Тематический анализ - Thematic analysis

Тематический анализ одна из самых распространенных форм анализа в качественное исследование.[1][2] Он подчеркивает идентификацию, анализ и интерпретацию смысловых паттернов (или «тем») в качественных данных.[1] Тематический анализ часто понимается как метод или техника в отличие от большинства других качественных аналитических подходов, таких как обоснованная теория, анализ речи, повествовательный анализ и интерпретативный феноменологический анализ - которые можно описать как методологии или теоретически обоснованные рамки для исследования (они определяют руководящую теорию, соответствующие вопросы исследования и методы сбора данных, а также процедуры для проведения анализа). Тематический анализ лучше всего рассматривать как обобщающий термин для множества различных подходов, а не как единичный метод. Различные версии тематического анализа опираются на разные философские и концептуальные предположения и расходятся с точки зрения процедуры. Ведущие сторонники тематического анализа, психологи Вирджиния Браун и Виктория Кларк[3] различают три основных типа тематического анализа: подходы к кодированию надежности (примеры включают подходы, разработанные Ричард Бояцис[4] и Грег Гест и его коллеги[2]), подходы кодовой книги (сюда входят такие подходы, как анализ фреймворка,[5] анализ шаблона[6] и матричный анализ[7]) и рефлексивные подходы.[8][9] Они описывают свой собственный широко используемый подход, впервые изложенный в 2006 году в журнале. Качественные исследования в психологии[1] как рефлексивный тематический анализ.[10] Их статья 2006 года закончилась 59,000 Google ученый цитирований и, согласно Google Scholar, является наиболее цитируемой академической статьей, опубликованной в 2006 году. Популярность этой статьи свидетельствует о растущем интересе к тематическому анализу как отдельному методу (хотя некоторые сомневаются, является ли это отдельный метод или просто общий набор аналитических процедуры[11]).

Описание

Тематический анализ используется в качественных исследованиях и фокусируется на изучении тем или моделей значений в данных.[12] Этот метод может подчеркивать как организацию, так и подробное описание набора данных и теоретически обоснованную интерпретацию смысла.[1] Тематический анализ выходит за рамки простого подсчета фраз или слов в тексте (как в Анализ содержания ) и исследует явные и неявные значения данных.[2] Кодирование - это основной процесс разработки тем путем выявления в данных элементов, представляющих аналитический интерес, и их маркировки кодовой меткой.[4] В некоторых подходах к тематическому анализу кодирование следует за разработкой темы и представляет собой процесс распределения данных по заранее определенным темам (этот подход является обычным для надежности кодирования и подходов к кодовой книге), в других подходах, особенно рефлексивном подходе Брауна и Кларка, кодирование предшествует разработке темы. и темы построены из кодов.[3] Одной из отличительных черт тематического анализа является его гибкость - гибкость в отношении теории рамок, вопросов исследования и дизайна исследования.[1] Тематический анализ может использоваться для изучения вопросов о жизненном опыте участников, перспективах, поведении и практиках, факторах и социальных процессах, которые влияют и формируют определенные явления, явных и неявных нормах и `` правилах '', регулирующих конкретные практики, а также социальных конструирование смысла и представление социальных объектов в определенных текстах и ​​контекстах.[13]

Тематический анализ можно использовать для анализа большинства типов качественные данные включая качественные данные, собранные из интервью, фокус группы, опросы, запрошенные дневники, визуальные методы, наблюдение и полевые исследования, исследование действий, работа с памятью, виньетки, завершение истории и вторичные источники. Наборы данных могут варьироваться от краткого поверхностного ответа на открытый вопрос в опросе до сотен страниц стенограмм интервью.[14] Тематический анализ может использоваться для анализа как малых, так и больших наборов данных.[1] Тематический анализ часто используется в проектах со смешанными методами - теоретическая гибкость ТА делает его более простым выбором, чем подходы с конкретными встроенными теоретическими допущениями.

Иногда утверждается, что тематический анализ совместим с феноменология в том, что он может сосредоточиться на субъективном опыте участников и смыслах;[2] существует давняя традиция использования тематического анализа в феноменологических исследованиях.[15] Феноменологический подход подчеркивает восприятие, чувства и опыт участников как первостепенный объект исследования. Уходя корнями в гуманистическую психологию, феноменология отмечает, что голос «другого» является ключевым компонентом качественного исследования в целом. Такой подход позволяет респондентам обсуждать тему своими словами, без ограничений, связанных с вопросами с фиксированным ответом, которые можно найти в количественных исследованиях.

Иногда ошибочно полагают, что тематический анализ совместим только с феноменологией или экспериментальными подходами к качественному исследованию. Браун и Кларк утверждают, что их рефлексивный подход в равной степени совместим с социальный конструкционист, постструктуралист и критический подходы к качественному исследованию.[16] Они подчеркивают теоретическую гибкость тематического анализа и его использование в реалистических, критически реалистических и релятивистских онтологиях, а также в позитивистских, контекстуалистических и конструкционистских эпистемологиях.

Как и большинство методов исследования, процесс анализа данных может происходить двумя основными способами:индуктивно или же дедуктивно.[1] При индуктивном подходе выявленные темы прочно связаны с данными.[4] Это означает, что процесс кодирования происходит без попытки приспособить данные к уже существующей теории или структуре. Однако важно отметить, что индукция в тематическом анализе - это не «чистая» индукция; исследователи не могут освободиться от онтологический, эпистемологический и парадигматический предположения - кодирование всегда будет отражать философскую точку зрения исследователя и исследовательские ценности.[1] С другой стороны, дедуктивный подход основан на теории.[17] Эта форма анализа имеет тенденцию быть более интерпретативной, потому что анализ формируется и опирается на уже существующие теории и концепции. Дедуктивные подходы могут включать поиск тем, выявленных в других исследованиях в наборе данных, или использование существующей теории в качестве линзы для организации, кодирования и интерпретации данных. Иногда дедуктивный подход неправильно понимается как кодирование, основанное на исследовательском вопросе или вопросах сбора данных. Тематический анализ также может сочетать индуктивный и дедуктивный подходы.

