Analiza tematyczna z użyciem MAXQDA: Przewodnik krok po kroku

Musisz zmierzyć się z przytłaczającą ilością danych? Analiza tematyczna przychodzi z pomocą.

Analiza danych jakościowych może na pierwszy rzut oka wyglądać na bardzo przytłaczającą dla początkujących badaczy: zeszyty pełne notatek terenowych, godziny rozmów z wieloma różnymi osobami, setki zdjęć i dokumentów do przejrzenia. Jak to możliwe, że badacze są w stanie przeanalizować tak dużą ilość danych i zebrać je w dwa lub trzy punkty, które odpowiadają na pytania badawcze? Analiza tematyczna to jeden ze sposobów, aby to osiągnąć. Stanowi ona systematyczne podejście do identyfikacji, organizowania i oferowania wglądu we wzorce znaczeń, czyli motywy wyłaniające się danych jakościowych (Braun & Clarke, 2012). W artykule przedstawione zostaną etapy analizy tematycznej wraz ze wskazówkami, jak wykorzystać MAXQDA do jej przeprowadzenia.

Analiza tematyczna Faza 1: Zapoznanie się z danymi

Analiza tematyczna Faza 2: Wygenerowanie wstępnych kodów

Analiza tematyczna Faza 3: Poszukiwanie tematów

Analiza tematyczna Faza 4: Przegląd potencjalnych tematów

Analiza tematyczna Faza 5: Zdefiniowanie i nazwanie tematów

Analiza tematyczna Faza 6: Opracowanie raportu

Czym jest Analiza tematyczna?

Analiza tematyczna w ciągu ostatnich lat stała się jednym z najczęściej stosowanych podejść analitycznych w naukach społecznych. Braun et al. (2019) sugerują, że ma ona wspólne korzenie z analizą treści i zaczęła pojawiać się w badaniach z zakresu zdrowia i badaniach społecznych jako podejście do analizy danych jakościowych od lat 80. XX wieku. Szybkie wyszukiwanie w Google Scholar z kluczowym terminem “Thematic Analysis” (w cudzysłowie) przynosi ponad 370 000 wyników. Sam kluczowy artykuł, “Using Thematic Analysis in Psychology” autorstwa Braun i Clarke (2006), był cytowany ponad 126 000 razy do maja 2022 roku. Wskazuje to na popularność tego podejścia. Może być ona związana z modularnością oraz elastycznością, jaką analiza tematyczna daje badaczom analizującym dane jakościowe. Z drugiej strony jest to jednak również bardzo systematyczny proces, który wymaga rekurencyjności oraz ogromnego zanurzenia się w zbiorze danych. Aby usystematyzować ten proces, Braun i Clarke (2006, 2012) zaproponowali sześcioetapową procedurę Analizy Tematycznej dla badaczy jakościowych.

Projekt badawczy

Niniejszy artykuł opiera się na mojej niedawnej publikacji, będącej przykładem wykorzystania MAXQDA do sześcioetapowej procedury analizy tematycznej. Publikacja dotyczyła przeprowadzonego przeze mnie badania jakościowego o doświadczeniach związanych z internetowym rozwojem zawodowym języka angielskiego jako języka obcego (EFL – English as a Foreign Language) podczas masowego otwartego kursu online (MOOC – Mass Open Online Course) dotyczącego nauczania języków online. Publikacja nosi tytuł “How massive open online courses constitute digital learning spaces for EFL teachers: A netnographic case study” (“Jak masowe, otwarte kursy online tworzą cyfrową przestrzeń edukacyjną dla nauczycieli EFL: netnograficzne studium przypadku”). W badaniu zastosowałem metody etnograficzne, aby zbadać doświadczenia online dwóch nauczycieli EFL jako przypadków jakościowych. Może wydawać się, że porównawcze studium przypadku z dwoma uczestnikami jako przypadkami nie dostarczy wielu danych, jednak jedną z typowych cech badań etnograficznych jest to, że wymagają one od badacza zanurzenia się w badanej kulturze przez dłuższy okres.

