İçeriğe atla
Arama sonuçlarına dön

Tematik Analiz

Ortaya koyan
Virginia Braun and Victoria Clarke
Yıl
2006
Tür
Method
Aile
inductive-pattern-recognition

Bu metin makine çevirisidir ve henüz incelenmedi. Asıl metni İngilizce oku

Yazı boyutu

Ne işe yarar?

Tematik Analiz (TA), nitel verilerdeki örüntüleri (temaları) belirleme, analiz etme ve raporlama konusunda nitel bir araştırma metodolojisidir.

Virginia Braun ve Victoria Clarke (2006) tarafından sistematik olarak geliştirilen TA, esnek ve erişilebilirdir, çeşitli teorik çerçevelere ve veri türlerine uygulanabilir, bu da onu psikoloji, sağlık araştırmaları ve sosyal bilimlerde en yaygın kullanılan nitel yöntemlerden biri haline getirir.

Yöntemin mantığı

Tematik analiz, verileri anlamlı örüntülere veya temalara—araştırma sorusuyla ilgili veriler hakkında önemli bir şeyi yakalayan tekrarlanan fikirler, kavramlar veya anlamlar—ayıklayarak ve organize ederek çalışır. Yeni teori üretmeyi amaçlayan Temellendirilmiş Kuramdan veya yaşanmış deneyimleri keşfeden fenomenolojiden farklı olarak TA daha açık bir şekilde betimleyicidir: veride ne olduğunu belirler ve onu tutarlı bir şekilde organize eder. Modern TA'daki önemli bir ayrım, önceden belirlenmiş kategorilere karşı verileri kodladığınız teori güdümlü (tümdengelimli) kodlama ile temaların verinin kendisinden ortaya çıktığı veri güdümlü (tümevarımlı) kodlama arasındadır. Yansıtıcı TA (Braun & Clarke 2019), araştırmacıların temaları nesnel olarak 'bulmak' yerine aktif olarak inşa ettiklerini açıkça kabul eder; bu şeffaflık, temaların keşfedildiğini ima eden önceki sürümlerden onu ayırır.

Tarih

Braun ve Clarke, 2006 yılında sistematik tematik analizi, teorik olmayan nitel veri özetlemeye daha şeffaf, teorik olarak esnek bir alternatif olarak tanıttı. Altı aşamalı prosedürleri psikoloji, hemşirelik, sağlık ve sosyal bilimlerde yaygın olarak benimsendi. Boyatzis (1998) ve diğerleri daha önce tematik yaklaşımları tanımlamışlardı, ancak 2006 çerçevesi benzeri görülmemiş bir netlik sağladı. 2019'da Braun ve Clarke, TA'yı temelde yansıtıcı olarak yeniden çerçeveleyen 'Yansıtıcı tematik analizi düşünmek' adlı makalelerini yayınladılar: araştırmacılar analitik seçimlerine ve teorik konumlarına dayanarak temaları aktif olarak inşa ederler. Bu güncelleme, tematik analizin değer-tarafsız bir keşif değil, yorumlayıcı bir sosyal bilim olduğunu netleştirdi.

Ne zaman kullanılır?

Yeni teori üretmeyi gerektirmeden (bunun için Temellendirilmiş Kuram kullanın) veya yaşanmış deneyimleri keşfetmeden (fenomenoloji kullanın) nitel verilerdeki anlam örüntülerini belirleme, tanımlama ve organize etme arayışındayken tematik analizi kullanın. TA, '...' engelleri nelerdir' veya 'katılımcıların ... hakkındaki görüşleri nelerdir' gibi araştırma soruları için idealdir. Çeşitli katılımcı örneklemleri, görüşme türleri ve hatta farklı veri modaliteleri ile çalışır. TA, uygulamalı araştırmalar için mükemmeldir ve uygulama, politika veya hizmet iyileştirmesini bilgilendirmeyi amaçlar. Keşifsel betimsel çalışmalar için yeterince esnektir ve yaklaşımınıza bağlı olarak teori test etme veya hipotez üretme araştırmaları için yeterince gelişmiştir.