Различные подходы к тематическому анализу

Надежность кодирования[4][2] подходы имеют самую долгую историю и часто мало отличаются от качественного контент-анализа. Как следует из названия, они отдают приоритет измерению надежности кодирования за счет использования структурированных и фиксированных кодовых книг, использования нескольких кодировщиков, которые работают независимо для применения кодовой книги к данным, измерения надежности между экспертами или соглашения между кодировщиками. (обычно с использованием Каппа Коэна ) и определение окончательного кодирования на основе консенсуса или соглашения между кодировщиками. Эти подходы являются формой качественного позитивизма или небольшого q качественного исследования.[18] Они сочетают использование качественных методов с исследовательскими ценностями и предположениями (количественного) позитивизма - подчеркивая важность установления надежности кодирования и рассмотрения субъективности или `` предвзятости '' исследователя как потенциальной угрозы надежности кодирования, которую необходимо сдерживать и контролировать. Бояцис[4] представляет свой подход как способ «преодолеть разрыв» между количественной (позитивистской) и качественной (интерпретативистской) парадигмами. Некоторые качественные исследователи критически относятся к использованию структурированных кодовых книг, нескольких независимых кодировщиков и показателей надежности между экспертами. Дженис Морс утверждает, что такое кодирование обязательно является грубым и поверхностным, чтобы облегчить согласование кодирования.[19] Браун и Кларк (со ссылкой на Ярдли[20]) утверждают, что все соглашения о кодировании демонстрируют то, что кодировщики были обучены кодировать таким же образом, а не то, что кодирование является «надежным» или «точным».[13]

Подходы из книги кодов, такие как анализ фреймворка,[5] анализ шаблона[6] и матричный анализ[7] сосредотачиваются на использовании структурированных кодовых книг, но - в отличие от подходов к надежности кодирования - делают упор в большей или меньшей степени на качественные исследовательские ценности. Как надежность кодирования, так и подходы с кодовой книгой обычно включают раннюю разработку темы - все или некоторые темы разрабатываются до кодирования, часто после некоторого ознакомления с данными (чтения и повторного чтения данных, чтобы ближе познакомиться с их содержанием). После того, как темы были разработаны, создается кодовая книга - это может включать некоторый первоначальный анализ части или всех данных. Затем данные кодируются. Кодирование включает распределение данных по заранее определенным темам с использованием кодовой книги в качестве руководства. Кодовую книгу также можно использовать для отображения и отображения появления кодов и тем в каждом элементе данных. Темы часто относятся к общему типу, обсуждаемому Брауном и Кларком.[3]

В основе рефлексивных подходов лежат органические и гибкие процессы кодирования - кодовой книги не существует, кодирование может выполняться одним исследователем, если в кодировании участвуют несколько исследователей, это концептуализировано как совместный процесс, а не как тот, который должен привести к консенсусу. Индивидуальные коды не фиксированы - они могут развиваться в процессе кодирования, границы кода могут быть перерисованы, коды могут быть разделены на два или более кода, свернуты с другими кодами и даже продвинуты в темы.[13] Рефлексивные подходы обычно включают более позднюю разработку тем - темы, созданные путем объединения похожих кодов. Темы должны отражать общий смысл, организованный вокруг центральной концепции или идеи.[21]

Браун, Кларк и его коллеги критиковали тенденцию игнорировать разнообразие в рамках тематического анализа и неспособность признать различия между различными подходами, которые они наметили.[22] Они утверждают, что эта неудача приводит к бездумным смешениям их подхода с несовместимыми методами и подходами, такими как кодовые книги, согласованное кодирование и измерение надежности между экспертами.

Тема

В тематическом анализе нет единого определения или концептуализации темы.[23] Для некоторых сторонников тематического анализа, в том числе Брауна и Кларка, темы концептуализируются как паттерны общего значения для элементов данных, подкрепленные или объединенные центральной концепцией, которые важны для понимания явления и имеют отношение к вопросу исследования.[3] Для других (включая большинство сторонников надежности кодирования и сторонников кодовой книги) темы - это просто резюме информации, относящейся к определенной теме или предметной области; нет требования к общему значению, организованному вокруг центральной концепции, только общая тема.[3] Хотя эти две концепции связаны с конкретными подходами к тематическому анализу, они часто путают и смешивают. То, что Браун и Кларк называют темами резюме предметной области или темами резюме темы, часто имеют односложные заголовки (например, Пол, Поддержка) или такие заголовки, как «Преимущества ...», «Препятствия на пути ...», сигнализирующие о сосредоточении внимания на обобщении всего, что сказали участники, или основные поднятые вопросы, касающиеся конкретной темы или предметной области.[3] Тематические сводные темы обычно разрабатываются до кодирования данных и часто отражают вопросы сбора данных. Общие смысловые темы, основанные на центральной концепции или идее[21] не могут быть разработаны до кодирования (потому что они построены из кодов), поэтому они являются результатом тщательного и систематического процесса кодирования. Браун и Кларк критически относились к путанице тематических сводных тем с их концептуализацией тем как отражающих общий смысл, подкрепленный центральной концепцией.[24] Некоторые качественные исследователи утверждали, что резюме тем представляют собой недостаточно разработанный анализ или аналитическое изъятие права выкупа.[25][26]

Существует спор о том, что «темы возникают» из данных. Браун и Кларк критически относятся к этому языку, потому что они утверждают, что он позиционирует темы как сущности, которые существуют полностью сформированными в данных - исследователь является просто пассивным свидетелем тем, «возникающих» из данных.[1] Вместо этого они утверждают, что исследователь играет активную роль в создании тем - поэтому темы конструируются, создаются, генерируются, а не просто возникают. Другие используют этот термин сознательно, чтобы охватить индуктивное (возникающее) создание тем. Однако не всегда ясно, как используется этот термин.

Распространенность или повторяемость не обязательно являются наиболее важными критериями при определении того, что составляет тему; темы могут считаться важными, если они имеют непосредственное отношение к вопросу исследования и значимы для понимания интересующих явлений.[1] Распространенность темы не обязательно означает частоту появления темы (то есть количество элементов данных, в которых она встречается); это также может означать, сколько данных захватывает тема в каждом элементе данных и в наборе данных. Темы обычно очевидны во всем наборе данных, но более высокая частота не обязательно означает, что тема более важна для понимания данных. Суждение исследователя - ключевой инструмент в определении того, какие темы более важны.[1]

Также существуют разные уровни, на которых данные могут быть закодированы и темы могут быть идентифицированы - семантический и скрытый.[4][1] Тематический анализ может быть сосредоточен на одном из этих уровней или на обоих. Семантические коды и темы определяют явные и поверхностные значения данных. Исследователь не смотрит дальше того, что сказал или написал участник. И наоборот, скрытые коды или темы захватывают лежащий в основе идеи, шаблоны и предположения. Это требует более интерпретативной и концептуальной ориентации данных.

