Hispanopedia Wiki
Articulo de referencia

Análisis temático

El análisis temático es una de las formas de análisis más comunes dentro de la investigación cualitativa . [ 1 ] [ 2 ] Enfatiza la identificación, el análisis y la interpretació...

Hispanopedia WikiContenido en espanolLectura gratuita

El análisis temático es una de las formas de análisis más comunes dentro de la investigación cualitativa . [ 1 ] [ 2 ] Enfatiza la identificación, el análisis y la interpretación de patrones de significado (o "temas") dentro de datos cualitativos (categóricos). [ 1 ] El análisis temático se entiende a menudo como un método o técnica en contraste con la mayoría de los otros enfoques analíticos cualitativos, como la teoría fundamentada , el análisis del discurso , el análisis narrativo y el análisis fenomenológico interpretativo , que pueden describirse como metodologías o marcos teóricos para la investigación (especifican la teoría rectora, las preguntas de investigación apropiadas y los métodos de recolección de datos, así como los procedimientos para llevar a cabo el análisis). El análisis temático se entiende mejor como un término general para una variedad de enfoques diferentes, en lugar de un método singular. Las diferentes versiones del análisis temático se sustentan en diferentes supuestos filosóficos y conceptuales y son divergentes en términos de procedimiento. Las principales defensoras del análisis temático, las psicólogas Virginia Braun y Victoria Clarke [ 3 ], distinguen entre tres tipos principales de análisis temático: enfoques de fiabilidad de la codificación (ejemplos incluyen los enfoques desarrollados por Richard Boyatzis [ 4 ] y Greg Guest y colegas [ 2 ] ), enfoques de libros de códigos (estos incluyen enfoques como el análisis de marcos [ 5 ] , el análisis de plantillas [ 6 ] [ 7 ] y el análisis matricial [ 8 ] ) y enfoques reflexivos [ 9 ] [ 10 ] . Describieron por primera vez su propio enfoque ampliamente utilizado en 2006 en la revista Qualitative Research in Psychology [ 1 ] como análisis temático reflexivo. [ 11 ] Este artículo tiene más de 120 000 citas en Google Scholar y, según Google Scholar, es el artículo académico más citado publicado en 2006. [ 12 ] La popularidad de este artículo ejemplifica el creciente interés en el análisis temático como un método distinto (aunque algunos han cuestionado si es un método distinto o simplemente un conjunto genérico de procedimientos analíticos [ 13 ] ).

Descripción

El análisis temático se utiliza en la investigación cualitativa y se centra en examinar temas o patrones de significado dentro de los datos. [ 14 ] Este método puede enfatizar tanto la organización y la descripción rica del conjunto de datos como la interpretación teóricamente informada del significado. [ 1 ] El análisis temático va más allá de simplemente contar frases o palabras en un texto (como en el análisis de contenido ) y explora significados explícitos e implícitos dentro de los datos. [ 2 ] La codificación es el proceso principal para desarrollar temas mediante la identificación de elementos de interés analítico en los datos y su etiquetado con una etiqueta de codificación. [ 4 ] En algunos enfoques de análisis temático, la codificación sigue al desarrollo del tema y es un proceso deductivo de asignación de datos a temas preidentificados (este enfoque es común en la fiabilidad de la codificación y los enfoques de libros de códigos), en otros enfoques, en particular el enfoque reflexivo de Braun y Clarke, la codificación precede al desarrollo del tema y los temas se construyen a partir de los códigos. [ 3 ] Una de las características distintivas del análisis temático es su flexibilidad: flexibilidad con respecto a la teoría de encuadre, las preguntas de investigación y el diseño de la investigación . [ 1 ] El análisis temático puede utilizarse para explorar cuestiones sobre las experiencias vividas, las perspectivas, el comportamiento y las prácticas de los participantes, los factores y los procesos sociales que influyen y dan forma a fenómenos particulares, las normas y «reglas» explícitas e implícitas que rigen prácticas particulares, así como la construcción social del significado y la representación de objetos sociales en textos y contextos particulares. [ 15 ]

El análisis temático puede utilizarse para analizar la mayoría de los tipos de datos cualitativos, incluidos los datos cualitativos recopilados de entrevistas , grupos focales , encuestas , diarios solicitados, métodos visuales , observación e investigación de campo , investigación-acción , trabajo de memoria , viñetas , finalización de historias [ 16 ] y fuentes secundarias . Los conjuntos de datos pueden abarcar desde respuestas breves y superficiales a una pregunta abierta de una encuesta hasta cientos de páginas de transcripciones de entrevistas. [ 17 ] El análisis temático puede utilizarse para analizar conjuntos de datos tanto pequeños como grandes. [ 1 ] El análisis temático se utiliza a menudo en diseños de métodos mixtos; la flexibilidad teórica del AT lo convierte en una opción más directa que los enfoques con supuestos teóricos específicos incorporados.

A veces se afirma que el análisis temático es compatible con la fenomenología , ya que puede centrarse en las experiencias subjetivas y la construcción de significado de los participantes; [ 2 ] existe una larga tradición de uso del análisis temático en la investigación fenomenológica. [ 18 ] Un enfoque fenomenológico enfatiza las percepciones, sentimientos y experiencias de los participantes como el objeto de estudio primordial. Enraizada en la psicología humanista , la fenomenología señala dar voz al "otro" como un componente clave en la investigación cualitativa en general. Este enfoque permite a los encuestados discutir el tema con sus propias palabras, libres de las restricciones de las preguntas de respuesta fija que se encuentran en los estudios cuantitativos.

En ocasiones, se asume erróneamente que el análisis temático solo es compatible con la fenomenología o los enfoques experienciales de la investigación cualitativa. Braun y Clarke argumentan que su enfoque reflexivo es igualmente compatible con los enfoques construccionistas sociales , postestructuralistas y críticos de la investigación cualitativa. [ 19 ] Hacen hincapié en la flexibilidad teórica del análisis temático y su uso dentro de ontologías realistas, realistas críticas y relativistas, así como en epistemologías positivistas, contextualistas y construccionistas.

