Skip to content
検索結果に戻る

Thematic Analysis

提唱者
Virginia Braun and Victoria Clarke
年
2006
種類
Method
系統
inductive-pattern-recognition

この文章は機械翻訳で、まだ確認されていません。 英語の原文を読む

文字サイズ

何をする手法か?

Thematic Analysis (TA) は、質的データにおけるパターン(テーマ)を特定、分析、報告するための質的研究方法論である。Virginia Braun と Victoria Clarke (2006) によって体系的に開発された TA は、柔軟でアクセスしやすく、多様な理論的枠組みやデータタイプに適用可能であり、心理学、健康研究、社会科学において最も広く使用されている質的方法の一つとなっている。

手法の背後にある直感

Thematic analysis は、データを知的で意味のあるパターンまたはテーマ(研究課題に関連してデータについて何か重要なことを捉える、繰り返し現れる考え、概念、または意味)に特定し、整理することによって機能する。新しい理論の生成を目指す Grounded Theory や、生きた経験を探求する現象学とは異なり、TA はよりオープンに記述的である。すなわち、データ内に何があるかを特定し、それを首尾一貫して整理する。現代の TA における重要な区別は、事前に定義されたカテゴリーに対してデータをコーディングする理論主導(演繹的)コーディングと、テーマがデータ自体から現れるデータ主導(帰納的)コーディングである。Reflexive TA (Braun & Clarke 2019) は、研究者が客観的にテーマを「発見」するのではなく、積極的にテーマを構築することを明示的に認識している。この透明性は、テーマが発見されることを示唆していた以前のバージョンとは一線を画す。

歴史学

Braun と Clarke は、理論に依らない質的データ要約に対する、より透明で理論的に柔軟な代替案として 2006 年に体系的なテーマ分析を導入した。彼らの 6 フェーズの手順は、心理学、看護学、健康学、社会科学で広く採用された。Boyatzis (1998) や他の人々は以前にもテーマ分析アプローチを記述していたが、2006 年のフレームワークは前例のない明確さを提供した。2019 年に、Braun と Clarke は「Reflexive Thematic Analysis についての考察」を発表し、TA を根本的に反射的なものとして再構築した。すなわち、研究者は分析的な選択と理論的な位置づけに基づいてテーマを積極的に構築する。この更新により、テーマ分析は価値中立的な発見ではなく、解釈的な社会科学であることが明確になった。

使うべき場面

新しい理論の生成を必要とせずに(その場合は Grounded Theory を使用)、質的データにおける意味のパターンを特定、記述、整理しようとする場合にテーマ分析を使用する。または生きた経験の探求(現象学を使用)も同様である。TA は、「~の障壁は何ですか?」または「~に関する参加者の見解は何ですか?」といった研究課題に理想的である。多様な参加者サンプル、インタビュータイプ、さらには異なるデータモダリティでも機能する。TA は、実践、政策、またはサービス改善に情報を提供することを目的とした応用研究に優れている。探索的な記述的研究には十分な柔軟性があり、アプローチによっては理論検証または仮説生成研究には十分な洗練性がある。

限界と注意点

  • 分析が深い解釈なしに記述的なままである場合、表面的になるリスクがある。意味の統合や理論的貢献なしに、テーマの長いリストを生成する可能性がある。
  • 柔軟性は強みでも弱みでもある:厳格な手順の欠如は一貫性のなさを許容し、実行が不十分だと弱い結果または特異な結果を生む。
  • 理論を生成しない(Grounded Theory とは異なり)、または本質的な構造を探求しない(現象学とは異なり)。TA から導き出された理論は別途検証する必要がある。
  • 文献全体での用語と手順のばらつき(古い TA vs 新しい TA、Reflexive vs 非-Reflexive アプローチ)は、どのバージョンが実施されているかについての曖昧さを生む。

出典に示された条件は、独立した科学的レビューや分析エンジンによる検証の代わりにはなりません。

強み

  • 柔軟でアクセスしやすい:多様な理論的枠組みや研究パラダイムに適用可能で、初心者および経験豊富な研究者に適している。
  • 大規模なデータセットまたは参加者あたりの複数のインタビューに対して効率的。大量の質的データを体系的に分析できる。
  • 明確な 6 フェーズの手順は、厳密性を示すための監査証跡を提供する、構造化された透明なアプローチを提供する。
  • Reflexive TA (2019) は、テーマ構築における研究者の役割を明示的に認識し、客観的な発見の誤った主張を減らし、方法論的な透明性を促進する。