Для Брауна и Кларка существует четкое (но не абсолютное) различие между темой и кодом - код фиксирует одно (или несколько) представлений о данных, а тема включает в себя многочисленные идеи, организованные вокруг центральной концепции или идеи. Они часто используют аналогию с домом из кирпича и черепицы: код - это отдельный кирпич или черепица, а темы - стены или панели крыши, каждая из которых состоит из множества кодов. Другие подходы к тематическому анализу не делают такого четкого различия между кодами и темами - в некоторых текстах исследователям рекомендуется «кодировать темы».[27] Это может сбивать с толку, потому что для Брауна, Кларка и других тема считается результатом или результатом кодирования, а не тем, что кодируется. В подходах, которые проводят четкое различие между кодами и темами, код - это метка, которая присваивается определенным частям данных, которые вносят вклад в тему. Например, «БЕЗОПАСНОСТЬ может быть кодом, но ЛОЖНОЕ ЧУВСТВО БЕЗОПАСНОСТИ может быть темой».[27]

Методологические вопросы

Журналы рефлексивности

Учитывая, что качественная работа по своей сути является интерпретационным исследованием, позиции, ценности и суждения исследователей должны быть прямо признаны, чтобы они принимались во внимание при осмыслении окончательного отчета и оценке его качества.[28] Такой тип открытости и рефлексии считается положительным в качественном сообществе.[29] Исследователи формируют работу, которую они делают, и являются инструментом для сбора и анализа данных. Чтобы признать исследователя инструментом анализа, полезно создать и вести журнал рефлексивности.[30]

Процесс рефлексии можно охарактеризовать как размышление исследователя и документирование того, как его ценности, позиции, выбор и практика исследования повлияли и сформировали исследование и окончательный анализ данных. Журналы рефлексивности в чем-то похожи на использование аналитических записок или написание заметок в обоснованная теория, который может быть полезен для размышлений над развивающимся анализом и потенциальными шаблонами, темами и концепциями.[14] На протяжении всего процесса кодирования исследователи должны иметь подробные записи о развитии каждого из своих кодов и потенциальных тем. Кроме того, изменения, внесенные в темы, и связи между темами могут быть обсуждены в окончательном отчете, чтобы помочь читателю понять решения, которые были приняты в процессе кодирования.[31]

После того, как сбор данных завершен и исследователи приступят к этапу анализа данных, они должны сделать записи о своем первоначальном впечатлении от данных. Регистрация идей для будущего анализа может помочь записать мысли и размышления и может служить справочным материалом для потенциальных идей кодирования по мере перехода от одной фазы к другой в процессе тематического анализа.[14]

Практика кодирования

Вопросы, которые следует учитывать при кодировании, могут включать:[14]

  • Что делают люди? Чего они пытаются достичь?
  • Как именно они это делают? Какие конкретные средства или стратегии используются?
  • Как люди говорят и понимают, что происходит?
  • Какие предположения они делают?
  • Что я вижу здесь? Что я узнал из заметок?
  • Почему я их включил?

Такие вопросы обычно задают на всех циклах процесса кодирования и анализа данных. Журнал рефлексивности часто используется для выявления потенциальных кодов, которые изначально не имели отношения к исследованию.[14]

Соображения относительно размера выборки

Нет однозначного ответа на вопросы о размере выборки в тематическом анализе; точно так же, как нет однозначного ответа на размер выборки в качественном исследовании в более широком смысле (классический ответ - «это зависит» - от объема исследования, вопроса и темы исследования, метода или методов сбора данных, разнообразия индивидуальных элементы данных, аналитический подход[32]). Некоторые сторонники надежности кодирования и кодовой книги предоставляют руководство по определению размера выборки перед анализом данных, уделяя особое внимание концепции насыщения или избыточности информации (в данных нет очевидной новой информации, кодов или тем). Эти попытки «ввести в действие» насыщенность предполагают, что насыщение кода (часто определяемое как идентификация одного экземпляра кода) может быть достигнуто всего за 12 или даже 6 интервью в некоторых обстоятельствах.[33] Считается, что значение насыщенности - развитие «богато структурированного» понимания проблем требует более крупных выборок (не менее 24 интервью).[34] Существует множество критических оценок концепции насыщенности данными - многие утверждают, что она встроена в реалистичную концепцию фиксированного значения, а в качественной парадигме всегда есть потенциал для нового понимания из-за роли исследователя в интерпретации значения.[35] Некоторые количественные исследователи предложили статистические модели для определения размера выборки до сбора данных для тематического анализа. Например, Фугард и Поттс предложили перспективный количественный инструмент для поддержки размышлений о размере выборки по аналогии с методы количественной оценки размера выборки.[36] Лоу и его коллеги предложили количественные, вероятностные меры степени насыщения, которые можно рассчитать по исходной выборке и использовать для оценки размера выборки, необходимого для достижения заданного уровня насыщения.[37] Их анализ показывает, что обычно используемые методы оценки размера биномиальной выборки могут значительно недооценивать размер выборки, необходимый для насыщения. Все эти инструменты подвергались критике со стороны качественных исследователей (включая Брауна и Кларка).[38]) для опоры на предположения о качественных исследованиях, тематическом анализе и темах, которые противоречат подходам, которые отдают приоритет ценностям качественных исследований.[39][40][41]