Como la mayoría de los métodos de investigación, el proceso de análisis temático de datos puede ocurrir tanto de forma inductiva como deductiva . [ 1 ] En un enfoque inductivo, los temas identificados están fuertemente vinculados a los datos. [ 4 ] Esto significa que el proceso de codificación ocurre sin intentar ajustar los datos a una teoría o marco preexistente. Pero los procesos de aprendizaje inductivo en la práctica rara vez son "puramente ascendentes"; no es posible que los investigadores y sus comunidades se liberen completamente de supuestos ontológicos (teoría de la realidad), epistemológicos (teoría del conocimiento) y paradigmáticos (habituales): la codificación siempre reflejará en cierta medida el punto de vista filosófico del investigador y los valores individuales/comunitarios con respecto al conocimiento y el aprendizaje. [ 1 ] Los enfoques deductivos, por otro lado, están más orientados a la teoría. [ 20 ] Esta forma de análisis tiende a ser más interpretativa porque el análisis está explícitamente moldeado e informado por teorías y conceptos preexistentes (idealmente citados para la transparencia en el aprendizaje compartido). Los enfoques deductivos pueden implicar la búsqueda de temas identificados en otras investigaciones dentro del conjunto de datos o el uso de la teoría existente como marco para organizar, codificar e interpretar los datos. A veces, los enfoques deductivos se malinterpretan como una codificación impulsada por una pregunta de investigación o las preguntas de la recopilación de datos. Un análisis temático también puede combinar enfoques inductivos y deductivos, por ejemplo, al destacar la interacción entre las ideas a priori de los equipos de análisis de datos cualitativos dirigidos por clínicos y las que surgen de los participantes del estudio y las observaciones de campo. [ 21 ]

Diferentes enfoques

Los enfoques de fiabilidad de codificación [ 4 ] [ 2 ] tienen la historia más larga y a menudo no difieren mucho del análisis de contenido cualitativo. Como su nombre indica, priorizan la medición de la fiabilidad de codificación mediante el uso de libros de códigos estructurados y fijos, el uso de múltiples codificadores que trabajan de forma independiente para aplicar el libro de códigos a los datos, la medición de la fiabilidad entre evaluadores o el acuerdo entre codificadores (normalmente utilizando el coeficiente kappa de Cohen ) y la determinación de la codificación final mediante consenso o acuerdo entre codificadores. Estos enfoques son una forma de positivismo cualitativo o investigación cualitativa de q pequeña, [ 22 ] que combina el uso de datos cualitativos con procesos y procedimientos de análisis de datos basados ​​en los valores y supuestos de investigación del positivismo (cuantitativo), enfatizando la importancia de establecer la fiabilidad de codificación y considerando la subjetividad o el "sesgo" del investigador como una amenaza potencial para la fiabilidad de codificación que debe ser contenida y "controlada" para evitar confundir los "resultados" (con la presencia y la influencia activa del investigador). Boyatzis [ 4 ] presenta su enfoque como uno que puede "cerrar la brecha" entre los paradigmas cuantitativos ( positivistas ) y cualitativos ( interpretativistas ). Algunos investigadores cualitativos critican el uso de libros de códigos estructurados, múltiples codificadores independientes y medidas de confiabilidad entre evaluadores. Janice Morse argumenta que dicha codificación es necesariamente burda y superficial para facilitar el acuerdo de codificación. [ 23 ] Braun y Clarke (citando a Yardley [ 24 ] ) argumentan que todo el acuerdo de codificación demuestra que los codificadores han sido entrenados para codificar de la misma manera, no que la codificación sea "confiable" o "precisa" con respecto a los fenómenos subyacentes que se codifican y describen. [ 15 ]

Los enfoques de libros de códigos, como el análisis de marcos [ 5 ] , el análisis de plantillas [ 6 ] y el análisis matricial [ 8 ], se centran en el uso de libros de códigos estructurados, pero, a diferencia de los enfoques de fiabilidad de la codificación, enfatizan en mayor o menor medida los valores de la investigación cualitativa. Tanto la fiabilidad de la codificación como los enfoques de libros de códigos suelen implicar el desarrollo temprano de temas, con todos o algunos temas desarrollados antes de la codificación, a menudo tras una familiarización con los datos (lectura y relectura de los datos para familiarizarse íntimamente con su contenido). Una vez desarrollados los temas, se crea el libro de códigos; esto puede implicar un análisis inicial de una parte o de todos los datos. A continuación, se codifican los datos. La codificación implica asignar los datos a los temas predeterminados utilizando el libro de códigos como guía. El libro de códigos también puede utilizarse para mapear y mostrar la aparición de códigos y temas en cada elemento de datos. Los temas suelen ser del tipo de tema compartido que discuten Braun y Clarke [ 3 ] .

Los enfoques reflexivos se centran en procesos de codificación orgánicos y flexibles: no existe un libro de códigos, la codificación puede ser realizada por un solo investigador, y si participan varios investigadores, se concibe como un proceso colaborativo en lugar de uno que deba conducir al consenso. Los códigos individuales no son fijos: pueden evolucionar a lo largo del proceso de codificación, sus límites pueden redefinirse, dividirse en dos o más, fusionarse con otros e incluso convertirse en temas. [ 15 ] Los enfoques reflexivos suelen implicar el desarrollo posterior de temas, creados a partir de la agrupación de códigos similares. Los temas deben capturar un significado compartido organizado en torno a un concepto o idea central. [ 25 ]

Braun y Clarke y sus colegas han criticado la tendencia a pasar por alto la diversidad dentro del análisis temático y la falta de reconocimiento de las diferencias entre los diversos enfoques que han descrito. [ 26 ] Argumentan que esta falta conduce a "mezclas" irreflexivas de su enfoque con técnicas y métodos incompatibles, como libros de códigos, codificación por consenso y medición de la fiabilidad entre evaluadores.

Tema

Ejemplo de gráfico resumen del análisis temático que muestra temas en dos dominios (rojo y azul).

No existe una única definición o conceptualización de un tema en el análisis temático. [ 27 ] Para algunos defensores del análisis temático, incluidos Braun y Clarke, los temas se conceptualizan como patrones de significado compartido entre los elementos de datos, sustentados o unidos por un concepto central, que son importantes para la comprensión de un fenómeno y son relevantes para la pregunta de investigación. [ 3 ] Para otros (incluidos la mayoría de los defensores de la fiabilidad de la codificación y los libros de códigos), los temas son simplemente resúmenes de información relacionada con un tema o dominio de datos particular; no hay requisito de un significado compartido organizado en torno a un concepto central, solo un tema compartido. [ 3 ] Aunque estas dos conceptualizaciones están asociadas con enfoques particulares del análisis temático, a menudo se confunden y se combinan. Lo que Braun y Clarke llaman resúmenes de dominio o resúmenes de temas a menudo tienen títulos de temas de una sola palabra (por ejemplo, Género, Apoyo) o títulos como "Beneficios de...", "Barreras para..." que señalan el enfoque en resumir todo lo que dijeron los participantes, o los puntos principales planteados, en relación con un tema o dominio de datos particular. [ 3 ] Los temas de resumen de temas se desarrollan normalmente antes de la codificación de datos y a menudo reflejan las preguntas de la recopilación de datos. Los temas de significado compartido que se sustentan en un concepto o idea central [ 25 ] no se pueden desarrollar antes de la codificación (porque se construyen a partir de códigos), por lo que son el resultado de un proceso de codificación exhaustivo y sistemático. Braun y Clarke han criticado la confusión de los temas de resumen de temas con su conceptualización de los temas como la captura de un significado compartido sustentado en un concepto central. [ 28 ] Algunos investigadores cualitativos han argumentado que los resúmenes de temas representan un análisis subdesarrollado o una limitación analítica. [ 29 ] [ 30 ]

Existe controversia en torno a la idea de que los "temas emergen" de los datos. Braun y Clarke critican este lenguaje porque argumentan que posiciona los temas como entidades que existen completamente formadas en los datos; el investigador es simplemente un testigo pasivo de los temas que "emergen" de los datos. [ 1 ] En cambio, sostienen que el investigador desempeña un papel activo en la creación de temas, por lo que estos se construyen, crean y generan en lugar de simplemente emerger. Otros utilizan el término deliberadamente para capturar la creación inductiva (emergente) de temas. Sin embargo, no siempre está claro cómo se utiliza el término.

