Przejdź do treści
Wróć do wyników wyszukiwania

Analiza tematyczna

Autor metody
Virginia Braun and Victoria Clarke
Rok
2006
Typ
Method
Rodzina
inductive-pattern-recognition

Ten tekst jest tłumaczeniem maszynowym i nie został jeszcze sprawdzony. Przeczytaj oryginał po angielsku

Rozmiar czcionki

Do czego służy?

Analiza tematyczna (AT) to jakościowa metodologia badawcza służąca do identyfikacji, analizy i raportowania wzorców (tematów) w danych jakościowych.

Opracowana systematycznie przez Virginię Braun i Victorię Clarke (2006), AT jest elastyczna i dostępna, możliwa do zastosowania w różnych ramach teoretycznych i typach danych, co czyni ją jedną z najczęściej stosowanych metod jakościowych w psychologii, badaniach nad zdrowiem i naukach społecznych.

Intuicja stojąca za metodą

Analiza tematyczna działa poprzez identyfikację i organizację danych w znaczące wzorce lub tematy – powtarzające się idee, koncepcje lub znaczenia, które uchwytują coś ważnego w danych w odniesieniu do pytania badawczego. W przeciwieństwie do teorii ugruntowanej, która dąży do generowania nowej teorii, lub fenomenologii, która bada doświadczenia życiowe, AT jest bardziej otwarcie opisowa: identyfikuje, co znajduje się w danych, i organizuje je w spójny sposób. Kluczowe rozróżnienie we współczesnej AT dotyczy kodowania zorientowanego na teorię (dedukcyjnego) – gdzie dane koduje się w odniesieniu do z góry określonych kategorii – oraz kodowania zorientowanego na dane (indukcyjnego), gdzie tematy wyłaniają się z samych danych. Refleksyjna AT (Braun & Clarke 2019) wyraźnie uznaje, że badacze aktywnie konstruują tematy, zamiast je obiektywnie „odkrywać”; ta przejrzystość odróżnia ją od wcześniejszych wersji, które sugerowały, że tematy są odkrywane.

Historia

Braun i Clarke wprowadziły systematyczną analizę tematyczną w 2006 roku jako bardziej przejrzystą, teoretycznie elastyczną alternatywę dla ateoretycznego podsumowywania danych jakościowych. Ich sześciostopniowa procedura została szeroko przyjęta w psychologii, pielęgniarstwie, zdrowiu i naukach społecznych. Boyatzis (1998) i inni opisywali podejścia tematyczne wcześniej, ale ramy z 2006 roku zapewniły bezprecedensową jasność. W 2019 roku Braun i Clarke opublikowały „Reflecting on reflexive thematic analysis”, przedstawiając AT jako zasadniczo refleksyjną: badacze aktywnie konstruują tematy na podstawie swoich wyborów analitycznych i pozycji teoretycznej. Ta aktualizacja wyjaśniła, że analiza tematyczna nie jest neutralnym odkryciem wartości, ale nauką społeczną opartą na interpretacji.

Kiedy stosować

Stosuj analizę tematyczną, gdy chcesz zidentyfikować, opisać i zorganizować wzorce znaczeń w danych jakościowych, bez konieczności generowania nowej teorii (do tego użyj teorii ugruntowanej) lub eksploracji doświadczeń życiowych (użyj fenomenologii). AT jest idealna do pytań badawczych typu „jakie są bariery dla…” lub „jakie są poglądy uczestników na…”. Działa z różnorodnymi próbkami uczestników, typami wywiadów, a nawet różnymi modalnościami danych. AT jest doskonała do badań stosowanych, mających na celu informowanie praktyki, polityki lub doskonalenie usług. Jest wystarczająco elastyczna do badań eksploracyjno-opisowych i wystarczająco zaawansowana do badań testujących teorie lub generujących hipotezy, w zależności od twojego podejścia.

Ograniczenia i uwagi

  • Ryzyko powierzchowności, jeśli analiza pozostaje opisowa bez głębszej interpretacji; może prowadzić do długich list tematów bez syntezy znaczenia lub wkładu teoretycznego.
  • Elastyczność jest zarówno siłą, jak i słabością: brak sztywnych procedur pozwala na niespójność; słabe wykonanie prowadzi do słabych lub specyficznych wyników.
  • Nie generuje teorii (w przeciwieństwie do teorii ugruntowanej) ani nie bada podstawowych struktur (w przeciwieństwie do fenomenologii); teorie wywodzące się z AT muszą być walidowane oddzielnie.
  • Zmienność terminologii i procedur w literaturze (starsza vs. nowsza AT, podejścia refleksyjne vs. nierefleksyjne) tworzy niejednoznaczność co do tego, która wersja jest stosowana.

Warunki podane w źródle nie zastępują niezależnego przeglądu naukowego ani walidacji przez silnik analityczny.