Шесть этапов тематического анализа Брауна и Кларка

Фаза[1]ПроцессРезультатЗаписи журнала рефлексивности[1]
Фаза 1Читайте и повторно считывайте данные, чтобы понять, что они собой представляют, обращая особое внимание на возникающие закономерности.Предварительные «стартовые» коды и подробные примечания.Перечислите начальные коды в журнале вместе с описанием того, что означает каждый код, и источника кода.
Фаза 2Сгенерируйте исходные коды, документируя, где и как возникают шаблоны. Это происходит за счет сокращения данных, когда исследователь сворачивает данные в ярлыки, чтобы создать категории для более эффективного анализа. Здесь также завершается усложнение данных. Это предполагает, что исследователь делает выводы о том, что означают коды.Исчерпывающие коды ответов на вопросы исследования.Предоставьте подробную информацию о том, как и почему были объединены коды, какие вопросы исследователь задает к данным и как связаны коды.
Фаза 3Объединяйте коды в общие темы, которые точно отображают данные. При разработке тем важно, чтобы исследователь точно описал, что означают темы, даже если тема кажется «не подходящей». Исследователь также должен описать, чего не хватает в анализе.Список возможных тем для дальнейшего анализа.Журналы рефлексивности должны отмечать, как коды были интерпретированы и объединены в темы.
Фаза 4На этом этапе исследователь смотрит, как темы поддерживают данные и общую теоретическую перспективу. Если анализ кажется неполным, исследователь должен вернуться и найти то, что отсутствует.Последовательное распознавание того, как образуются темы, чтобы рассказать точную историю о данных.Примечания должны включать в себя процесс понимания тем и того, как они сочетаются с заданными кодами. Ответы на исследовательские вопросы и вопросы, основанные на данных, должны быть чрезвычайно сложными и хорошо подкрепляться данными.
Фаза 5Исследователю необходимо определить, что представляет собой каждая тема, какие аспекты данных фиксируются и что интересно в этих темах.Комплексный анализ того, какие темы способствуют пониманию данных.Исследователь должен описать каждую тему в нескольких предложениях.
6 этапКогда исследователи пишут отчет, они должны решить, какие темы вносят значительный вклад в понимание того, что происходит в данных. Исследователи также должны провести "проверка членов ". Здесь исследователи возвращаются к имеющемуся образцу, чтобы проверить, является ли их описание точным.А толстое описание результатов.Обратите внимание, почему определенные темы более полезны для внесения вклада и понимания того, что происходит в наборе данных. Опишите процесс выбора способа представления результатов.

Этап 1. Ознакомление с данными

Этот шестиэтапный процесс тематического анализа основан на работах Брауна и Кларка и их рефлексивный подход к тематическому анализу.[1][42] Этот шестиэтапный циклический процесс включает в себя переход между фазами анализа данных по мере необходимости, пока вы не будете удовлетворены окончательными темами.[1] Исследователи, проводящие тематический анализ, должны попытаться выйти за рамки поверхностного значения данных, чтобы понять смысл данных и рассказать богатую и убедительную историю о том, что эти данные означают.[1] Процедуры, связанные с другими подходами к тематическому анализу, существенно отличаются. Это описание шестиэтапного процесса Брауна и Кларка также включает в себя некоторое обсуждение противоположных идей, представленных другими сторонниками тематического анализа. Начальная фаза рефлексивного тематического анализа является общей для большинства подходов - это ознакомление с данными. Здесь исследователи знакомятся с содержанием своих данных - как с деталями каждого элемента данных, так и с «общей картиной». В других подходах перед чтением данных исследователи могут создать «начальный список» потенциальных кодов.[43] Поскольку подход Брауна и Кларка направлен на то, чтобы сосредоточиться на данных, а не на предшествующих концепциях исследователя, они рекомендуют только разработку кодов до ознакомления с дедуктивными подходами, когда кодирование руководствуется ранее существовавшей теорией. Для Майлза и Хубермана в их матричном подходе «стартовые коды» должны быть включены в журнал рефлексивности с описанием представлений каждого кода и места, где этот код установлен.[43] Активный анализ данных поможет исследователям в поиске значений и закономерностей в наборе данных. На этом этапе возникает соблазн ускорить этот этап ознакомления и немедленно начать генерировать коды и темы; Однако этот процесс погружения поможет исследователям определить возможные темы и закономерности. Чтение и повторное чтение материала до тех пор, пока исследователь не почувствует себя комфортно, имеет решающее значение на начальном этапе анализа. При ознакомлении с материалом заметки являются важной частью этого шага для начала разработки потенциальных кодексов.[1]

Транскрипция

После завершения сбора данных исследователю, возможно, потребуется преобразовать свои данные в письменную форму (например, аудиозаписи, такие как интервью).[1] Браун и Кларк предоставляют систему обозначений транскрипции для использования со своим подходом в своем учебнике. Успешные качественные исследования. Качественный транскрипция данных является обязательным условием надежности анализа. Критерии транскрипции данных должны быть установлены до начала фазы транскрипции, чтобы гарантировать высокую надежность.[2]

Некоторые сторонники тематического анализа - в частности, сторонники позитивизма - выражают озабоченность по поводу точности транскрипции.[2] Несоответствия в транскрипции могут привести к «смещениям» в анализе данных, которые будет трудно выявить позже в процессе анализа.[2] Для других, в том числе Брауна и Кларка, транскрипция рассматривается как интерпретирующий и теоретически встроенный процесс и поэтому не может быть «точным» в прямом смысле слова, поскольку исследователь всегда делает выбор в отношении того, как перевести устную речь в письменный.[1] Однако это не означает, что исследователи не должны стремиться к полноте своих расшифровок и использовать систематический подход к транскрипции. В идеале авторы должны предоставить ключ для своей системы обозначений транскрипции, чтобы было легко понять, что означают конкретные обозначения. Добавление комментариев типа «* голос понижен *» сигнализирует об изменении речи. Общее примерное правило, которому следует следовать при планировании времени для расшифровки - позволяйте тратить 15 минут на расшифровку на каждые 5 минут диалога. Транскрипция может быть частью ознакомительного процесса.[1][13]

После этого этапа исследователь должен ознакомиться с содержанием данных и уметь определять явные закономерности или повторяющиеся проблемы в данных. Эти закономерности следует записать в журнал рефлексивности, где они будут использоваться при кодировании данных. Другие сторонники ТА концептуализируют кодирование, когда исследователь начинает получать контроль над данными. Они считают важным отмечать данные, которые касаются вопроса исследования. Для них это начало процесса кодирования.[2]

Этап 2: создание кодов

Второй шаг рефлексивного тематического анализа - это пометка интересующих элементов в данных меткой (несколько слов или короткая фраза). Этот ярлык должен четко указывать на соответствующие особенности данных - это важно на более поздних этапах разработки темы. Этот систематический способ организации и выявления значимых частей данных, связанных с исследовать вопрос называется кодирование. Процесс кодирования развивается благодаря погружению исследователя в свои данные и считается не линейным процессом, а циклическим процессом, в ходе которого разрабатываются и уточняются коды.