La prevalencia o recurrencia no es necesariamente el criterio más importante para determinar qué constituye un tema; los temas pueden considerarse importantes si son altamente relevantes para la pregunta de investigación y significativos para comprender los fenómenos de interés. [ 1 ] La prevalencia de un tema no significa necesariamente la frecuencia con la que aparece (es decir, el número de elementos de datos en los que aparece); también puede significar cuántos datos abarca un tema dentro de cada elemento de datos y en todo el conjunto de datos. Los temas suelen ser evidentes en todo el conjunto de datos, pero una mayor frecuencia no significa necesariamente que el tema sea más importante para comprender los datos. El juicio del investigador es la herramienta clave para determinar qué temas son más cruciales. [ 1 ]

También existen diferentes niveles en los que se pueden codificar los datos y se pueden identificar los temas: semántico y latente. [ 4 ] [ 1 ] Un análisis temático puede centrarse en uno de estos niveles o en ambos. Los códigos y temas semánticos identifican los significados explícitos y superficiales de los datos. El investigador no va más allá de lo que el participante dijo o escribió. Por el contrario, los códigos o temas latentes capturan ideas, patrones y supuestos subyacentes . Esto requiere una orientación más interpretativa y conceptual de los datos.

Para Braun y Clarke, existe una distinción clara (aunque no absoluta) entre un tema y un código: un código captura una (o más) ideas sobre los datos, mientras que un tema abarca numerosas ideas organizadas en torno a un concepto o idea central. Suelen utilizar la analogía de una casa de ladrillos y tejas: el código es un ladrillo o teja individual, y los temas son las paredes o los paneles del techo, cada uno compuesto por numerosos códigos. Otros enfoques del análisis temático no establecen una distinción tan clara entre códigos y temas; varios textos recomiendan que los investigadores "codifiquen los temas". [ 31 ] Esto puede resultar confuso, ya que para Braun y Clarke, y otros, el tema se considera el resultado de la codificación, no aquello que se codifica. En los enfoques que sí distinguen claramente entre códigos y temas, el código es la etiqueta que se asigna a las partes específicas de los datos que contribuyen a un tema. Por ejemplo, "SEGURIDAD puede ser un código, pero UNA FALSA SENSACIÓN DE SEGURIDAD puede ser un tema". [ 31 ]

Cuestiones metodológicas

Revistas de reflexividad

Dado que el trabajo cualitativo es inherentemente una investigación interpretativa, es necesario reconocer explícitamente las posturas, los valores y los juicios de los investigadores para que se tengan en cuenta al interpretar el informe final y evaluar su calidad. [ 32 ] Este tipo de apertura y reflexión se considera positivo en la comunidad cualitativa. [ 33 ] Los investigadores dan forma al trabajo que realizan y son el instrumento para recopilar y analizar datos. Para reconocer al investigador como la herramienta de análisis, es útil crear y mantener un diario de reflexividad. [ 34 ]

El proceso de reflexividad puede describirse como la reflexión y documentación por parte del investigador sobre cómo sus valores, posicionamientos, elecciones y prácticas de investigación influyeron y moldearon el estudio y el análisis final de los datos. Los diarios de reflexividad son similares al uso de notas analíticas o la redacción de notas en la teoría fundamentada , que pueden ser útiles para reflexionar sobre el análisis en desarrollo y los posibles patrones, temas y conceptos. [ 17 ] A lo largo del proceso de codificación, los investigadores deben mantener registros detallados del desarrollo de cada uno de sus códigos y posibles temas. Además, los cambios realizados en los temas y las conexiones entre ellos pueden discutirse en el informe final para ayudar al lector a comprender las decisiones tomadas durante el proceso de codificación. [ 35 ]

Una vez completada la recopilación de datos y cuando los investigadores comiencen las fases de análisis, deben tomar nota de sus primeras impresiones sobre los datos. Registrar ideas para análisis futuros puede ayudar a plasmar pensamientos y reflexiones por escrito y servir como referencia para posibles ideas de codificación a medida que se avanza de una fase a otra en el proceso de análisis temático. [ 17 ]

Práctica de codificación

Las preguntas a considerar durante la codificación pueden incluir: [ 17 ]

  • ¿Qué está haciendo la gente? ¿Qué intentan conseguir?
  • ¿Cómo lo hacen exactamente? ¿Qué medios o estrategias específicas utilizan?
  • ¿Cómo habla la gente sobre lo que está sucediendo y cómo lo entiende?
  • ¿Qué suposiciones están haciendo?
  • ¿Qué veo que está pasando aquí? ¿Qué aprendí al tomar notas?
  • ¿Por qué los incluí?

Estas preguntas se suelen plantear a lo largo de todos los ciclos del proceso de codificación y del análisis de datos. A menudo se utiliza un diario de reflexividad para identificar posibles códigos que inicialmente no eran pertinentes para el estudio. [ 17 ]