Dane badawcze

Multimodalna natura danych jakościowych zapewnia badaczom jakościowym szeroki zakres możliwości zbierania danych. Wykorzystałem cyfrowe dzienniki osób uczących się (które zawierały refleksje uczestników podczas całego doświadczenia uczenia się online), wywiady półstrukturalne oraz zrzuty ekranu ilustrujące posty uczestników na forum internetowym i podobne wypowiedzi w kursie online. Chcąc zbadać doświadczenia uczestników w sposób wyjaśniający, bez rekonceptualnych teoretycznych lub konceptualnych ram, zastosowałem kodowanie indukcyjne i Analizę Tematyczną. W trakcie tego wstępnego procesu, kilka funkcji MAXQDA informowało o każdej fazie mojej Analizy Tematycznej.

Sześć faz analizy tematycznej

Rysunek 1: Sześciofazowy proces Analizy Tematycznej (na podstawie: Braun & Clarke, 2006, 2012)

 

Faza 1: Zapoznanie się z danymi

Badacze analizujący dane tematycznie muszą zacząć, podobnie jak w przypadku metod analizy danych jakościowych, od intensywnego zanurzenia się w swoich danych. Jak pokazano na rysunku pierwszym, od tego kroku rozpoczyna się sześciofazowy proces analizowania tematycznego. Braun i Clarke (2006, 2012) podkreślają, że ten proces wymaga od badaczy sporządzania wielu notatek, opatrywania komentarzami transkryptów, podkreślania, uwypuklania, a także grupowania i rozgrupowywania dokumentów. Ja też w moich badaniach, badając doświadczenia nauczycieli EFL związane z MOOC, przesłuchiwałem wielokrotnie wpisy uczestników w dzienniku audio i czytałem transkrypcje wywiadów oraz przeglądałem ich interakcje i wkład na platformie.

Wyjście poza “powierzchniowe znaczenie słów na stronie”

Według Brauna i Clarke’a (2006, 2012), istnieją pytania, o których należy pamiętać podczas zapoznawania się z zestawem danych. W tym przypadku były to pytania takie jak: Jak uczestnicy mojego badania nadają sens swoim doświadczeniom związanym z MOOC? Jakie mają założenia i refleksje podczas interpretowania swoich doświadczeń? Na co wskazują ich interpretacje? Jest to dopiero pierwsza faza analizy tematycznej, ale to dość przytłaczające zadanie dla wszystkich badaczy jakościowych. Ma ono jednak kluczowe znacznie, ponieważ możemy zacząć dzięki niemu “czytać nasze dane jako dane”, co oznacza wyjście poza “powierzchowne znaczenie słów na kartce” (Braun & Clarke, 2012, s. 60)”.

Grupowanie danych

MAXQDA była dla mnie szczególnie pomocna w zapoznaniu się z danymi, ponieważ pozwala na eksperymentowanie z grupowaniem różnych źródeł danych, daje możliwość pracy na zróżnicowanych typach danych oraz transkrybuje pliki audio.

Rysunek 2: System dokumentów z moich badań na MAXQDA 2022

 

Po pierwsze, system dokumentów MAXQDA pozwolił mi grupować dane na różne sposoby. Ponieważ moje badanie było porównawczym studium przypadku relacjonującym doświadczenia dwóch uczestników (Nauczyciel 1 i Nauczyciel 2, patrz Rysunek 2), zdecydowałem się pogrupować dane według uczestników.

Transkrypcja danych

Wykorzystałem zróżnicowane typy danych, takie jak pliki audio i obrazy. Ponieważ zebrałem dzienniki audio osób, które używały różnych urządzeń do nagrywania swoich wpisów w dzienniku, musiałem poradzić sobie z dwoma różnymi formatami danych. Dzięki MAXQDA, mogłem załadować i odtworzyć pliki audio w tych dwóch formatach danych bez żadnych trudności. Na koniec użyłem funkcji transkrypcji pliku audio. Tworzenie znaczników czasu podczas transkrypcji danych umożliwiło mi powrót do poszczególnych części plików audio i odsłuchiwanie ich ponownie, co jest kluczowe podczas zapoznawania się ze zbiorem danych.