Процесс кодирования редко завершается за один проход по данным. Саладана рекомендует, чтобы каждый раз, когда исследователи работают с набором данных, они должны стремиться уточнять коды, добавляя, вычитая, комбинируя или разделяя потенциальные коды.[14] Для Майлза и Хубермана «стартовые коды» создаются с помощью терминологии, используемой участниками во время интервью, и могут использоваться в качестве ориентира для их опыта во время интервью.[43] Для более позитивистских сторонников тематического анализа надежность возрастает, когда исследователь использует конкретные коды, основанные на диалоге и носящие описательный характер.[2] Эти коды помогут исследователю позже найти фрагменты данных и определить, почему они были включены в них. Тем не менее, Браун и Кларк призывают исследователей не ограничиваться исключительно описанием и кратким изложением и интерпретировать данные, исследуя как явное (семантическое), так и неявное (скрытое) значение.[1] Кодирование создает основу для подробного анализа позже, позволяя исследователю реорганизовать данные в соответствии с идеями, которые были получены в ходе процесса. Записи журнала рефлексивности для новых кодов служат ориентиром для участников и их раздела данных, напоминая исследователю о необходимости понять, почему и где они будут включать эти коды в окончательный анализ.[2] На протяжении всего процесса кодирования каждому элементу данных необходимо уделять полное и равное внимание, потому что это поможет идентифицировать иным образом незамеченные повторяющиеся шаблоны.Очень важно кодирование как можно более всеобъемлющего характера - кодирование отдельных аспектов данных, которые могут показаться несущественными, потенциально может иметь решающее значение на более поздних этапах процесса анализа.[1]

По мнению социологов Коффи и Аткинсон, кодирование также включает в себя процесс обработки и усложнения данных.[44] Сокращение кодов начинается путем присвоения тегов или меток набору данных на основе вопроса (ов) исследования. На этом этапе объединение больших наборов данных в более мелкие единицы позволяет проводить дальнейший анализ данных путем создания полезных категорий. Коды In-vivo также производятся путем использования ссылок и терминологии участников в их интервью. Кодирование помогает в разработке, преобразовании и переосмыслении данных и помогает найти больше возможностей для анализа. Исследователи должны задавать вопросы, связанные с данными, и генерировать теории на основе данных, выходя за рамки того, о чем ранее сообщалось в предыдущем исследовании.[44]

Обработка данных (Коффи и Аткинсон[44])

Для некоторых сторонников тематического анализа кодирование можно рассматривать как средство сокращения данных или упрощения данных (это не относится к Брауну и Кларку, которые рассматривают кодирование как сокращение и интерпретацию данных). Для Коффи и Аткинсона, используя простые, но широкие аналитические коды, можно сократить объем данных до более управляемого подвига. На этом этапе анализа данных аналитик должен сосредоточиться на определении более простого способа организации данных. Используя редукционизм данных, исследователи должны включить процесс индексации текстов данных, которые могут включать: полевые заметки, стенограммы интервью или другие документы. Данные на этом этапе сводятся к классам или категориям, в которых исследователь может идентифицировать сегменты данных, которые имеют общую категорию или код.[44] Зидель и Келле предложили три способа облегчить процесс обработки и кодирования данных: (а) замечать релевантные явления, (б) собирать примеры явлений и (в) анализировать явления, чтобы найти сходства, различия, закономерности и вышележащие структуры. Этот аспект кодирования данных важен, потому что на этом этапе исследователи должны прикреплять коды к данным, чтобы позволить исследователю думать о данных по-разному.[44] Кодирование нельзя рассматривать как строгое сокращение данных, усложнение данных можно использовать как способ открыть данные для дальнейшего изучения.[44] В следующем разделе рассматривается процесс усложнения данных Коффи и Аткинсона и его значение для анализа данных в качественном анализе.[44]

Сложность данных (Коффи и Аткинсон[44])

Для Коффи и Аткинсона процесс создания кода можно описать как сокращение и усложнение данных. Сложность данных можно описать как выход за рамки данных и постановку вопросов о данных для создания основ и теорий. Усложнение данных используется для расширения данных для создания новых вопросов и интерпретации данных. Исследователи должны убедиться, что в процессе кодирования не теряется больше информации, чем получается.[44] Теш определил усложнение данных как процесс переосмысления данных, дающий новые контексты для сегментов данных. Усложнение данных служит средством предоставления новых контекстов для просмотра и анализа данных.[44]

Кодирование - это процесс разбиения данных на части с помощью аналитических методов и для того, чтобы задать вопросы о данных, предоставляя временные ответы об отношениях внутри и между данными.[44] Деконтекстуализация и реконтекстуализация помогают сокращать и расширять данные по-новому с помощью новых теорий.[44]

Этап 3: создание исходных тем

Поиск тем и рассмотрение того, что работает, а что не работает в рамках тем, позволяет исследователю начать анализ потенциальных кодов. На этом этапе важно начать с изучения того, как коды объединяются, чтобы сформировать всеобъемлющие темы в данных. На этом этапе у исследователей есть список тем, и они начинают сосредотачиваться на более широких закономерностях в данных, комбинируя закодированные данные с предлагаемыми темами. Исследователи также начинают рассматривать, как формируются отношения между кодами и темами, а также между различными уровнями существующих тем. Может быть полезно использовать визуальные модели для сортировки кодов по потенциальным темам.[1]

Темы отличаются от кодов тем, что темы - это фразы или предложения, определяющие, какие данные средства. Они описывают результат кодирования для аналитического размышления. Темы состоят из идей и описаний внутри культуры, которые можно использовать для объяснения причинных событий, утверждений и морали, извлеченных из рассказов участников. На последующих этапах важно сузить потенциальные темы, чтобы получить слишком широкую тему. Тематический анализ позволяет категориям или темам возникать из следующих данных: повторение идей; местные термины, метафоры и аналогии; сдвиги в теме; и сходства и различия языкового выражения участников. На этом этапе важно обратить внимание не только на то, что присутствует в данных, но и на то, что отсутствует в данных.[14] завершение этого этапа должно привести к появлению множества возможных тем, собранных в процессе обработки данных. Крайне важно избегать отбрасывания тем, даже если они изначально незначительны, поскольку они могут стать важными темами позже в процессе анализа.[1]

Этап 4. Обзор тем

На этом этапе исследователи должны сравнить свои первоначальные темы с закодированными данными и всем набором данных - это необходимо для того, чтобы анализ не ушел слишком далеко от данных и предоставил убедительный отчет о данных, относящихся к вопросу исследования. Этот процесс обзора также позволяет расширять и пересматривать темы по мере их развития. На этом этапе у исследователей должен быть набор потенциальных тем, так как именно на этом этапе происходит переработка исходных тем. Некоторые существующие темы могут сливаться друг с другом, другие темы, возможно, придется объединить в более мелкие блоки или отпустить все вместе.[1]