Mocne strony

  • Elastyczna i dostępna: możliwa do zastosowania w różnych ramach teoretycznych i paradygmatach badawczych, odpowiednia dla początkujących i doświadczonych badaczy.
  • Efektywna dla dużych zbiorów danych lub wielu wywiadów na uczestnika; może systematycznie analizować duże ilości danych jakościowych.
  • Jasna, sześciostopniowa procedura zapewnia ustrukturyzowane, przejrzyste podejście, które tworzy ścieżkę audytu w celu wykazania rygoru.
  • Refleksyjna AT (2019) wyraźnie uznaje rolę badacza w konstrukcji tematów, zmniejszając fałszywe twierdzenia o obiektywnym odkryciu i promując przejrzystość metodologiczną.

Zastosowania

  • Analiza poglądów pacjentów lub opiekunów na zarządzanie chorobą, bariery w leczeniu lub jakość usług w celu informowania wytycznych klinicznych i ulepszania opieki skoncentrowanej na pacjencie.
  • Eksploracja doświadczeń pracowników związanych ze zmianami organizacyjnymi, kulturą miejsca pracy lub dobrostanem w celu kierowania polityką HR i szkoleniami dla kadry kierowniczej.
  • Identyfikacja tematów w relacjach medialnych lub dyskursie w mediach społecznościowych w celu zrozumienia percepcji publicznej i strategii komunikacyjnych.
  • Badanie perspektyw rodziców i uczniów na doświadczenia szkolne, naukę lub znęcanie się w celu opracowania interwencji opartych na dowodach.
  • Analiza danych z wywiadów z ewaluacji programu w celu oceny wierności interwencji, barier i akceptowalności w celu udoskonalenia programu.

Jak to działa

Jak to działa

1

Zbierz dane jakościowe poprzez wywiady, grupy fokusowe, otwarte ankiety, dokumenty lub media (obrazy, filmy). Przeprowadź celowy dobór próby o wystarczającej wielkości, aby odpowiedzieć na pytanie badawcze (brak sztywnej zasady; zazwyczaj 5–50+ uczestników, w zależności od głębokości i złożoności). Transkrybuj wywiady dosłownie, zwracając uwagę na ton i pauzy, jeśli są one istotne dla pytania badawczego. W przypadku AT dedukcyjnej, zoperationalizuj kategorie z góry; w przypadku AT indukcyjnej, podchodź do danych otwarcie, bez z góry ustalonych kodów. Zanurz się w danych, czytając transkrypcje wielokrotnie, aby zapoznać się z nimi i zidentyfikować wstępne wrażenia.

2

Przeprowadź systematyczne kodowanie w sześciu fazach (Braun & Clarke 2006): (1) Zapoznanie się z danymi – wielokrotne czytanie transkrypcji, notowanie wzorców i interesujących cech; (2) Wstępne kodowanie – kodowanie znaczących segmentów linia po linii w całym zbiorze danych, zachowując spójność i generując wyczerpującą listę kodów; (3) Poszukiwanie tematów – organizowanie kodów w potencjalne tematy (kategorie o spójnych wzorcach), identyfikowanie relacji między kodami; (4) Przegląd tematów – sprawdzanie tematów w odniesieniu do zakodowanych danych i całego zbioru danych; eliminowanie tematów ze niewystarczającym wsparciem danych, łączenie nakładających się tematów lub dzielenie niespójnych tematów; (5) Definiowanie i nazywanie tematów – opracowanie zwięzłych, jasnych nazw i definicji dla każdego tematu, uchwytujących jego istotę i zakres; (6) Pisanie raportu – szkicowanie analizy, integrowanie tematów z cytatami z danych. Przez cały czas stosuj stałe porównanie: porównuj nowe kody z istniejącymi, aby zapewnić spójność. Refleksyjna AT podkreśla dokumentowanie twoich decyzji interpretacyjnych i uznanie, w jaki sposób twoja perspektywa teoretyczna ukształtowała konstrukcję tematów.

3

Przedstaw wyniki w postaci mapy tematycznej lub narracyjnego opisu tematów i ich relacji. Każdy temat powinien odpowiadać na pytanie badawcze i być poparty wieloma fragmentami danych (bezpośrednimi cytatami). Przedstaw analizę znaczenia każdego tematu w odniesieniu do pytania badawczego i ram teoretycznych. Unikaj jedynie podsumowywania lub wymieniania tematów; przedstaw interpretację. Dobra analiza tematyczna ujawnia wzorce, które nie byłyby oczywiste z samego czytania surowych danych. Wyraźnie rozróżnij podejścia zorientowane na dane (indukcyjne) i zorientowane na teorię (dedukcyjne) w swojej prezentacji i uznaj, że tematy są konstruowane poprzez wybory analityczne, a nie odkrywane obiektywnie.

Częste pułapki

  • Przeprowadzanie analizy ateoretycznej: brak wyraźnego określenia ram teoretycznych i pytania badawczego; tematy powinny służyć pytaniu badawczemu, a nie stać samodzielnie.
  • Proliferacja tematów: generowanie zbyt wielu tematów z minimalnym wsparciem danych lub mylenie kodów z tematami (temat wymaga wielu kodów i wspierających danych).
  • Nieadekwatny rozwój tematów: mgliste nazywanie tematów, dostarczanie niewystarczających cytatów lub brak interpretacji znaczenia; czytelnicy powinni rozumieć zarówno czym jest każdy temat, jak i dlaczego jest ważny.
  • Przeoczenie sprzeczności w danych: ignorowanie danych, które nie pasują do powstających tematów, lub brak eksploracji zmienności; dobra AT uznaje niuanse i zmienność w obrębie tematów.