Consideraciones sobre el tamaño de la muestra

No existe una respuesta directa a las preguntas sobre el tamaño de la muestra en el análisis temático; al igual que no existe una respuesta directa al tamaño de la muestra en la investigación cualitativa en general (la respuesta clásica es "depende" - del alcance del estudio, la pregunta y el tema de la investigación, el método o los métodos de recolección de datos, la riqueza de los elementos de datos individuales, el enfoque analítico [ 36 ] ). Algunos defensores de la confiabilidad de la codificación y los libros de códigos brindan orientación para determinar el tamaño de la muestra antes del análisis de datos, centrándose en el concepto de saturación o redundancia de información (no se evidencia información, códigos o temas nuevos en los datos). Estos intentos de "operacionalizar" la saturación sugieren que la saturación de códigos (a menudo definida como la identificación de una instancia de un código) puede lograrse con tan solo 12 o incluso 6 entrevistas en algunas circunstancias. [ 37 ] Se cree que la saturación de significado - desarrollar una comprensión "ricamente texturizada" de los problemas - requiere muestras más grandes (al menos 24 entrevistas). [ 38 ] Existen numerosas críticas al concepto de saturación de datos; muchos argumentan que está integrado en una concepción realista de significado fijo y que, en un paradigma cualitativo, siempre existe la posibilidad de nuevas comprensiones debido al rol del investigador en la interpretación del significado. [ 39 ] Algunos investigadores cuantitativos han ofrecido modelos estadísticos para determinar el tamaño de la muestra antes de la recopilación de datos en el análisis temático. Por ejemplo, Fugard y Potts ofrecieron una herramienta prospectiva y cuantitativa para apoyar la reflexión sobre el tamaño de la muestra por analogía con los métodos cuantitativos de estimación del tamaño de la muestra . [ 40 ] Lowe y sus colegas propusieron medidas cuantitativas y probabilísticas del grado de saturación que pueden calcularse a partir de una muestra inicial y utilizarse para estimar el tamaño de la muestra necesario para alcanzar un nivel específico de saturación. [ 41 ] Su análisis indica que los métodos de estimación del tamaño de la muestra binomial comúnmente utilizados pueden subestimar significativamente el tamaño de la muestra necesario para la saturación. Todas estas herramientas han sido criticadas por investigadores cualitativos (incluidos Braun y Clarke [ 42 ] ) por basarse en supuestos sobre la investigación cualitativa, el análisis temático y los temas que son contrarios a los enfoques que priorizan los valores de la investigación cualitativa. [ 43 ] [ 44 ] [ 45 ]

Las seis fases del análisis temático de Braun y Clarke

Fase 1: Familiarizarse con los datos

Este proceso de seis fases para el análisis temático se basa en el trabajo de Braun y Clarke y su enfoque reflexivo del análisis temático. [ 1 ] [ 46 ] [ 47 ] Este proceso cíclico de seis fases implica ir y venir entre fases de análisis de datos según sea necesario hasta que los investigadores estén satisfechos con los temas finales. [ 1 ] Los investigadores que realizan análisis temático deben intentar ir más allá de los significados superficiales de los datos para darles sentido y contar una historia rica y convincente sobre lo que significan los datos. [ 1 ] Los procedimientos asociados con otros enfoques de análisis temático son bastante diferentes. Esta descripción del proceso de seis fases de Braun y Clarke también incluye algunas discusiones de las perspectivas contrastantes proporcionadas por otros defensores del análisis temático. La fase inicial en el análisis temático reflexivo es común a la mayoría de los enfoques: la de familiarización con los datos. Aquí es donde los investigadores se familiarizan con el contenido de sus datos, tanto el detalle de cada elemento de datos como el "panorama general". En otros enfoques, antes de leer los datos, los investigadores pueden crear una "lista inicial" de códigos potenciales. [ 48 ] Como el enfoque de Braun y Clarke pretende centrarse en los datos y no en las concepciones previas del investigador, solo recomiendan desarrollar códigos antes de la familiarización en enfoques deductivos donde la codificación se guía por la teoría preexistente. Para Miles y Huberman, en su enfoque matricial, los "códigos de inicio" deben incluirse en un diario de reflexividad con una descripción de las representaciones de cada código y dónde se establece el código. [ 48 ] Analizar los datos de forma activa ayudará a los investigadores a buscar significados y patrones en el conjunto de datos. En esta etapa, es tentador apresurar esta fase de familiarización y comenzar inmediatamente a generar códigos y temas; sin embargo, este proceso de inmersión ayudará a los investigadores a identificar posibles temas y patrones. Leer y releer el material hasta que el investigador se sienta cómodo es crucial para la fase inicial del análisis. Mientras se familiariza con el material, tomar notas es una parte crucial de este paso para comenzar a desarrollar códigos potenciales. [ 1 ]

Transcripción

Después de completar la recopilación de datos, el investigador puede necesitar transcribir sus datos a formato escrito (por ejemplo, datos grabados en audio como entrevistas). [ 1 ] Braun y Clarke proporcionan un sistema de notación de transcripción para usar con su enfoque en su libro de texto Successful Qualitative Research . [ 49 ] La transcripción de calidad de los datos es imperativa para la confiabilidad del análisis. Los criterios para la transcripción de datos deben establecerse antes de que comience la fase de transcripción para garantizar una alta confiabilidad. [ 2 ]

Algunos defensores del análisis temático, en particular aquellos con una base en el positivismo, expresan preocupación por la precisión de la transcripción. [ 2 ] Las inconsistencias en la transcripción pueden producir «sesgos» en el análisis de datos que serán difíciles de identificar posteriormente en el proceso de análisis. [ 2 ] Para otros, incluidos Braun y Clarke, la transcripción se considera un proceso interpretativo y teóricamente integrado y, por lo tanto, no puede ser «precisa» en un sentido directo, ya que el investigador siempre toma decisiones sobre cómo traducir el habla a texto escrito. [ 1 ] Sin embargo, esto no significa que los investigadores no deban esforzarse por ser exhaustivos en sus transcripciones y utilizar un enfoque sistemático para la transcripción. Idealmente, los autores deberían proporcionar una clave para su sistema de notación de transcripción para que sea fácilmente evidente el significado de cada notación. Insertar comentarios como «*voz bajada*» señalará un cambio en el discurso. Una pauta general aproximada a seguir al planificar el tiempo para transcribir es reservar 15 minutos de transcripción por cada 5 minutos de diálogo. La transcripción puede formar parte del proceso de familiarización. [ 1 ] [ 15 ]

Tras esta etapa, el investigador debería familiarizarse con el contenido de los datos y ser capaz de identificar patrones evidentes o problemas recurrentes. Estos patrones deben registrarse en un diario de reflexividad, donde serán útiles para la codificación de los datos. Otros defensores del análisis transaccional conceptualizan la codificación como el inicio del control del investigador sobre los datos. Consideran importante marcar los datos que responden a la pregunta de investigación. Para ellos, este es el comienzo del proceso de codificación. [ 2 ]

Fase 2: Generación de códigos

El segundo paso en el análisis temático reflexivo consiste en etiquetar los elementos de interés en los datos con una etiqueta (unas pocas palabras o una frase corta). Esta etiqueta debe evocar claramente las características relevantes de los datos, lo cual es importante para las etapas posteriores del desarrollo del tema. Esta forma sistemática de organizar e identificar las partes significativas de los datos en relación con la pregunta de investigación se denomina codificación . El proceso de codificación evoluciona a través de la inmersión del investigador en sus datos y no se considera un proceso lineal, sino cíclico, en el que se desarrollan y refinan los códigos.