В частности, этот этап включает два уровня доработки и пересмотра тем. Связи между перекрывающимися темами могут служить важными источниками информации и могут предупреждать исследователей о возможности появления новых закономерностей и проблем в данных. Для Гость и коллег отклонения от закодированного материала могут уведомить исследователя о том, что тема на самом деле может оказаться бесполезной для понимания данных и от нее следует отказаться. Оба этих признания должны быть отмечены в журнале рефлексивности исследователя, включая отсутствие тем.[2] Коды служат способом связать данные с представлением человека об этой концепции. На этом этапе исследователь должен сосредоточиться на интересных аспектах кодов и на том, почему они подходят друг другу.[2]

Уровень 1 (Проверка тем по закодированным данным)

Просмотр отрывков закодированных данных позволяет исследователям определить, образуют ли темы последовательные шаблоны. Если это так, исследователи должны перейти на Уровень 2. Если темы не образуют последовательных шаблонов, необходимо рассмотрение потенциально проблемных тем.[1] Если темы проблемные, важно переработать тему, и в процессе могут появиться новые темы.[1] Например, проблематично, когда темы кажутся не «работающими» (фиксируют что-то убедительное в данных) или между темами существует значительное перекрытие. Это может привести к слабому или неубедительному анализу данных. Если это произойдет, возможно, потребуется распознать данные, чтобы создать взаимосвязанные, взаимоисключающие темы.[1]

Уровень 2 (проверка тем по всему набору данных)

Следующим этапом обзора является рассмотрение достоверности отдельных тем и того, как они связаны с набором данных в целом. Совершенно необходимо оценить, отражает ли потенциальное значение тематической карты важную информацию в данных, относящуюся к вопросу исследования. Еще раз, на этом этапе важно прочитать и повторно прочитать данные, чтобы определить, связаны ли текущие темы с набором данных. Чтобы помочь в этом процессе, необходимо кодировать любые дополнительные элементы, которые могли быть пропущены ранее на начальном этапе кодирования. Если потенциальная карта «работает», чтобы осмысленно фиксировать и рассказывать связную историю о данных, исследователь должен перейти к следующему этапу анализа. Если карта не работает, важно вернуться к данным, чтобы продолжить рассмотрение и уточнение существующих тем и, возможно, даже провести дальнейшее кодирование. Несоответствие между данными и аналитическими утверждениями снижает объем поддержки, которую могут предоставить данные. Этого можно избежать, если исследователь уверен, что его интерпретация данных и аналитическая информация совпадают.[1] Исследователи повторяют этот процесс до тех пор, пока их не устраивает тематическая карта. К концу этого этапа у исследователей есть представление о том, какие темы и как они сочетаются друг с другом, чтобы они могли рассказать историю о наборе данных.[1]

Этап 5: Определение и наименование тем

Определение и уточнение существующих тем, которые будут представлены в окончательном анализе, помогает исследователю анализировать данные в рамках каждой темы. На этом этапе идентификация сущности тем связана с тем, как каждая конкретная тема образует часть всей картины данных. Анализ на этом этапе характеризуется определением того, какие аспекты данных фиксируются и что интересно в темах, а также как темы сочетаются друг с другом, чтобы рассказать последовательную и убедительную историю о данных.

Чтобы определить, содержат ли текущие темы подтемы, и открыть для себя дополнительную глубину тем, важно рассматривать темы в рамках всего изображения, а также как автономные темы. Браун и Кларк рекомендуют с осторожностью подходить к разработке множества подтем и многих уровней тем, поскольку это может привести к чрезмерно фрагментированному анализу.[45] Затем исследователи должны провести и написать подробный анализ, чтобы выявить историю каждой темы и ее значение.[1] К концу этого этапа исследователи могут (1) определить, из чего состоят текущие темы, и (2) объяснить каждую тему в нескольких предложениях. Важно отметить, что исследователи начинают думать о названиях тем, которые дадут читателю полное представление о теме и ее важности.[1] Неспособность полностью проанализировать данные возникает, когда исследователи не используют данные для поддержки своего анализа, помимо простого описания или перефразирования содержания данных. Исследователи, проводящие тематический анализ, должны попытаться выйти за рамки поверхностного значения данных, чтобы разобраться в данных и рассказать точную историю того, что означают данные.[1]

Этап 6: Подготовка отчета

После того, как окончательные темы рассмотрены, исследователи приступают к написанию окончательного отчета. При написании заключительного отчета исследователи должны выбрать темы, которые вносят значимый вклад в ответы на исследовательские вопросы, которые позже должны быть уточнены как окончательные темы. Для сторонников надежности кодирования Гость и коллеги исследователи представляют диалоги, связанные с каждой темой, в поддержку повышения надежности через толстое описание результатов.[2] Цель этого этапа - написать тематический анализ, чтобы передать сложную историю данных таким образом, чтобы убедить читателя в достоверности и достоинствах вашего анализа.[1] Четкое, краткое и прямолинейное логическое изложение сюжета по всем темам важно для читателей, чтобы понять окончательный отчет. Описание отчета должно содержать достаточно доказательств того, что темы в данных имеют отношение к набору данных. В повествование следует включать выдержки, чтобы полностью раскрыть смысл анализируемых моментов. Аргумент должен быть в поддержку вопроса исследования. Для некоторых сторонников тематического анализа последний этап подготовки отчета - это включение проверка членов в качестве средства для установления доверия исследователям следует рассмотреть возможность выбора окончательных тем и поддержки диалога с участниками для получения обратной связи.[2] Однако Браун и Кларк критически относятся к практике проверки членов и, как правило, не считают ее желательной практикой в ​​своем рефлексивном подходе к тематическому анализу.[13] Они не только подчеркивают многочисленные практические проблемы, связанные с проверкой участников, но и утверждают, что это только теоретически согласуется с подходами, которые стремятся описать и обобщить счета участников таким образом, чтобы они были узнаваемы.[13] Учитывая, что в их подходе рефлексивный тематический анализ сосредоточена на активной интерпретирующей роли исследователя, это может не относиться к анализу, полученному с использованием их подхода.