Sınırlar ve dikkat edilmesi gerekenler

  • Analiz derinlemesine yorumlama olmadan betimsel kalırsa yüzeysellik riski; anlamı veya teorik katkıyı sentezlemeden uzun tema listeleri üretebilir.
  • Esneklik hem güç hem de zayıflıktır: katı prosedürlerin yokluğu tutarsızlığa izin verir; kötü yürütme zayıf veya bireysel sonuçlar üretir.
  • Teori üretmez (Temellendirilmiş Kuramın aksine) veya temel yapıları keşfetmez (fenomenolojinin aksine); TA'dan türetilen teoriler ayrı olarak doğrulanmalıdır.
  • Literatürdeki terminoloji ve prosedür değişkenliği (eski vs. yeni TA, yansıtıcı vs. yansıtıcı olmayan yaklaşımlar) hangi sürümün yürütüldüğü hakkında belirsizlik yaratır.

Kaynak metnin koşulları, bağımsız bilimsel inceleme veya analiz motoru doğrulaması yerine geçmez.

Güçlü yönleri

  • Esnek ve erişilebilir: çeşitli teorik çerçevelere ve araştırma paradigmalarına uygulanabilir, acemi ve deneyimli araştırmacılar için uygundur.
  • Büyük veri kümeleri veya katılımcı başına birden fazla görüşme için verimli; yüksek hacimli nitel verileri sistematik olarak analiz edebilir.
  • Açık altı aşamalı prosedür, titizliği göstermek için denetim izi üreten yapılandırılmış, şeffaf bir yaklaşım sağlar.
  • Yansıtıcı TA (2019), araştırmacının tema yapısındaki rolünü açıkça kabul eder, nesnel keşif iddialarını azaltır ve metodolojik şeffaflığı teşvik eder.

Uygulama alanları

  • Klinik kılavuzları ve hasta merkezli bakım iyileştirmelerini bilgilendirmek için hastalık yönetimi, tedavi engelleri veya hizmet kalitesi konusundaki hasta veya bakıcı görüşlerini analiz etmek.
  • İnsan kaynakları politikasını ve liderlik eğitimini yönlendirmek için örgütsel değişim, işyeri kültürü veya refah konusundaki çalışan deneyimlerini keşfetmek.
  • Halkın algısını ve iletişim stratejilerini anlamak için medya kapsamındaki veya sosyal medya söylemindeki temaları belirlemek.
  • Kanıta dayalı müdahaleler geliştirmek için okul deneyimleri, öğrenme veya zorbalık konusundaki veli ve öğrenci bakış açılarını incelemek.
  • Müdahale doğruluğunu, engellerini ve kabul edilebilirliğini değerlendirmek ve programı iyileştirmek için program değerlendirmesinden elde edilen görüşme verilerini analiz etmek.

Nasıl çalışır?

Nasıl çalışır?

1

Görüşmeler, odak grupları, açık uçlu anketler, belgeler veya medya (resimler, videolar) aracılığıyla nitel veri toplayın. Araştırma sorunuzu ele almak için yeterli büyüklükte amaçlı bir örneklem yapın (sabit bir kural yok; genellikle derinlik ve karmaşıklığa bağlı olarak 5-50+ katılımcı). Görüşmeleri kelimesi kelimesine aktarın, ton ve sessizliklere araştırma sorunuz için anlamlıysa dikkat edin. Tümdengelimli TA için kategorileri önceden işletselleştirin; tümevarımlı TA için, önceden belirlenmiş kodlar olmadan verilere açık bir şekilde yaklaşın. Verilerle aşinalık kazanmak ve ilk izlenimleri belirlemek için transkriptleri birden çok kez okuyup yeniden okuyarak kendinizi veriye bırakın.