El proceso de codificación rara vez se completa con una sola revisión de los datos. Saladana recomienda que cada vez que los investigadores trabajen con el conjunto de datos, se esfuercen por refinar los códigos agregando, restando, combinando o dividiendo los códigos potenciales. [ 17 ] Para Miles y Huberman, los "códigos iniciales" se producen a través de la terminología utilizada por los participantes durante la entrevista y pueden usarse como punto de referencia de sus experiencias durante la entrevista. [ 48 ] Para los defensores del análisis temático con una inclinación más positivista, la confiabilidad aumenta cuando el investigador utiliza códigos concretos que se basan en el diálogo y son de naturaleza descriptiva. [ 2 ] Estos códigos facilitarán la capacidad del investigador para localizar fragmentos de datos más adelante en el proceso e identificar por qué los incluyó. Sin embargo, Braun y Clarke instan a los investigadores a ir más allá de un enfoque exclusivo en la descripción y el resumen y a interactuar interpretativamente con los datos, explorando tanto el significado explícito (semántico) como el implícito (latente). [ 1 ] La codificación prepara el terreno para un análisis detallado posterior, ya que permite al investigador reorganizar los datos según las ideas obtenidas durante el proceso. Las entradas del diario reflexivo para los nuevos códigos sirven como punto de referencia para el participante y su sección de datos, recordando al investigador que debe comprender por qué y dónde incluirá estos códigos en el análisis final. [ 2 ] Durante todo el proceso de codificación, se debe prestar atención plena e igualitaria a cada elemento de datos, ya que esto ayudará a identificar patrones repetidos que de otro modo pasarían desapercibidos. Es importante codificar de la manera más inclusiva posible: codificar aspectos individuales de los datos que pueden parecer irrelevantes puede ser crucial posteriormente en el proceso de análisis. [ 1 ]

Para los sociólogos Coffey y Atkinson, la codificación también implica el proceso de reducción y complejización de datos. [ 50 ] La reducción de códigos se inicia asignando etiquetas o rótulos al conjunto de datos en función de la(s) pregunta(s) de investigación. En esta etapa, condensar grandes conjuntos de datos en unidades más pequeñas permite un análisis posterior de los datos mediante la creación de categorías útiles. Los códigos in vivo también se producen aplicando referencias y terminología de los participantes en sus entrevistas. La codificación ayuda al desarrollo, la transformación y la reconceptualización de los datos y contribuye a encontrar más posibilidades de análisis. Los investigadores deben formular preguntas relacionadas con los datos y generar teorías a partir de ellos, yendo más allá de lo que se ha informado previamente en investigaciones anteriores. [ 50 ]

Reducción de datos (Coffey y Atkinson)

Para algunos defensores del análisis temático, la codificación puede considerarse un medio de reducción o simplificación de datos (este no es el caso de Braun y Clarke, quienes ven la codificación como reducción e interpretación de datos). Para Coffey y Atkinson, el uso de códigos analíticos simples pero amplios permite reducir los datos a un conjunto más manejable. En esta etapa del análisis de datos, el analista debe centrarse en la identificación de una forma más simple de organizar los datos. Al utilizar el reduccionismo de datos, los investigadores deben incluir un proceso de indexación de los textos de datos, que podrían incluir: notas de campo, transcripciones de entrevistas u otros documentos. En esta etapa, los datos se reducen a clases o categorías en las que el investigador puede identificar segmentos de los datos que comparten una categoría o código común. [ 50 ] Siedel y Kelle sugirieron tres maneras de ayudar con el proceso de reducción y codificación de datos: (a) observar fenómenos relevantes, (b) recopilar ejemplos de los fenómenos y (c) analizar los fenómenos para encontrar similitudes, diferencias, patrones y estructuras superpuestas. Este aspecto de la codificación de datos es importante porque durante esta etapa los investigadores deben asignar códigos a los datos para poder analizarlos de diferentes maneras. [ 50 ] La codificación no puede considerarse estrictamente como una reducción de datos; la complejización de datos puede utilizarse como una forma de abrir los datos para un análisis más profundo. [ 50 ] La siguiente sección aborda el proceso de complejización de datos de Coffey y Atkinson y su importancia para el análisis de datos en el análisis cualitativo. [ 50 ]

Complicación de datos (Coffey y Atkinson)

Para Coffey y Atkinson, [ 50 ] el proceso de creación de códigos puede describirse como reducción y complejización de datos. La complejización de datos implica ir más allá de los datos y plantear preguntas sobre ellos para generar marcos y teorías. Se utiliza para ampliar los datos y generar nuevas preguntas e interpretaciones. Los investigadores deben asegurarse de que el proceso de codificación no pierda más información de la que gana. [ 50 ] Tesch definió la complejización de datos como el proceso de reconceptualización de los datos, proporcionando nuevos contextos para los segmentos de datos. La complejización de datos sirve como medio para ofrecer nuevos contextos sobre cómo se visualizan y analizan los datos. [ 50 ]

La codificación es un proceso de descomponer datos mediante métodos analíticos para generar preguntas sobre ellos, proporcionando respuestas provisionales sobre las relaciones dentro y entre los datos. [ 50 ] La descontextualización y la recontextualización ayudan a reducir y expandir los datos de nuevas maneras con nuevas teorías. [ 50 ]

Fase 3: Generación de temas iniciales

La búsqueda de temas y la consideración de qué funciona y qué no dentro de ellos permite al investigador comenzar el análisis de posibles códigos. En esta fase, es importante comenzar examinando cómo se combinan los códigos para formar temas generales en los datos. En este punto, los investigadores tienen una lista de temas y comienzan a centrarse en patrones más amplios en los datos, combinando los datos codificados con los temas propuestos. Los investigadores también comienzan a considerar cómo se forman las relaciones entre códigos y temas, y entre los diferentes niveles de los temas existentes. Puede ser útil utilizar modelos visuales para clasificar los códigos en los posibles temas. [ 1 ]

Los temas se diferencian de los códigos en que son frases u oraciones que identifican el significado de los datos . Describen el resultado de la codificación para la reflexión analítica. Los temas consisten en ideas y descripciones dentro de una cultura que pueden usarse para explicar eventos causales, afirmaciones y moralejas derivadas de las historias de los participantes. En fases posteriores, es importante reducir los temas potenciales para proporcionar un tema general. El análisis temático permite que surjan categorías o temas de los datos, como los siguientes: ideas recurrentes; términos indígenas, metáforas y analogías; cambios de tema; y similitudes y diferencias en la expresión lingüística de los participantes. En este punto, es importante abordar no solo lo que está presente en los datos, sino también lo que falta en ellos. [ 17 ] La conclusión de esta fase debería generar muchos temas candidatos recopilados a lo largo del proceso de datos. Es crucial evitar descartar temas, incluso si inicialmente son insignificantes, ya que pueden ser temas importantes más adelante en el proceso de análisis. [ 1 ]