応用

  • 臨床ガイドラインと患者中心のケア改善に役立てるため、疾患管理、治療の障壁、またはサービスの質に関する患者または介護者の見解を分析する。
  • 人事ポリシーとリーダーシップトレーニングを導くため、組織変革、職場文化、またはウェルビーイングに関する従業員の経験を探求する。
  • 公衆の認識とコミュニケーション戦略を理解するため、メディア報道またはソーシャルメディアの言説におけるテーマを特定する。
  • 証拠に基づいた介入を開発するため、学校経験、学習、またはいじめに関する親と生徒の見解を調べる。
  • プログラム評価からのインタビューデータを分析し、介入の忠実度、障壁、および受容性を評価してプログラムを洗練させる。

使い方

使い方

1

インタビュー、フォーカスグループ、自由記述式アンケート、文書、またはメディア(画像、ビデオ)を通じて質的データを収集する。研究課題に対処するのに十分なサイズの意図的なサンプルを実施する(固定ルールはなく、通常は深さと複雑さに応じて 5~50 人以上の参加者)。トーンや沈黙が研究課題にとって意味を持つ場合は、それに注意を払いながら、インタビューを逐語録に書き起こす。演繹的 TA の場合は、事前にカテゴリーを操作化する。帰納的 TA の場合は、事前に定義されたコードなしでデータにオープンに取り組む。トランスクリプトを複数回読み返し、親しみを得て初期の印象を特定することで、データに没頭する。

2

体系的なコーディングを 6 つのフェーズで実施する(Braun & Clarke 2006):(1) 親和化—トランスクリプトを複数回読み、パターンや興味深い特徴を記録する。(2) 初期コーディング—データセット全体にわたって意味のあるセグメントを 1 行ずつコーディングし、一貫性を保ち、コードの網羅的なリストを生成する。(3) テーマの検索—コードを潜在的なテーマ(首尾一貫したパターンのカテゴリー)に整理し、コード間の関係を特定する。(4) テーマのレビュー—コーディングされたデータとデータセット全体に対してテーマをチェックする。データサポートが不十分なテーマを削除し、重複するテーマをマージし、または一貫性のないテーマを分割する。(5) テーマの定義と命名—各テーマの本質と範囲を捉える、簡潔で明確な名前と定義を開発する。(6) 書き起こし—データからのサポート引用を統合して、分析のドラフトを作成する。全体を通して、定量的比較を使用する:新しいコードを既存のものと比較して、一貫性を確保する。Reflexive TA は、解釈的な決定を文書化し、研究者の理論的立場がテーマ構築にどのように影響したかを認識することを強調する。

3

テーマのマップまたはテーマとその関係性の物語的説明として結果を提示する。各テーマは研究課題に対応し、複数のデータ抽出(直接引用)によってサポートされるべきである。各テーマが研究課題と理論的枠組みに関して何を意味するのかの分析を提供する。単にテーマを要約したりリストアップしたりするのではなく、解釈を提供する。優れたテーマ分析は、生のデータを読むだけでは明らかにならないパターンを示す。データ主導(帰納的)アプローチと理論主導(演繹的)アプローチを結果で明確に区別し、テーマは客観的に発見されるのではなく、分析的な選択を通じて構築されることを認識する。

よくある落とし穴

  • 理論に依らない分析の実施:理論的枠組みと研究課題を明示的に明確にしないこと。テーマは、それ自体で存在するのではなく、研究課題に役立つべきである。
  • テーマの過剰生成:最小限のデータサポートで多くのテーマを生成したり、コードとテーマを混同したりすること(テーマには複数のコードとサポートデータが必要)。
  • 不十分なテーマ開発:テーマの命名が曖昧である、引用が不十分である、または意味の解釈に失敗していること。読者は、各テーマが何であるか、そしてなぜそれが重要なのかを理解すべきである。
  • データの矛盾の見落とし:新たなテーマに合わないデータを無視したり、バリエーションを探求しなかったりすること。良い TA は、ニュアンスとテーマ内のバリエーションを認識する。

よくある質問

Reflexive Thematic Analysis (Braun & Clarke 2019) は、オリジナルの TA メソッドとどのように異なりますか?