Faza 2: Generowanie wstępnych kodów

Kodowanie w analizie tematycznej

Gdy System dokumentów nabierze pewnego kształtu, rozpoczyna się kodowanie jakościowe. Według Brauna i Clarke’a (2012), kody to “elementy składowe analizy” (s. 61), które pomagają badaczom nadać sens danym w świetle wstępnych pytań badawczych. Według Kuckartza i Rädikera (2019), badacze wybierają fragment danych i przypisują mu kod, co może być wykonane na dwa sposoby: dedukcyjnie (concept-driven, deductive approach) lub indukcyjnie (data-driven, inductive approach). W analizie tematycznej kodowanie może być prowadzone na oba sposoby, a zakodowane fragmenty mogą współwystępować i łączyć się ze sobą.

Zwracanie uwagi na pojawiające się kody

Czując, że jestem zanurzony w moich danych, zacząłem generować moje wstępne kody. Nie mając wcześniej skonceptualizowanych ram teoretycznych, które kształtowałyby mój analityczny obiektyw, polegałem na indukcyjnym kodowaniu na podstawie danych i szukałem wyłaniających się kodów i grup kodów, aż zakończyłem kodowanie w całym zbiorze danych. W moim początkowym procesie generowania kodu, używałem dwóch funkcji MAXQDA: otwartego kodowania oraz notatek. Otwarte kodowanie z MAXQDA było bardzo intuicyjnym doświadczeniem, a notatki pomogły mi prześledzić moje pierwotne racjonalizacje, spisane gdy tworzyłem nowy kod dla wcześniej zakodowanych fragmentów. Notatki okazują się pomocne, by ponownie wykorzystać wcześniej stworzone kody w 22 plikach, które znajdują się w moim Systemie dokumentów.

Faza 3: Poszukiwanie tematów

Wypatrywanie wyłaniających się tematów

W momencie poczucia nasycenia kodowaniem i rekodowaniem wszystkich źródeł danych włączonych do Analizy Tematycznej, przeszedłem do tworzenia tematów. Według Brauna i Clarke’a (2006), tematy są “wzorcowymi odpowiedziami lub znaczeniami w obrębie zbioru danych”, które w jakiś sposób łączą się z pytaniem badawczym. Poszukiwanie tematów jest aktywnym procesem, w którym badacze jakościowi raczej tworzą tematy niż je odkrywają, choć wyrażenie “poszukiwanie tematów” mogłoby wskazywać na to drugie. Braun i Clarke (2012) twierdzą, że badaczom poszukujących tematów bliżej jest do rzeźbiarzy dokonujących wyborów, które będą miały głęboki wpływ na ostateczny wygląd rzeźby, niż do archeologów, poszukujących skamielin (w tym wypadku – tematów), osadzonych w danych i otoczonych przez brud, który należy z nich usunąć. Jako analityk danych jakościowych zgadzam się z tą metaforą, ponieważ cała moja soczewka analityczna opierała się na danych, a moim celem było raczej zrozumienie niż odkrycie. Ta perspektywa narzuca rolę aktywnego twórcy znaczenia, a nie jedynie biernego obserwatora; wymusza ciągły kontakt z danymi (należy pilnować, by się od nich nie oderwać) i nadawanie im sensu podczas tworzenia tematów.

Odkrywanie wzorców poprzez wizualizacje

MAXQDA zapewnia wiele możliwości, by być aktywniejszym analitykiem podczas komunikowania się z danymi na poziomie koncepcyjnym. Osobiście łatwiej mi syntetyzować informacje, gdy dane są przedstawione wizualnie. Wykresy, obrazy i wizualizacja danych pomagają mi dostrzec związek między kodami i wyłaniającymi się tematami, a także dokumentami i uczestnikami. Podobnie śledzenie mojej pracy pomaga odnaleźć mi się w długim procesie, który jest wymagany w przypadku większości podejść do analizy danych jakościowych, w tym dla analizy tematycznej. W czasie tego procesu odniosłem duże korzyści z trzech szczególnych funkcji MAXQDA: Code Maps, MAXMaps oraz Questions, Themes & Theories (QTT).