Fase 4: Revisión de temas

Esta fase requiere que los investigadores verifiquen sus temas iniciales con los datos codificados y el conjunto completo de datos; esto garantiza que el análisis no se haya alejado demasiado de los datos y proporcione una explicación convincente de los datos relevantes para la pregunta de investigación. Este proceso de revisión también permite ampliar y revisar los temas a medida que se desarrollan. En este punto, los investigadores deberían tener un conjunto de temas potenciales, ya que esta fase es donde se reelaboran los temas iniciales. Algunos temas existentes pueden fusionarse entre sí, otros pueden necesitar condensarse en unidades más pequeñas o descartarse por completo. [ 1 ]

Específicamente, esta fase implica dos niveles de refinamiento y revisión de temas. Las conexiones entre temas superpuestos pueden servir como fuentes importantes de información y alertar a los investigadores sobre la posibilidad de nuevos patrones y problemas en los datos. Para Guest y sus colegas, las desviaciones del material codificado pueden notificar al investigador que un tema puede no ser realmente útil para comprender los datos y debe descartarse. Ambos reconocimientos deben anotarse en el diario de reflexividad del investigador, incluyendo también la ausencia de temas. [ 2 ] Los códigos sirven como una forma de relacionar los datos con la concepción que una persona tiene de ese concepto. En este punto, el investigador debe centrarse en los aspectos interesantes de los códigos y por qué encajan entre sí. [ 2 ]

Nivel 1 (Revisión de los temas en relación con los datos codificados)

Revisar los extractos de datos codificados permite a los investigadores identificar si los temas forman patrones coherentes. Si este es el caso, los investigadores deben pasar al Nivel 2. Si los temas no forman patrones coherentes, es necesario considerar los temas potencialmente problemáticos. [ 1 ] Si los temas son problemáticos, es importante reelaborarlos y, durante el proceso, pueden surgir nuevos temas. [ 1 ] Por ejemplo, es problemático cuando los temas no parecen "funcionar" (capturar algo convincente de los datos) o hay una cantidad significativa de superposición entre ellos. Esto puede resultar en un análisis débil o poco convincente de los datos. Si esto ocurre, puede ser necesario reconocer los datos para crear temas cohesivos y mutuamente excluyentes. [ 1 ]

Nivel 2 (Revisión de los temas en relación con el conjunto completo de datos)

Considerar la validez de los temas individuales y cómo se conectan con el conjunto de datos en su conjunto es la siguiente etapa de revisión. Es imperativo evaluar si el significado del mapa temático potencial captura la información importante de los datos relevante para la pregunta de investigación. Una vez más, en esta etapa es importante leer y releer los datos para determinar si los temas actuales se relacionan con el conjunto de datos. Para ayudar en este proceso, es imperativo codificar cualquier elemento adicional que se haya podido pasar por alto en la etapa de codificación inicial. Si el mapa potencial "funciona" para capturar de manera significativa y contar una historia coherente sobre los datos, el investigador debe avanzar a la siguiente fase del análisis. Si el mapa no funciona, es crucial volver a los datos para continuar revisando y refinando los temas existentes y quizás incluso realizar una codificación adicional. Las discrepancias entre los datos y las afirmaciones analíticas reducen la cantidad de respaldo que pueden proporcionar los datos. Esto se puede evitar si el investigador está seguro de que sus interpretaciones de los datos y las conclusiones analíticas se corresponden. [ 1 ] Los investigadores repiten este proceso hasta que están satisfechos con el mapa temático. Al final de esta fase, los investigadores tienen una idea de cuáles son los temas y cómo se relacionan entre sí para que transmitan una historia sobre el conjunto de datos. [ 1 ]

Fase 5: Definición y denominación de los temas

Definir y refinar los temas existentes que se presentarán en el análisis final ayuda al investigador a analizar los datos dentro de cada tema. En esta fase, la identificación de la esencia de los temas se relaciona con cómo cada tema específico forma parte del panorama general de los datos. El análisis en esta etapa se caracteriza por identificar qué aspectos de los datos se están capturando y qué es interesante de los temas, y cómo estos se combinan para contar una historia coherente y convincente sobre los datos.

Para identificar si los temas actuales contienen subtemas y descubrir una mayor profundidad de los temas, es importante considerar los temas dentro del panorama general y también como temas autónomos. Braun y Clarke recomiendan precaución al desarrollar muchos subtemas y muchos niveles de temas, ya que esto puede conducir a un análisis excesivamente fragmentado. [ 51 ] Los investigadores deben luego realizar y escribir un análisis detallado para identificar la historia de cada tema y su significado. [ 1 ] Al final de esta fase, los investigadores pueden (1) definir en qué consisten los temas actuales y (2) explicar cada tema en unas pocas oraciones. Es importante señalar que los investigadores comienzan a pensar en nombres para los temas que le darán al lector una idea completa del tema y su importancia. [ 1 ] No analizar completamente los datos ocurre cuando los investigadores no usan los datos para respaldar su análisis más allá de simplemente describir o parafrasear el contenido de los datos. Los investigadores que realizan un análisis temático deben intentar ir más allá de los significados superficiales de los datos para darles sentido y contar una historia precisa de lo que significan los datos. [ 1 ]

Fase 6: Elaboración del informe

Una vez revisados ​​los temas finales, los investigadores comienzan el proceso de redacción del informe final. Durante la redacción del informe final, los investigadores deben decidir los temas que contribuyan significativamente a responder las preguntas de investigación, los cuales se refinarán posteriormente como temas finales. Para los defensores de la fiabilidad de la codificación, Guest y sus colegas, los investigadores presentan el diálogo conectado con cada tema para respaldar el aumento de la fiabilidad mediante una descripción detallada de los resultados. [ 2 ] El objetivo de esta fase es redactar el análisis temático para transmitir la compleja historia de los datos de manera que convenza al lector de la validez y el mérito del análisis. [ 1 ] Una descripción lógica, clara, concisa y directa de la historia a través de los temas es importante para que los lectores comprendan el informe final. La redacción del informe debe contener suficiente evidencia de que los temas dentro de los datos son relevantes para el conjunto de datos. Se deben incluir extractos en la narrativa para capturar el significado completo de los puntos del análisis. El argumento debe estar en apoyo de la pregunta de investigación. Para algunos defensores del análisis temático, el paso final en la elaboración del informe es incluir la verificación por parte de los participantes como medio para establecer credibilidad; los investigadores deberían considerar llevar los temas finales y el diálogo de apoyo a los participantes para obtener retroalimentación. [ 2 ] Sin embargo, Braun y Clarke son críticos con la práctica de la verificación por parte de los participantes y generalmente no la consideran una práctica deseable en su enfoque reflexivo del análisis temático. [ 15 ] Además de destacar numerosas preocupaciones prácticas en torno a la verificación por parte de los participantes, argumentan que solo es teóricamente coherente con enfoques que buscan describir y resumir los relatos de los participantes de maneras que les resulten reconocibles. [ 15 ] Dado que su enfoque de análisis temático reflexivo centra el rol activo e interpretativo del investigador, esto puede no aplicarse a los análisis generados utilizando su enfoque.