オリジナルの TA (Braun & Clarke 2006) は 6 つの体系的なフェーズを提示したが、テーマは慎重なコーディングを通じてデータから「見つけられる」または「発見される」可能性があることを示唆していた。Reflexive TA (2019) は、研究者が解釈的な選択(何が関連性があるか、どのコードをグループ化するか、テーマをどのように命名するかを決定すること)を通じてテーマを積極的に構築することを明確にする。Reflexive TA は、用語を「コーディング」(受動的なラベリングを示唆)から「コーディング/解釈」(能動的な意味作りを示唆)に移行させる。研究者の位置づけ、理論的枠組み、および主観性が分析にどのように影響したかの明示的な認識を要求する。フェーズは同じだが、認識論は解釈についてより透明で正直である。

帰納的テーマ分析と演繹的テーマ分析の違いは何ですか?

帰納的 TA は、事前に定義されたカテゴリーなしでテーマがデータから現れることを可能にする。あなたはデータをオープンに読み、観察されたパターンからコードが開発される。これは探索的で理論生成的なものである。演繹的 TA は、事前に定義されたコーディングフレームワークまたは理論的カテゴリーを適用してデータを整理する。これは仮説検定または理論検定である。ほとんどの TA は帰納的であるか、または主に帰納的であり、いくつかの演繹的要素を含む。どちらのアプローチを使用したかを明示すること。演繹的分析は有効だが、異なる研究目標(検定 vs 探求)に役立つ。

いくつのコードまたはテーマを持つべきですか?

目標数はありません。テーマ分析のコードは、データの量、複雑さ、および質問の焦点によって異なります。15~20 件のインタビューから 20~60 件の初期コードが得られるのが典型的で、最終分析では 5~15 件のテーマに凝縮されます。50 件以上のテーマがある場合、おそらく上位のクラスタリングまたはより明確な定義が必要です。テーマは明確でありながら関連性があるべきです。すべてのテーマが似ているか無関係に感じる場合は、コーディングまたは質問を再検討してください。質は量よりも重要です。よく開発された 4 つのテーマの分析は、一貫性を欠く広範囲な 20 のテーマよりも優れています。

テーマが単なる私の解釈ではなく、データに基づいていることをどのように保証できますか?

各テーマは、複数のデータ抽出(通常、主要なテーマの場合はそれ以上、各テーマあたり 4~6 件以上の引用)によってサポートされる必要があります。結果に引用証拠を提供してください。各テーマにどの参加者が貢献したかを示すコード行列または頻度表を使用してください。テーマが 1 人の参加者からのデータにのみ基づいている場合、それはあまりにも特異的すぎる可能性があります。新しいコードを既存のものと比較してチェックする定量的比較を実施してください。ピアレビュー:出現するテーマを同僚と議論して、解釈がデータから妥当であるかどうかをテストしてください。メンバーチェック(可能な場合)は、テーマが参加者の経験と共鳴するかどうかを確認できます。コードからテーマへの論理チェーンを示すために、分析上の決定(メモ、分析ノート)を文書化してください。

TA を大規模データセットまたは二次データで使用できますか?

はい。TA はスケーラブルです。10 件または 100 件のインタビューに適用できます。大規模なデータセットの場合、一貫性を確保するために体系的なコーディング手順がさらに重要になります。二次データ(例:以前の研究からのインタビュー記録、アンケートの自由記述、出版された自伝、ソーシャルメディア)は、データが研究課題に関連するトピックで収集された場合、TA に適しています。二次 TA は、一次データ収集と比較してコンテキストまたは関係性の豊かさが欠けている可能性があることに注意してください。

関連する手法

参考文献

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

    DOI 文献を開く
    コピーしました。
  2. Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597.

    DOI 文献を開く
    コピーしました。
  3. Boyatzis, R. E. (1998). Transforming qualitative information: Thematic analysis and code development. Sage Publications.

    出版物の文献を開く
    コピーしました。