诠释性主题分析
- 提出者
- Virginia Braun and Victoria Clarke (systematic method); interpretivist orientation traced to constructivist qualitative traditions
- 年份
- 2006 (systematic formulation); interpretivist application developed through 2010s
- 类型
- Qualitative data analysis method
- 类别
- Qualitative design / analysis
本文为机器翻译,尚未经过审校。 阅读英文原文
它有什么作用?
诠释性主题分析是一种从诠释主义或建构主义认识论立场进行的 the 质性分析。研究者不是将主题视为存在于数据中等待被发现的,而是通过与数据的互动主动构建意义。基于 Braun 和 Clarke 的系统框架,诠释性变体突出了研究者的理论视角和反思性,产生的分析超越了描述,解释了社会、文化或情境力量如何塑造参与者的叙述。
方法背后的直觉
想象一下阅读数十篇关于护士如何经历道德困境的访谈。纯粹的描述性方法会勾勒出参与者所说的内容;诠释性主题分析更进一步——询问这些模式为何存在,哪些社会或制度结构产生了它们,以及通过特定的理论视角(如权力关系或专业身份)解读数据意味着什么。研究者不仅仅是报告参与者所说的内容;他们对其进行诠释,将研究结果置于更广泛的框架中。反思性——诚实地反思研究者自身立场如何塑造分析——在每个阶段都内置其中,而不是在最后添加。
历史学
主题分析作为一种系统的定性方法,由 Virginia Braun 和 Victoria Clarke 在其 2006 年发表于《定性研究心理学》的里程碑式论文中正式确立,该论文提供了先前缺乏的明确程序指导。Braun 和 Clarke 从一开始就区分了不同的认识论取向——从实在论到建构主义。随着定性方法学家在 2010 年代辩论描述性使用与诠释性使用主题分析之间的区别,其明确的诠释主义和建构主义应用获得了关注,最终在 Braun 和 Clarke 2019 年和 2021 年关于反思性主题分析的工作中进一步阐明了诠释主义立场。
何时使用
当你的研究问题不仅关注参与者经历了什么,还关注他们如何以及为何经历时——当你希望将参与者的叙述置于更广泛的理论、文化或社会框架中时,请使用诠释性主题分析。它适用于从建构主义、诠释主义或批判实在论认识论出发的研究,并且适用于访谈记录、焦点小组录音或丰富的文本文件等数据集。当现象是社会嵌入的,并受到权力、身份或话语的影响时,它尤其有价值。当研究目标是纯粹描述性地汇总参与者观点而几乎没有理论诠释时,则不要使用它——为此目的,一个更实在或反思性的主题方法,而没有强烈的预存理论视角,会更合适。如果数据稀疏(简短或封闭的回答),或者你无法证明和记录你的诠释性框架,也请避免使用。
局限与注意事项
- 分析的质量在很大程度上取决于研究者的理论素养和反思技能——糟糕的应用会产生肤浅或有偏见的结果。
- 结果在统计上不可推广;其价值在于深度和可迁移性,而不是代表性。
- 需要明确的理论基础,这要求在分析开始前投入时间进行阅读和构建。
- 在没有同行评审或审计追踪的情况下,合法诠释与过度解读数据之间的界限可能难以管理。
来源中的条件不能替代独立的科学审查或分析引擎的验证。
优势
- 产生分析上丰富的结果,超越描述,提供理论见解。
- 对于建构主义和诠释主义研究,认识论上是一致的——明确研究者在意义构建中的作用。
- 灵活:适用于社会、健康和教育科学领域广泛的数据类型和研究问题。
- 内置的反思性要求使研究者的影响保持透明,而不是隐藏。
- 可以与特定的理论框架(批判理论、女性主义、后殖民主义)相结合,以解决权力与身份问题。
应用
- 调查医疗专业人员如何在制度压力下构建专业身份。
- 分析政策文件和从业者访谈如何共同塑造对教育改革的理解。
- 探索边缘群体如何在社交媒体叙事中诠释和抵抗污名。
