizia a notare pattern, perplessità e idee su cosa i dati potrebbero significare in relazione alla domanda di ricerca. L'impegno attivo fin dal primo contatto con i dati è essenziale.

2

Lavorando sistematicamente sull'intero dataset, l'analista genera codici — etichette concise che catturano qualcosa di analiticamente interessante in un estratto di dati. I codici vengono assegnati a ogni pezzo di dato pertinente. Nell'RTA, la codifica è un atto creativo e interpretativo: l'analista decide cosa è degno di nota e perché, producendo un ricco set di codici che riflette la domanda di ricerca piuttosto che catalogare semplicemente tutto ciò che è stato detto.

3

I codici vengono ordinati, raggruppati e riorganizzati per identificare potenziali temi. Un tema non è semplicemente un argomento ricorrente; è un'affermazione interpretativa coerente su un pattern di significato condiviso all'interno del dataset. In questa fase, l'analista lavora con tutti gli estratti di dati codificati e inizia a mappare visivamente i temi candidati — spesso utilizzando mappe tematiche o diagrammi di affinità — notando come i codici si relazionano o differiscono tra loro.

4

L'analista verifica i temi candidati rispetto all'intero dataset in due round. Primo, gli estratti codificati all'interno di ciascun tema candidato vengono rivisti per verificare che formino un quadro coerente. Secondo, ciascun tema viene letto in relazione all'intero dataset per garantire che il set di temi catturi adeguatamente i dati. I temi possono essere fusi, divisi, scartati o rinominati. Memos riflessivi documentano il ragionamento alla base di queste decisioni.

5

A ciascun tema conservato viene assegnato un nome chiaro e una definizione dettagliata che ne cattura l'ambito e il focus — di cosa tratta e di cosa non tratta. L'analista identifica gli estratti di dati illustrativi migliori per ciascun tema. Il lavoro di definizione è analitico, non descrittivo: ciascun tema dovrebbe fare un'affermazione interpretativa, non semplicemente riassumere ciò che i partecipanti hanno detto su un argomento.

6

Il report finale intreccia narrazione analitica con estratti di dati selezionati per raccontare una storia interpretativa avvincente sul dataset in relazione alla domanda di ricerca. La stesura non è un tour sequenziale dei temi; argomenta a favore dell'interpretazione, mostra come le evidenze la supportano e posiziona i risultati in relazione alla letteratura pertinente. La posizione riflessiva del ricercatore viene tipicamente affrontata in una sezione metodi o in una dichiarazione di riflessività.

Errori comuni

  • Trattare i temi come emergenti dai dati piuttosto che costruiti dall'analista — questo travisa la base epistemologica dell'RTA e porta a temi sottoteorizzati e descrittivi.
  • Confondere un tema con un argomento — un tema deve fare un'affermazione interpretativa su un pattern di significato condiviso, non semplicemente etichettare ciò di cui i partecipanti hanno parlato.
  • Privilegiare la quantità dei dati rispetto alla qualità — contare quante persone hanno menzionato qualcosa non è la base per un tema; la rilevanza interpretativa per la domanda di ricerca lo è.
  • Saltare la riflessività genuina — semplicemente nominare il proprio background in una sezione metodi non è sufficiente; l'analista dovrebbe documentare durante l'analisi come la propria prospettiva abbia influenzato la codifica e lo sviluppo dei temi.
  • Applicare la logica dell'analisi tematica basata su codebook (codici predefiniti e fissi concordati da più codificatori) e chiamarla analisi tematica riflessiva — i due approcci hanno premesse epistemologiche diverse e non dovrebbero essere confusi.

Domande frequenti

In che modo l'analisi tematica riflessiva differisce dall'analisi tematica basata su codebook?

L'analisi tematica riflessiva tratta la codifica come un atto interpretativo svolto da un singolo analista (o un piccolo team che lavora in modo collaborativo), con temi costruiti ex novo da ciascun dataset. L'analisi tematica basata su codebook pre-specifica un dizionario di codici condiviso, utilizza spesso controlli di affidabilità inter-rater e mira alla replicabilità tra analisti. I due approcci si basano su premesse epistemologiche diverse: l'analisi tematica riflessiva è ampiamente costruttivista e mette in primo piano la soggettività dell'analista; l'analisi tematica basata su codebook tende verso un ideale (post-)positivista di risultati indipendenti dal ricercatore.

Di quanti partecipanti o elementi di dati ho bisogno?

Non esiste un minimo fisso nell'analisi tematica riflessiva. Braun e Clarke sostengono che la dimensione del campione dovrebbe essere determinata dalla domanda di ricerca, dalla ricchezza dei dati e dalla profondità dell'analisi ricercata — non da un numero universale. Campioni più piccoli di 6-15 interviste approfondite sono comuni in studi esperienziali ricchi; dataset più ampi di sondaggi a domande aperte possono coinvolgere centinaia di risposte. La domanda guida è se il dataset fornisca sufficiente ampiezza e profondità per affrontare la domanda di ricerca.

Ho bisogno di usare software come NVivo o ATLAS.ti?

Il software è opzionale. NVivo, ATLAS.ti o Dedoose possono aiutare nell'organizzazione, ricerca e recupero dei dati codificati, ma non svolgono il lavoro interpretativo. Il nucleo intellettuale dell'RTA — decidere cosa è significativo, costruire codici, sviluppare temi e scrivere memo riflessivi — non può essere delegato al software. Molti ricercatori svolgono l'RTA con documenti di elaborazione testi, fogli di calcolo o trascrizioni stampate e penne colorate.

Cosa rende un buon tema nell'analisi tematica riflessiva?

Un buon tema fa un'affermazione interpretativa chiara su un pattern di significato condiviso nel dataset che è rilevante per la domanda di ricerca. Non è una semplice etichetta per un argomento di cui le persone hanno discusso. Dovrebbe essere internamente coerente (gli estratti di dati al suo interno appartengono insieme), distinto dagli altri temi e analiticamente significativo — dice qualcosa di interessante sui dati oltre a riassumerli.

In che modo l'analisi tematica riflessiva differisce dalla grounded theory?

Entrambi sono approcci qualitativi che utilizzano la codifica iterativa, ma differiscono per obiettivo e procedura. L'analisi tematica riflessiva mira a identificare pattern di significato in un dataset in relazione a una domanda di ricerca; non mira a costruire una teoria sostanziale. La grounded theory mira a generare una teoria formale basata sui dati attraverso il campionamento teorico, il confronto costante e la saturazione teorica. La grounded theory comporta anche la raccolta e l'analisi simultanea dei dati, mentre l'RTA analizza solitamente un dataset completo.

Metodi correlati

Fonti

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

    Apri il riferimento DOI
    Copiato.
  2. Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597.

    Apri il riferimento DOI
    Copiato.