Najczęściej zadawane pytania

Czym Reflexive Thematic Analysis (Braun & Clarke 2019) różni się od pierwotnej metody AT?

Oryginalna AT (Braun & Clarke 2006) przedstawiała sześć systematycznych faz, ale sugerowała, że tematy można „znaleźć” lub „odkryć” w danych poprzez staranne kodowanie. Refleksyjna AT (2019) jasno stwierdza, że badacze aktywnie konstruują tematy poprzez wybory interpretacyjne: decydując, co jest istotne, które kody połączyć, jak nazwać tematy. Refleksyjna AT zmienia terminologię z „kodowania” (sugerującego pasywne etykietowanie) na „kodowanie/interpretację” (sugerujące aktywne tworzenie znaczenia). Wymaga wyraźnego uznania pozycji badacza, ram teoretycznych i tego, jak subiektywność ukształtowała analizę. Fazy są te same, ale epistemologia jest bardziej przejrzysta i uczciwa w kwestii interpretacji.

Jaka jest różnica między analizą tematyczną indukcyjną a dedukcyjną?

Indukcyjna AT pozwala tematom wyłonić się z danych bez z góry ustalonych kategorii; czytasz dane otwarcie, a kody rozwijają się z zaobserwowanych wzorców. Jest to podejście eksploracyjne i generujące teorię. Dedykcyjna AT stosuje z góry ustalony schemat kodowania lub kategorie teoretyczne do organizacji danych; jest to podejście testujące hipotezy lub teorie. Większość AT jest indukcyjna lub głównie indukcyjna z pewnymi elementami dedukcyjnymi. Bądź precyzyjny co do tego, które podejście zastosowałeś; analiza dedukcyjna jest ważna, ale służy innym celom badawczym (testowanie vs. eksploracja).

Ile kodów lub tematów powinienem mieć?

Nie ma ustalonej liczby. Kody w analizie tematycznej różnią się w zależności od objętości danych, złożoności i skupienia pytania: typowo 20–60 kodów wstępnych z 15–20 wywiadów, które kondensują się do 5–15 tematów w końcowej analizie. Jeśli masz 50+ tematów, prawdopodobnie potrzebujesz wyższego poziomu grupowania lub jaśniejszych definicji. Tematy powinny być odrębne, ale powiązane; jeśli wszystkie tematy wydają się podobne lub niepowiązane, ponownie przeanalizuj swoje kodowanie lub pytanie. Jakość jest ważniejsza niż ilość; dobrze opracowana analiza czterech tematów jest lepsza niż obszerna analiza dwudziestu tematów pozbawiona spójności.

Jak zapewnić, że tematy są ugruntowane w danych, a nie tylko w mojej interpretacji?

Każdy temat musi być poparty wieloma fragmentami danych (zazwyczaj 4–6+ cytatów na temat, więcej dla głównych tematów). Przedstaw dowody w postaci cytatów w swoich wynikach. Użyj macierzy kodów lub tabeli częstotliwości pokazującej, którzy uczestnicy przyczynili się do każdego tematu – jeśli temat opiera się na danych od tylko jednego uczestnika, może być zbyt specyficzny. Przeprowadź stałe porównanie, sprawdzając nowe kody w odniesieniu do istniejących. Wzajemne sprawdzanie: omawiaj powstające tematy z kolegą, aby sprawdzić, czy twoje interpretacje są rozsądne w odniesieniu do danych. Sprawdzanie z członkami grupy (tam, gdzie to możliwe) może potwierdzić, że tematy rezonują z ich doświadczeniem. Dokumentuj swoje decyzje analityczne (notatki, notatki analityczne), aby pokazać łańcuch logiczny od kodów do tematów.

Czy mogę używać AT z dużymi zbiorami danych lub danymi wtórnymi?

Tak. AT jest skalowalna: można ją zastosować do 10 lub 100 wywiadów. W przypadku dużych zbiorów danych systematyczne procedury kodowania stają się jeszcze bardziej krytyczne dla zapewnienia spójności. Dane wtórne (np. transkrypcje wywiadów z poprzedniego badania, otwarte odpowiedzi z ankiet, opublikowane autobiografie, media społecznościowe) nadają się do AT, jeśli dane zostały zebrane na temat związany z twoim pytaniem badawczym. Należy zauważyć, że AT danych wtórnych może brakować kontekstu lub bogactwa relacyjnego w porównaniu do zbierania danych pierwotnych.

Pokrewne metody

Źródła

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

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

    Otwórz odnośnik DOI
    Skopiowano.
  3. Boyatzis, R. E. (1998). Transforming qualitative information: Thematic analysis and code development. Sage Publications.

    Otwórz odnośnik do publikacji
    Skopiowano.