Uzyskanie holistycznego spojrzenia

 

Rysunek 3: Zrzuty ekranu z mojego arkusza QTT

 

Na Rysunku 3 widnieją dwa zrzuty ekranu z mojego arkusza QTT, wykorzystanego w mojej analizie danych. MAXQDA umożliwia badaczom generowanie Map kodów , które analizują relacje pomiędzy kodami, współwystępujących ze sobą lub występujących w pewnej bliskości w różnych zbiorach danych. Zawsze zaczynam od Map kodów, ponieważ ich stworzenie wymaga niewiele wysiłku i pomaga mi zająć meta-pozycję po długim i powtarzalnym procesie zanurzania się i kodowania; umożliwiają one zrobienie jednego kroku wstecz i uzyskanie bardziej holistycznego spojrzenia na moje kody i ich relacje ze sobą. Jest to jednak tylko jeden ze sposobów rozpoczęcia procesu i nie powinien być on być ostatnim, ponieważ Analiza Tematyczna wymaga od badaczy aktywnego zaangażowania w proces tworzenia znaczeń.

Wykorzystanie QTT do Analizy Tematycznej

Kolejnym bardzo ważnym narzędziem wizualizacyjnego MAXQDA są MAXMaps. MAXMaps zapewiają przestrzeń do stymulowanej burzy mózgów nad kodami i wstępnymi tematami. W ich przestrzeni mogłem przywoływać kody i dokumenty jako ikony, tworzyć i oznaczać relacje między nimi za pomocą linków i strzałek oraz tworzyć modele kodów. Wreszcie, dzięki najnowszej wersji MAXQDA, mogłem stworzyć arkusz QTT, który umożliwił mi importowanie powiązanych kodów i tematów, zakodowanych fragmentów i wszystkich materiałów wizualnych, które stworzyłem, do jednego arkusza. Mogłem w nim stale wracać nie tylko do moich pytań badawczych i notatek – zarówno podczas procesu przejścia od pytań do tematów, ale również i później do moich teorii w późniejszym czasie.

Faza 4: Przegląd potencjalnych tematów

Tematy skonstruowane w poprzedniej fazie są następnie przeglądane i sprawdzane krzyżowo z całym systemem kodów, zakodowanymi fragmentami i dokumentami. Tematy, dane i pytania badawcze muszą być istotne i zgodne. Daje to możliwość łączenia niektórych tematów, w celu uzyskania tematów nadrzędnych, oraz wyodrębnienia innych i uznania ich za nieistotne, mimo że mogą wydawać się bardzo interesujące.

Pytania przewodnie dla Analizy Tematycznej

Korzystałem z pewnych kluczowych pytań zasugerowanych przez Brauna i Clarke’a (2012, s. 65), aby przejrzeć potencjalne tematy i skonstruować tematy nadrzędne poprzez połączenie kilku z nich. Zaadaptowałam następujące pytania przewodnie mojego badania:

Czy jest to temat, który stanowi wzór dla obu uczestników badania i/lub dokumentach danych?

Czy ten temat mówi mi coś o moich pytaniach badawczych i/lub o tym, czego doświadczają nauczyciele EFL w profesjonalnym uczeniu się z MOOCs?

Czy ten temat zawiera lub wyklucza wiele zakodowanych fragmentów?

Czy jest wystarczająco dużo danych, aby potwierdzić, że ten temat jest silny?

Czy ten temat jest spójny, co oznacza, że dane wspierające ten temat pochodzą z podobnych źródeł (np. dzienniki)?

Te pytania przewodnie były dla mnie przydatne, ale wciąż potrzebowałem dobrych sposobów radzenia sobie z nimi.

Wykrywanie centralnych tematów za pomocą narzędzi wizualnych MAXQDA

MAXQDA zapewnia dostęp również do innych narzędzi wizualnych, które prowadziły mnie jeszcze dalej. Wykorzystałem matryce kodu i dokumentu, aby przejrzeć i zdecydować czy moje początkowe tematy są silne i czy mogę z nich zbudować odpowiednie tematy nadrzędne.

Na początku użyłem Przeglądarki relacji między kodami, aby dokładniej zrozumieć połączenia między nimi. Jedną z implikacji, którą wyciągnęłem z tej macierzy, jest silny związek pomiędzy poczuciem zaangażowania uczestników mojego przypadku a ułatwieniami platformy MOOC. To skłoniło mnie do powrotu do moich zakodowanych fragmentów i zdecydowania, czy mogę skonstruować temat z tego związku i czy istnieje jeszcze jakiś inny kod, który może być z tą relacją powiązany.