2

Altı aşamada sistematik kodlama yapın (Braun & Clarke 2006): (1) Aşinalık—transkriptleri birden çok kez okuyun, örüntüleri ve ilginç özellikleri not alın; (2) İlk kodlama—tam veri kümesi boyunca anlamlı segmentleri satır satır kodlayın, tutarlılığı koruyun ve kapsamlı bir kod listesi oluşturun; (3) Temalar için arama—kodları potansiyel temalara (tutarlı örüntülere sahip kategoriler) organize edin, kodlar arasındaki ilişkileri belirleyin; (4) Temaları gözden geçirme—temaları kodlanmış veriler ve tam veri kümesiyle karşılaştırın; yetersiz veri desteği olan temaları eleyin, örtüşen temaları birleştirin veya tutarsız temaları bölün; (5) Temaları tanımlama ve adlandırma—her tema için özünü ve kapsamını yakalayan kısa, net adlar ve tanımlar geliştirin; (6) Yazma—analizi taslak haline getirin, temaları verilerden destekleyici alıntılarla entegre edin. Sürekli karşılaştırma kullanın: tutarlılığı sağlamak için yeni kodları mevcut olanlarla karşılaştırın. Yansıtıcı TA, yorumlayıcı kararlarınızı belgelemeyi ve teorik bakış açınızın tema yapısını nasıl şekillendirdiğini kabul etmeyi vurgular.

3

Bulguları, temaların ve ilişkilerinin tematik bir haritası veya anlatısal bir hesabı olarak sunun. Her tema araştırma sorunuza hitap etmeli ve birden fazla veri örneği (doğrudan alıntılar) ile desteklenmelidir. Her temanın araştırma sorunuz ve teorik çerçeveyle ilgili ne anlama geldiğinin analizini sağlayın. Temaları yalnızca özetlemekten veya listelemekten kaçının; yorumlama yapın. İyi bir tematik analiz, yalnızca ham verileri okuyarak elde edilemeyecek örüntüleri ortaya çıkarır. Veri güdümlü (tümevarımlı) ve teori güdümlü (tümdengelimli) yaklaşımlar arasındaki farkı sunumunuzda açıkça belirtin ve temaların nesnel olarak keşfedilmek yerine analitik seçimler yoluyla inşa edildiğini kabul edin.

Sık yapılan hatalar

  • Teorik olmayan analiz yürütmek: teorik çerçeveyi ve araştırma sorusunu açıkça belirtmemek; temalar araştırma sorunuza hizmet etmeli, tek başına durmamalıdır.
  • Tema çoğalması: minimum veri desteğiyle çok fazla tema üretmek veya kodları temalarla karıştırmak (bir tema birden fazla kod ve destekleyici veri gerektirir).
  • Yetersiz tema geliştirme: temaları belirsiz adlandırmak, yetersiz alıntı sağlamak veya anlamı yorumlamamak; okuyucular hem her temanın ne olduğunu hem de neden önemli olduğunu anlamalıdır.
  • Veri çelişkilerini göz ardı etmek: yeni gelişen temalara uymayan verileri göz ardı etmek veya varyasyonu keşfetmemek; iyi TA nüansı ve tema içi varyasyonu kabul eder.

Sık sorulan sorular

Yansıtıcı Tematik Analiz (Braun & Clarke 2019), orijinal TA yönteminden nasıl farklıdır?

Orijinal TA (Braun & Clarke 2006), altı sistematik aşama sundu ancak temaların dikkatli kodlama yoluyla verilerde 'bulunabileceğini' veya 'keşfedilebileceğini' ima etti. Yansıtıcı TA (2019), araştırmacıların yorumlayıcı seçimler yoluyla temaları aktif olarak inşa ettiklerini açıkça belirtir: neyin ilgili olduğuna, hangi kodların gruplandırılacağına, temaların nasıl adlandırılacağına karar vermek. Yansıtıcı TA, terminolojiyi 'kodlama'dan (pasif etiketlemeyi ima eder) 'kodlama/yorumlamaya' (aktif anlam oluşturmayı ima eder) kaydırır. Araştırmacı konumlandırmasının, teorik çerçevenin ve öznelliğin analizi nasıl şekillendirdiğinin açıkça kabul edilmesini gerektirir. Aşamalar aynıdır, ancak epistemoloji yorumlama konusunda daha şeffaf ve dürüsttür.