Ventajas y desventajas

Una visión técnica o pragmática del diseño de la investigación centra a los investigadores en realizar análisis cualitativos utilizando el método más apropiado para la pregunta de investigación. [ 15 ] Sin embargo, rara vez existe un único método ideal o adecuado, por lo que a menudo se utilizan otros criterios para seleccionar los métodos de análisis: los compromisos teóricos del investigador y su familiaridad con métodos particulares. El análisis temático proporciona un método flexible de análisis de datos y permite que investigadores con diversos antecedentes metodológicos participen en este tipo de análisis. [ 1 ] Para los positivistas, la «fiabilidad» es una preocupación debido a las numerosas interpretaciones potenciales de los datos y al potencial de que la subjetividad del investigador «sesgue» o distorsione el análisis. Para quienes están comprometidos con los valores de la investigación cualitativa, la subjetividad del investigador se considera un recurso (en lugar de una amenaza a la credibilidad), por lo que las preocupaciones sobre la fiabilidad no son válidas. No existe una única interpretación correcta o precisa de los datos; las interpretaciones son inevitablemente subjetivas y reflejan la posición del investigador. La calidad se logra mediante un enfoque sistemático y riguroso y mediante la reflexión continua del investigador sobre cómo está dando forma al análisis en desarrollo. Braun y Clarke han desarrollado una lista de verificación de calidad de 15 puntos [ 52 ] para su enfoque reflexivo. Para los defensores del análisis temático de la fiabilidad de la codificación, el uso de múltiples codificadores y la medición del acuerdo de codificación son vitales. [ 2 ]

El análisis temático tiene varias ventajas y desventajas; corresponde a los investigadores decidir si este método de análisis es adecuado para su diseño de investigación.

Ventajas

  • La flexibilidad teórica y de diseño de investigación que permite a los investigadores permite aplicar múltiples teorías a este proceso a través de diversas epistemologías. [ 1 ]
  • Muy adecuado para grandes conjuntos de datos. [ 2 ] [ 1 ]
  • Los métodos de elaboración de libros de códigos y de fiabilidad de la codificación están diseñados para su uso con equipos de investigación.
  • Interpretación de temas respaldados por datos. [ 2 ]
  • Aplicable a preguntas de investigación que van más allá de la experiencia de un individuo. [ 2 ]
  • Permite el desarrollo inductivo de códigos y temas a partir de datos. [ 17 ]

Desventajas

  • El análisis temático puede pasar por alto datos con matices si el investigador no tiene cuidado y lo utiliza en un vacío teórico. [ 2 ] [ 1 ]
  • La flexibilidad puede dificultar que los investigadores novatos decidan en qué aspectos de los datos centrarse. [ 1 ]
  • El poder interpretativo limitado del análisis no se fundamenta en un marco teórico. [ 1 ]
  • Resulta difícil mantener la sensación de continuidad de los datos en las cuentas individuales debido al enfoque en la identificación de temas en todos los elementos de datos. [ 1 ]
  • No permite a los investigadores hacer afirmaciones técnicas sobre el uso del lenguaje (a diferencia del análisis del discurso y el análisis narrativo). [ 1 ]