 

Rysunek 4: Code Relations Browser

 

Nieustannie wykorzystując pytania przewodnie Brauna i Clarke’a, w przeglądzie moich początkowych kodów pomógł mi również Wykres porównania dokumentów. Po zastosowaniu kolorów w moim Drzewie kodowym (patrz Code System w lewej części Rysunku 4), okazało się, że można zauważyć, że wszystkie wpisy w dzienniku audio zawierają różowe bloki, które wskazują, że uczestnicy przypadku ujawnili jakiś rodzaj doświadczenia edukacyjnego (np. nowe zrozumienie, zaangażowanie, refleksja, przepływ lub uczenie się multimodalne). Podobnie, moje dane z wywiadów również implikowały refleksje uczestników dotyczące ich istniejących lub rozwijających się umiejętności cyfrowych (czerwone fragmenty).

 

Rysunek 5: Wykres porównania dokumentów

 

Faza 5: Zdefiniowanie i nazwanie tematów

To kolejna faza Analizy Tematycznej, ściśle związana z poprzednią. Podczas przeglądu wyłaniających się tematów i konstruowania nadrzędnych z nich, badacze przeprowadzający Analizę Tematyczną muszą upewnić się, że tematy nie powtarzają się ani nie nakładają na siebie (w przeciwnym razie może być konieczne ich połączenie). Braun i Clarke sugerują (2012), że badacze powinni zdefiniować i nazwać tematy tylko wtedy, gdy mają one pojedyncze ogniska i gdy odnoszą się one do pytań badawczych.

Pozostawanie skupionym dzięki QTT

Dzięki QTT, które pomogło mi w tej fazie pamiętać o moich pytaniach badawczych (patrz rysunek 3), dotarłem do czterech nadrzędnych tematów: (1) samoregulacyjny wpływ MOOC; (2) zapewnienie doświadczenia uczenia się online, które demistyfikowało nauczanie online; (3) przygotowanie przyszłych nauczycieli EFL do kariery nauczycielskiej; oraz (4) ograniczenia wynikające z masowości i braku umiejscowienia w MOOC.

Definiowanie tematów poprzez kody

System kodów MAXQDA wspiera proces definiowania i nazywania tematów na wiele sposobów. W szczególności wykorzystałem możliwość nadawania tematom kolorów. Użycie funkcji zakreślacza i ulubionego kodu może również wspomóc ten proces. Ułatwieniem jest również możliwość przeciągania i upuszczania kodów w całym Drzewie kodowym i tworzenia węzłów do grupowania podkodów. Dzięki temu mogłem stworzyć rodziny kodów, co pomogło mi podczas definiowania i nazywania moich tematów.

Rysunek 6: Integracja spostrzeżeń z mojego arkusza QTT

Even though the final phase of the Thematic Analysis might seem like a happy ending for I had the overarching themes and relevant coded segments, it was actually a very tricky one. As with all qualitative research approaches, Thematic Analysis is also a very recursive process, and unlike quantitative research, it does not have a phase-gate process where the phases are initiated only when the previous phase is concluded. On the contrary, thematic analytic reporting required me to go back even to the very first phase of the data analysis because I simply needed to refamiliarize myself with the data to construct the overarching themes.

 

Figure 6: Integration of insights page of my QTT worksheet

 

Łączenie wszystkiego w całość

Ten proces przechodzenia tam i z powrotem sprawił, że czułem się naprawdę zanurzony w moich danych. Jest to ważne dla raportu z Analizy Tematycznej, ponieważ powinien on zawierać “przekonującą opowieść” [dla czytelnika] o [moich] danych opartych na [mojej] analizie” (Braun & Clarke, 2012, p. 69). Na ostatniej stronie mojego arkusza QTT (patrz rysunek 6), zebrałem wszystkie moje nadrzędne tematy oraz moje pytania badawcze i pytaniami badawczymi i wkomponowałem je w spostrzeżenia, wyciągnąłem wnioski i rozwinąłem hipotezy. Inną cechą, z której często korzystałem było przeniesienie zakodowanych fragmentów do zakładki Ważne fragmenty i powiązanie ich z tematami nadrzędnymi. To również pomogło mi, gdy nadszedł czas pisania mojej pracy badawczej, w szczególności wniosków oraz dyskusji badawczej.