- 在员工对工作场所变化的叙述中,考察组织文化是如何构建和争论的。
- 研究患者如何在家庭和社区环境中理解慢性疾病诊断。
- 分析教师如何根据自己的教学信念来诠释课程要求。
使用方式
使用方式
研究者沉浸在数据集中——阅读和重读访谈记录,记录初步观察,并明确其理论立场和反思性立场。从一开始,这个阶段就是主动和诠释性的:研究者不以空白的视角对待数据,而是承认他们带来的诠释性框架。
系统地逐行或逐段对整个数据集进行编码。在诠释性变体中,编码不仅捕捉所说的内容(语义内容),还捕捉潜在的意义、矛盾和隐性假设。编码由研究者的理论框架塑造,该框架被透明地记录下来。
将编码分组为候选主题,这些主题捕捉了数据中诠释性上重要的模式。诠释性传统中的主题不仅仅是话题;它们代表了对意义的连贯叙述——一个关于通过选定的理论视角解读数据所揭示内容的论点或见解。
候选主题会根据数据集进行检验:它们在内部是否一致?它们是否准确地代表了编码的摘录?它们彼此之间是否有有意义的区别?主题可能会被精炼、合并、拆分或丢弃。此阶段还检查了整体主题图是否提供了真正的分析深度,而不仅仅是表面描述。
每个主题都写成一个诠释性论点,并附有生动的摘录,这些摘录被选来阐明分析主张——而不仅仅是描述参与者所说的内容。写作将研究结果置于相关的理论和实证文献中,展示了分析如何为知识做出贡献,而不是仅仅总结数据。
常见陷阱
- 将诠释视为事后诸葛亮——在纯粹描述性编码之上添加简短的理论评论;诠释必须从熟悉数据开始就积极进行。
- 选择引文来阐述预先存在的信念,而不是允许分析从数据中发展出真实的论点——这是确认偏误,不是诠释。
- 不充分的反思性——在方法部分陈述立场声明,但没有追踪研究者的假设如何在每个阶段影响编码和主题化。
- 混淆主题与话题或编码——诠释性主题分析中的主题应带有分析论点,而不仅仅是标记一个主题领域。
- 应用与数据或研究问题在理论上不兼容的诠释性视角,将数据强行纳入不合适的框架。
常见问题
诠释性主题分析与反思性主题分析有何不同?
反思性主题分析(Braun 和 Clarke,2019 年至今)是目前对完全建构主义、研究者积极参与的方法的首选术语。诠释性主题分析是早期或替代性的标签,用于描述本质上相同的认识论立场——强调研究者在构建意义中的积极作用。在实践中,这两个标签几乎是同义的;反思性主题分析现在是文献中更精确的术语。
我可以使用批判理论框架进行诠释性主题分析吗?
可以。诠释性变体旨在与批判理论、女性主义理论、后殖民理论或话语理论等理论框架配对。理论视角指导你在数据中寻找什么以及如何解释模式——前提是这样做是透明的,并且框架得到了真正的参与,而不是表面上的引用。
我需要多少参与者或数据项?
没有固定的最低数量,但数据集应足够丰富以支持诠释性深度。对于基于访谈的研究,8-20 名参与者是典型的。决定标准是数据是否足够多样化和详细,能够产生有意义的主题——非常小的数据集(少于 5-6 次访谈)可能产生反映个体差异而非模式化意义的分析。
我如何证明诠释性主题分析的严谨性?
严谨性通过审计追踪(记录编码决策)、解决研究者立场如何影响分析的反思性陈述、报告中使用厚描述,以及在适当情况下进行成员核查或同行讨论来证明。可迁移性——丰富的背景描述,让读者能够判断其适用性——比可重复性更重要。
NVivo 等软件适合诠释性主题分析吗?
定性数据软件可以协助组织和检索数据,但诠释性分析的智力工作——识别潜在意义、将模式置于理论中、撰写分析论点——必须由研究者完成。软件不进行诠释;它进行管理。其使用是可选的,不应取代分析者对数据的持续投入。
相关方法
参考文献
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101.
打开 DOI 文献已复制。Braun, V., & Clarke, V. (2013). Successful Qualitative Research: A Practical Guide for Beginners. Sage.
ISBN:978-1847875815已复制。