Преимущества и недостатки

Технический или прагматический взгляд на исследователей исследовательских центров дизайна, проводящих качественный анализ с использованием наиболее подходящего метода для вопроса исследования.[13] Однако редко бывает только один идеальный или подходящий метод, поэтому часто используются другие критерии для выбора методов анализа - теоретические обязательства исследователя и его знакомство с конкретными методами. Тематический анализ обеспечивает гибкий метод анализа данных и позволяет исследователям с различным методологическим опытом участвовать в этом типе анализа.[1] Для позитивистов «надежность» вызывает озабоченность из-за многочисленных потенциальных интерпретаций возможных данных и потенциальной субъективности исследователя «смещать» или искажать анализ. Для тех, кто привержен ценностям качественного исследования, субъективность исследователя рассматривается как ресурс (а не угроза достоверности), и поэтому опасения по поводу надежности не имеют значения. Не существует единой правильной или точной интерпретации данных, интерпретации неизбежно субъективны и отражают позицию исследователя. Качество достигается за счет систематического и строгого подхода, а также благодаря тому, что исследователь постоянно размышляет о том, как они формируют развивающийся анализ. Браун и Кларк разработали Контрольный список из 15 пунктов за их рефлексивный подход. Для сторонников тематического анализа надежности кодирования жизненно важно использование нескольких кодеров и измерение согласованности кодирования.[2]

Тематический анализ имеет несколько преимуществ и недостатков, исследователи должны решить, подходит ли этот метод анализа для их исследовательского плана.

Преимущества

  • Теоретическая гибкость и гибкость исследовательского дизайна, которую он дает исследователям - к этому процессу можно применить несколько теорий в самых разных эпистемологиях.[1]
  • Хорошо подходит для больших наборов данных.[2][1]
  • Кодовая книга и подходы к надежности кодирования разработаны для использования в исследовательских группах.
  • Интерпретация тем подтверждена данными.[2]
  • Применимо к исследовательским вопросам, выходящим за рамки личного опыта.[2]
  • Позволяет индуктивно разрабатывать коды и темы на основе данных.[14]

Недостатки

  • Тематический анализ может упустить подробные данные, если исследователь неосторожен и использует тематический анализ в теоретическом вакууме.[2][1]
  • Из-за гибкости начинающим исследователям сложно решить, на каких аспектах данных следует сосредоточиться.[1]
  • Ограниченные возможности интерпретации, если анализ не основан на теоретических основах.[1]
  • Трудно поддерживать ощущение непрерывности данных в отдельных учетных записях из-за упора на определение тем в элементах данных.[1]
  • Не позволяет исследователям делать технические заявления об использовании языка (в отличие от анализа дискурса и анализа нарратива).[1]