Wnioski

Analiza danych jakościowych, a dokładniej Analiza Tematyczna może wyglądać jak zniechęcające zadanie, w którym badacze muszą poświęcić dużo czasu na nadanie sensu danym i zsyntetyzowanie z nich hipotez. W przeciwieństwie do oprogramowania do analizy danych ilościowych, które sprawia, że czuję się oderwany od moich danych ze względu na swój interfejs typu wskaż i kliknij, oprogramowanie do jakościowej analizy danych daje możliwość prawdziwego zanurzenia się w zbiorze danych, co jest paradygmatem dla tego typu badań.

 

Rysunek 7: Cykl Analizy Tematycznej (zaadaptowany z Braun & Clarke, 2006, 2012)

 

Tworzenie rekursywnego cyklu tworzenia znaczeń za pomocą MAXQDA

Analiza tematyczna to podejście, które wymaga od badaczy szerokiego zanurzenia w swoich danych. Wiele funkcji programu MAXQDA bardzo mi w tym pomogło. Dzięki tym funkcjom mogłem poczuć się jak “rzeźbiarz” (Braun & Clarke, 2012), który dokonywał wyborów i podejmował decyzje w procesie tworzenia czegoś z bloku kamiennego. Dzięki temu mogłem, jako badacz, mieć swój własny głos w procesie analizy danych. Przeprowadzony przeze mnie proces stanowi wkład do niedawnej dysksusji wokół Analizy Tematycznej, która rekonceptualizuje sześciofazowe podejście jako proces refleksyjny (zob. Braun et al., 2019; Braun & Clarke, 2019, 2020). Kolejną zaletą MAXQDA w mojej Analizie Tematycznej była możliwość przechodzenia pomiędzy jej róznymi fazami. Dzięki temu moja analiza była prawdziwym procesem rekurencyjnym, tak jak pokazano na Rysunku 7, a nie procesem fazowym, w którym poszczególne etapy następują liniowo (tak jak pokazano na Rysunku 1). W ten sposób mogłem zobaczyć, jak fazy przeplatają się ze sobą, tworząc cykl tworzenia znaczeń.

 

UWAGA: Niniejszy post oparty jest na moich doświadczeniach badawczych jako użytkownika programu MAXQDA. Wyżej wymieniony projekt badawczy został opublikowany w numerze The Journal of Teaching English with Technology z czerwca 2022 roku..

 

Referencje

• Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
• Braun, V., & Clarke, V. (2012). Thematic analysis. In H. Cooper (Ed.), APA handbook of research methods in psychology Vol 2: Research designs (Vol. 2, pp. 57–71). American Psychological Association. https://doi.org/10.1037/13620-004
• Braun, V., & Clarke, V. (2019). Reflecting on reflexive thematic analysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597. https://doi.org/10.1080/2159676X.2019.1628806
• Braun, V., & Clarke, V. (2020). One size fits all? What counts as quality practice in (reflexive) thematic analysis? Qualitative Research in Psychology, 00(00), 1–25. https://doi.org/10.1080/14780887.2020.1769238
• Braun, V., Clarke, V., Hayfield, N., & Terry, G. (2019). Thematic analysis. In P. Liamputtong (Ed.), Handbook of research methods in health social sciences (pp. 843–860). Springer. https://doi.org/10.1007/978-981-10-5251-4_103
• Kuckartz, U., & Rädiker, S. (2019). Analyzing Qualitative Data with MAXQDA. Text, Audio, and Video. Springer. https://doi.org/10.1007/978-3-030-15671-8

 

O Autorze.

Özgehan Uştuk, Ph.D. jest profesjonalnym trenerem MAXQDA i i obecnie pracuje na Balikesir University, Turcja jako badacz, nauczyciel językowy i wychowawca nauczycieli. Jego zainteresowania badawcze obejmują kształcenie nauczycieli języków obcych, badanie praktyk, psychologię języka nauczania i uczenia się, tożsamość nauczyciela, emocje i napięcia. Jest nowym przewodniczącym the Research Professional Council w Międzynarodowym Stowarzyszeniu TESOL.