Tümevarımlı ve tümdengelimli Tematik Analiz arasındaki fark nedir?

Tümevarımlı TA, önceden belirlenmiş kategoriler olmadan temaların verilerden ortaya çıkmasına izin verir; veriyi açıkça okursunuz ve kodlar gözlemlenen örüntülerden gelişir. Bu keşifsel ve teori üreticidir. Tümdengelimli TA, verileri organize etmek için önceden belirlenmiş bir kodlama çerçevesi veya teorik kategoriler uygular; bu hipotez test etme veya teori test etmedir. Çoğu TA tümevarımlı veya çoğunlukla tümevarımlıdır ve bazı tümdengelimli unsurlar içerir. Hangi yaklaşımı kullandığınızı açıkça belirtin; tümdengelimli analiz geçerlidir ancak farklı araştırma hedeflerine hizmet eder (test etme vs. keşfetme).

Kaç kod veya tema olmalı?

Hedef bir sayı yok. Tematik analiz kodları, veri hacmine, karmaşıklığına ve soru odağına göre değişir: 15-20 görüşmeden 20-60 ilk kod tipiktir, nihai analizde 5-15 temaya yoğunlaşır. 50'den fazla temanız varsa, muhtemelen daha üst düzey kümeleme veya daha net tanımlara ihtiyacınız vardır. Temalar belirgin ancak ilişkili olmalıdır; tüm temalar benzer veya ilgisiz geliyorsa, kodlamanızı veya sorunuzu yeniden inceleyin. Kalite nicelikten daha önemlidir; iyi geliştirilmiş dört temalı bir analiz, tutarlılıktan yoksun, yaygın 20 temalı bir analizden üstündür.

Temaların yalnızca yorumuma değil, verilere dayandığından nasıl emin olabilirim?

Her tema birden fazla veri örneği (tipik olarak tema başına 4-6+ alıntı, büyük temalar için daha fazla) ile desteklenmelidir. Sonuçlarınızda alıntı kanıtları sağlayın. Hangi katılımcıların her temaya katkıda bulunduğunu gösteren bir kod matrisi veya frekans tablosu kullanın—bir tema yalnızca bir katılımcının verilerine dayanıyorsa, bu çok bireysel olabilir. Tutarlılığı sağlamak için yeni kodları mevcut olanlarla kontrol ederek sürekli karşılaştırma yapın. Akran denetimi: ortaya çıkan temaları bir meslektaşınızla tartışarak yorumlarınızın verilerden makul olup olmadığını test edin. Üye kontrolü (mümkün olduğunda) katılımcılarla, temaların deneyimleriyle rezonansa girdiğini doğrulayabilir. Kodlardan temalara giden mantık zincirini göstermek için analitik kararlarınızı (notlar, analitik notlar) belgeleyin.

TA'yı büyük veri kümeleri veya ikincil verilerle kullanabilir miyim?

Evet. TA ölçeklenebilirdir: 10 veya 100 görüşmeye uygulayabilirsiniz. Büyük veri kümeleriyle, tutarlılığı sağlamak için sistematik kodlama prosedürleri daha da kritik hale gelir. İkincil veriler (örneğin, önceki bir çalışmadan görüşme transkriptleri, anket açık uçları, yayınlanmış otobiyografiler, sosyal medya) veriler araştırma sorunuzla ilgili bir konuda toplandıysa TA'ya uygundur. Birincil veri toplama ile karşılaştırıldığında ikincil TA'nın bağlam veya ilişkisel zenginlikten yoksun olabileceğini unutmayın.

İlgili yöntemler

Kaynaklar

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

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

    DOI kaynağını aç
    Kopyalandı.
  3. Boyatzis, R. E. (1998). Transforming qualitative information: Thematic analysis and code development. Sage Publications.

    Yayın kaynağını aç
    Kopyalandı.