Ссылки

Смотрите также

Рекомендации

  1. ^ а б c d е ж грамм час я j k л м п о п q р s т ты v ш Икс у z аа ab ac объявление ае аф аг ах ай эй ак аль являюсь ан ао ap водный Браун, Вирджиния; Кларк, Виктория (2006). «Использование тематического анализа в психологии». Качественные исследования в психологии. 3 (2): 77–101. Дои:10.1191 / 1478088706qp063oa. HDL:2027.42/138221. S2CID  10075179.
  2. ^ а б c d е ж грамм час я j k л м п о п q р s т Гость, Грег; Маккуин, Кэтлин; Намей, Эмили (2012). Прикладной тематический анализ. Таузенд-Оукс, Калифорния: Публикации SAGE. п. 11.
  3. ^ а б c d е ж Браун, Вирджиния; Кларк, Виктория (2019). «Тематический анализ». Справочник по методам исследования в области здравоохранения, социальных наук. Хобокен, Нью-Джерси: Springer: 843–860. Дои:10.1007/978-981-10-5251-4_103. ISBN  978-981-10-5250-7.
  4. ^ а б c d е ж Бояцис, Ричард (1998). Преобразование качественной информации: тематический анализ и разработка кода. Таузенд-Оукс, Калифорния: Сейдж.
  5. ^ а б Гейл, Никола; Хит, Джемма (2013). «Использование рамочного метода для анализа качественных данных в междисциплинарных медицинских исследованиях». BMC Методология медицинских исследований. 13: 117. Дои:10.1186/1471-2288-13-117. ЧВК  3848812. PMID  24047204.
  6. ^ а б Король, Найджел; Брукс, Джоанна (2016). Анализ шаблонов для студентов, изучающих бизнес и менеджмент. Мудрец.
  7. ^ а б Groenland, Эдвард (2014). «Использование матричного метода как инструмента для анализа данных качественных исследований в сфере бизнеса». SSRN. Дои:10.2139 / ssrn.2495330. S2CID  59826786. SSRN  2495330.
  8. ^ Лэнгдридж, Даррен (2004). Введение в методы исследования и анализа данных в психологии. Открытый университет.
  9. ^ Хейс, Ники (2000). Проведение психологического исследования. Open University Press.
  10. ^ Браун, Вирджиния; Кларк, Виктория (2019). «Размышляя о рефлексивном тематическом анализе». Качественные исследования в области спорта, физических упражнений и здоровья. 11 (4): 589–597. Дои:10.1080 / 2159676x.2019.1628806. S2CID  197748828.
  11. ^ Уиллиг, Карла (2013). Представляем качественные исследования в психологии. Open University Press.
  12. ^ Дали, Жанна; Келлехир, Аллан; Гликсман, Майкл (1997). Исследователь общественного здравоохранения: методологический подход. Мельбурн, Австралия: Oxford University Press. С. 611–618. ISBN  978-0195540758.
  13. ^ а б c d е ж грамм Браун, Вирджиния; Кларк, Виктория (2013). Успешное качественное исследование: практическое руководство для начинающих. Мудрец.
  14. ^ а б c d е ж грамм час Салдана, Джонни (2009). Руководство по программированию для качественных исследователей. Таузенд-Оукс, Калифорния: Сейдж.
  15. ^ Дапкус, Мэрилин (1985). «Тематический анализ опыта времени». Журнал личности и социальной психологии. 49 (2): 408–419. Дои:10.1037/0022-3514.49.2.408. PMID  4032226.
  16. ^ Кларк, Виктория; Браун, Вирджиния (2014). «Тематический анализ». Энциклопедия критической психологии. Спрингер: 1947–1952 гг. Дои:10.1007/978-1-4614-5583-7_311. ISBN  978-1-4614-5582-0.
  17. ^ Крэбтри, Б. (1999). Проведение качественного исследования. Ньюбери-Парк, Калифорния: Сейдж.
  18. ^ Киддер, Луиза; Хорошо, Мишель (1987). «Качественные и количественные методы: когда истории сходятся». Новые направления оценки программ. 1987 (осень) (35): 57–75. Дои:10.1002 / ev.1459.
  19. ^ Морс, Дженис (1997). ""Совершенно здоровый, но мертвый ": миф о надежности разных участников". Качественные исследования здоровья. 7 (4): 445–447. Дои:10.1177/104973239700700401.
  20. ^ Ярдли, Люси (2008). «Демонстрация достоверности в качественной психологии». Качественная психология: практическое руководство по методам исследования. Шалфей: 235–251.
  21. ^ а б Браун, Вирджиния; Кларк, Виктория (2014). «Как использовать тематический анализ с данными интервью». Справочник по консультированию и психотерапевтическим исследованиям: 183–197.
  22. ^ Терри, Гарет; Хейфилд, Никки; Кларк, Виктория; Браун, Вирджиния (2017). «Тематический анализ». Руководство по качественным исследованиям в психологии Sage: 17–36. Дои:10.4135/9781526405555. ISBN  9781473925212.
  23. ^ ДеСантис, Лидия; Угарриса, Дорис (2000). «Концепция темы, используемая в качественных исследованиях медсестер». Западный журнал медсестринских исследований. 22 (3): 351–372. Дои:10.1177/019394590002200308. PMID  10804897. S2CID  37545647.
  24. ^ Кларк, Виктория; Браун, Вирджиния (2018). «Использование тематического анализа в консультировании и психотерапевтических исследованиях: критическое размышление». Консультации и психотерапевтические исследования. 18 (2): 107–110. Дои:10.1002 / capr.12165.
  25. ^ Коннелли, Линн; Пельцер, Джилл (2016). «Слаборазвитые темы в качественных исследованиях: взаимосвязь с интервью и анализом». Клиническая медсестра-специалист. 30 (1): 52–57. Дои:10.1097 / нур.0000000000000173. PMID  26626748. S2CID  5942773.
  26. ^ Санделовски; Лиман, Дженнифер (2012). «Написание с использованием результатов качественных медицинских исследований». Качественные исследования здоровья. 22 (10): 1404–1413. Дои:10.1177/1049732312450368. PMID  22745362. S2CID  26196750.
  27. ^ а б Салдана, Джонни (2009). Руководство по программированию для качественных исследователей. Таузенд-Оукс, Калифорния: Сейдж. п. 13.
  28. ^ Кресвелл, Джон (1994). Дизайн исследования: качественный и количественный подходы. Таузенд-Оукс, Калифорния: Sage Publications, Inc., стр.147.
  29. ^ Локк, Л.Ф. (1987). Предложения, которые работают: руководство по планированию диссертаций и заявок на гранты. Ньюбери-Парк, Калифорния: Sage Publications, Inc.
  30. ^ Кресвелл, Джон (2007). Качественное исследование и дизайн исследования: выбор из пяти подходов. Таузенд-Оукс, Калифорния: Sage Publications, Inc., стр. 178–180.
  31. ^ Линкольн; Губа (1995). «Критерии строгости качественного исследования». Цитировать журнал требует | журнал = (помощь)
  32. ^ Мальтеруд, Кирсти (2016). «Размер выборки в качественных интервью исследованиях: руководствуясь информационной властью». Качественные исследования здоровья. 26 (13): 1753–1760. Дои:10.1177/1049732315617444. PMID  26613970. S2CID  34180494.
  33. ^ Гость, Грег; Банс, Арвен; Джонсон, Лаура (2006). «Сколько интервью достаточно?: Эксперимент с насыщенностью и изменчивостью данных». Полевые методы. 18 (1): 59–82. Дои:10.1177 / 1525822x05279903. S2CID  62237589.
  34. ^ Хеннинк, Моник; Кайзер, Бонни (2016). «Насыщенность кода против насыщенности смысла: сколько интервью достаточно?». Качественные исследования здоровья. 27 (4): 591–608. Дои:10.1177/1049732316665344. PMID  27670770. S2CID  4904155.
  35. ^ Низкий, Жаклин (2019). «Прагматическое определение понятия теоретической насыщенности». Социологический фокус. 52 (2): 131–139. Дои:10.1080/00380237.2018.1544514. S2CID  149641663.
  36. ^ Фугард А.Дж., Поттс Х.В. (10 февраля 2015 г.). «Поддержка размышлений о размерах выборки для тематического анализа: количественный инструмент». Международный журнал методологии социальных исследований. 18 (6): 669–684. Дои:10.1080/13645579.2015.1005453.
  37. ^ Лоу, Эндрю; Норрис, Энтони С .; Фаррис, А. Джейн; Бэббидж, Дункан Р. (2018). «Количественная оценка тематической насыщенности в качественном анализе данных». Полевые методы. 30 (3): 191–207. Дои:10.1177 / 1525822X17749386. ISSN  1525-822X. S2CID  148824883.
  38. ^ Браун, Вирджиния; Кларк, Виктория (2016). «(Не) концептуализация тем, тематический анализ и другие проблемы с помощью инструмента размера выборки для тематического анализа Фугарда и Поттса (2015)» (PDF). Международный журнал методологии социальных исследований. 19 (6): 739–743. Дои:10.1080/13645579.2016.1195588. S2CID  148370177.
  39. ^ Хаммерсли, Мартин (2015). «Выборка и тематический анализ: ответ Фугарду и Поттсу». Международный журнал методологии социальных исследований. 18 (6): 687–688. Дои:10.1080/13645579.2015.1005456. S2CID  143933992.
  40. ^ Бирн, Дэвид (2015). «Ответ Фугарду и Поттсу: поддержка размышлений о размерах выборки для тематического анализа: количественный инструмент». Международный журнал методологии социальных исследований. 16 (6): 689–691. Дои:10.1080/13645579.2015.1005455. S2CID  144817485.
  41. ^ Эммель, Ник (2015). «Темы, переменные и ограничения для расчета размера выборки в качественном исследовании: ответ Фугарду и Поттсу» (PDF). Международный журнал методологии социальных исследований. 18 (6): 685–686. Дои:10.1080/13645579.2015.1005457. S2CID  55615136.
  42. ^ Браун, Вирджиния; Кларк, Виктория (2012). «Тематический анализ». Справочник APA по методам исследования в психологии. 2. С. 57–71. Дои:10.1037/13620-004. ISBN  978-1-4338-1005-3.
  43. ^ а б c Майлз, М. (1994). Качественный анализ данных: расширенный справочник. Таузенд-Оукс, Калифорния: Сейдж. ISBN  9780803955400.
  44. ^ а б c d е ж грамм час я j k л Коффи, Аманда; Аткинсон, Пол (1996). Осмысление качественных данных. Мудрец. п. 30.
  45. ^ Кларк, Виктория; Браун, Вирджиния (2016). «Тематический анализ». Анализ качественных данных в психологии. Шалфей: 84–103.