Véase también

Referencias

  1. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 Braun, Virginia; Clarke, Victoria (2006). "Using thematic analysis in psychology". Qualitative Research in Psychology . 3 (2): 77– 101. doi : 10.1191/1478088706qp063oa . hdl : 10125/42031 . S2CID 10075179 . 
  2. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Guest, Greg; MacQueen, Kathleen; Namey, Emily (2012). Análisis temático aplicado . Thousand Oaks, California: SAGE Publications . pág. 11 . 
  3. 1 2 3 4 5 6 Braun, Virginia; Clarke, Victoria (2019). «Análisis temático». Manual de métodos de investigación en ciencias sociales de la salud . Hoboken, Nueva Jersey: Springer . págs. 843–860 . doi : 10.1007/978-981-10-5251-4_103 . ISBN  978-981-10-5250-7. S2CID 239210796 . 
  4. 1 2 3 4 5 6 Boyatzis, Richard (1998). Transformación de la información cualitativa: análisis temático y desarrollo de códigos . Thousand Oaks, CA: Sage.
  5. 1 2 Gale, Nicola; Heath, Gemma (2013). "Uso del método de marco para el análisis de datos cualitativos en la investigación sanitaria multidisciplinar" . BMC Medical Research Methodology . 13 117. doi : 10.1186/1471-2288-13-117 . PMC 3848812. PMID 24047204 .  
  6. 1 2 King, Nigel; Brooks, Joanna (2016). Análisis de plantillas para estudiantes de negocios y administración . Sage.
  7. ↑ "Análisis de plantillas" . Universidad de Huddersfield .
  8. 1 2 Groenland, Edward (2014). "Empleo del método matricial como herramienta para el análisis de datos de investigación cualitativa en el ámbito empresarial". SSRN . doi : 10.2139/ssrn.2495330 . S2CID 59826786 . SSRN 2495330 .  
  9. ↑ Langdridge, Darren (2004). Introducción a los métodos de investigación y análisis de datos en psicología . The Open University.
  10. ↑ Hayes, Nicky (2000). Realizando investigación psicológica . Open University Press.
  11. ↑ Braun, Virginia; Clarke, Victoria (2019). "Reflexiones sobre el análisis temático reflexivo". Investigación cualitativa en deporte, ejercicio y salud . 11 (4): 589– 597. doi : 10.1080/2159676x.2019.1628806 . S2CID 197748828 . 
  12. ↑ "Victoria Clarke" . scholar.google.com .
  13. ↑ Willig, Carla (2013). Introducción a la investigación cualitativa en psicología . Open University Press.
  14. ↑ Daly, Jeanne; Kellehear, Allan; Gliksman, Michael (1997). El investigador en salud pública: Un enfoque metodológico . Melbourne, Australia: Oxford University Press . pp. 611–618 . ISBN  978-0195540758.
  15. 1 2 3 4 5 6 7 Braun, Virginia; Clarke, Victoria (2013). Investigación cualitativa exitosa: una guía práctica para principiantes . Sage.
  16. ↑ "Finalización de la historia | Otro sitio más de los blogs de la Universidad de Auckland" .
  17. 1 2 3 4 5 6 7 8 Saldana, Johnny (2009). El manual de codificación para investigadores cualitativos . Thousand Oaks, California: Sage.
  18. ↑ Dapkus, Marilyn (1985). "Un análisis temático de la experiencia del tiempo". Journal of Personality and Social Psychology . 49 (2): 408– 419. doi : 10.1037/0022-3514.49.2.408 . PMID 4032226 . 
  19. ↑ Clarke, Victoria; Braun, Virginia (2014). «Análisis temático». Enciclopedia de psicología crítica . Springer. págs. 1947–1952 . doi : 10.1007/978-1-4614-5583-7_311 . ISBN  978-1-4614-5582-0.
  20. ↑ Crabtree, B (1999). Cómo realizar investigación cualitativa . Newbury Park, CA: Sage.
  21. ↑ Huang, H., Jefferson, ER, Gotink, M., Sinclair, C., Mercer, SW, & Guthrie, B. (2021). Mejora colaborativa en grupos de médicos de cabecera escoceses tras el Marco de Calidad y Resultados: un estudio cualitativo. British Journal of General Practice , 71 (710), e719-e727.
  22. ↑ Kidder, Louise; Fine, Michelle (1987). "Métodos cualitativos y cuantitativos: Cuando las historias convergen". Nuevas direcciones para la evaluación de programas . 1987 (otoño) (35): 57–75 . doi : 10.1002/ev.1459 .
  23. ↑ Morse, Janice (1997) ."Perfectamente sanos, pero muertos": El mito de la fiabilidad entre evaluadores . Investigación cualitativa en salud . 7 (4): 445– 447. doi : 10.1177/104973239700700401 .
  24. ↑ Yardley, Lucy (2008). "Demostración de validez en psicología cualitativa". Psicología cualitativa: una guía práctica de métodos de investigación . Sage: 235–251 .
  25. 1 2 Braun, Virginia; Clarke, Victoria (2014). "Cómo utilizar el análisis temático con datos de entrevistas" . Manual de investigación en consejería y psicoterapia : 183–197 .
  26. ↑ Terry, Gareth; Hayfield, Nikki; Clarke, Victoria; Braun, Virginia (2017). The SAGE Handbook of Qualitative Research in Psychology . pp. 17–36 . doi : 10.4135/9781526405555 . ISBN  9781473925212.
  27. ↑ DeSantis, Lydia; Ugarriza, Doris (2000). "El concepto de tema utilizado en la investigación cualitativa en enfermería". Western Journal of Nursing Research . 22 (3): 351– 372. doi : 10.1177/019394590002200308 . PMID 10804897. S2CID 37545647 .  
  28. ↑ Clarke, Victoria; Braun, Virginia (2018). "Uso del análisis temático en la investigación sobre consejería y psicoterapia: una reflexión crítica" . Counselling and Psychotherapy Research . 18 (2): 107– 110. doi : 10.1002/capr.12165 . hdl : 2292/46186 .
  29. ↑ Connelly, Lynne; Peltzer, Jill (2016) . "Temas poco desarrollados en la investigación cualitativa: relación con las entrevistas y el análisis". Clinical Nurse Specialist . 30 (1): 52– 57. doi : 10.1097/nur.0000000000000173 . PMID 26626748. S2CID 5942773 .  
  30. ↑ Sandelowski; Leeman, Jennifer (2012). "Escritura utilizando hallazgos de investigación cualitativa en salud". Investigación cualitativa en salud . 22 (10): 1404– 1413. doi : 10.1177/1049732312450368 . PMID 22745362 . S2CID 26196750 .  
  31. 1 2 Saldana, Johnny (2009). The Coding Manual for Qualitative Researchers . Thousand Oaks, California: Sage. p. 13. 
  32. ↑ Creswell, John (1994). Diseño de investigación: enfoques cualitativos y cuantitativos . Thousand Oaks, CA: Sage Publications, Inc. pp . 147. ISBN  978-0-8039-5255-3.
  33. ↑ Locke, LF (1987). Propuestas que funcionan: Una guía para la planificación de tesis y propuestas de subvención . Newbury Park, CA: Sage Publications, Inc.
  34. ↑ Creswell, John (2007). Investigación cualitativa y diseño de investigación: elección entre cinco enfoques . Thousand Oaks, CA: Sage Publications, Inc. pp. 178–180 . 
  35. ↑ Lincoln; Guba (1995). Criterios de rigor en la investigación cualitativa .
  36. ↑ Malterud, Kirsti (2016). " Tamaño de la muestra en estudios de entrevistas cualitativas: guiado por el poder de la información". Qualitative Health Research . 26 (13): 1753– 1760. doi : 10.1177/1049732315617444 . PMID 26613970. S2CID 34180494 .  
  37. ↑ Guest, Greg; Bunce, Arwen; Johnson, Laura (2006). "¿Cuántas entrevistas son suficientes?: Un experimento con saturación y variabilidad de datos". Field Methods . 18 (1): 59– 82. doi : 10.1177/1525822x05279903 . S2CID 62237589 . 
  38. ↑ Hennink, Monique; Kaiser, Bonnie (2016). "Saturación de código versus saturación de significado: ¿ cuántas entrevistas son suficientes?" . Investigación cualitativa en salud . 27 (4): 591– 608. doi : 10.1177/1049732316665344 . PMC 9359070. PMID 27670770. S2CID 4904155 .   
  39. ↑ Low, Jacqueline (2019). "Una definición pragmática del concepto de saturación teórica". Sociological Focus . 52 (2): 131– 139. doi : 10.1080/00380237.2018.1544514 . S2CID 149641663 . 
  40. ↑ Fugard AJ, Potts HW (10 de febrero de 2015). "Apoyo al pensamiento sobre tamaños de muestra para análisis temáticos: una herramienta cuantitativa" . International Journal of Social Research Methodology . 18 (6): 669– 684. doi : 10.1080/13645579.2015.1005453 .
  41. ↑ Lowe, Andrew; Norris, Anthony C.; Farris, A. Jane; Babbage, Duncan R. (2018). "Cuantificación de la saturación temática en el análisis de datos cualitativos". Field Methods . 30 (3): 191– 207. doi : 10.1177/1525822X17749386 . ISSN 1525-822X . S2CID 148824883 .  
  42. ↑ Braun, Virginia; Clarke, Victoria (2016). "(Mal)conceptualización de temas, análisis temático y otros problemas con la herramienta de tamaño de muestra de Fugard y Potts (2015) para el análisis temático" (PDF) . International Journal of Social Research Methodology . 19 (6): 739– 743. doi : 10.1080/13645579.2016.1195588 . S2CID 148370177 . 
  43. ↑ Hammersley, Martyn (2015). "Muestreo y análisis temático: una respuesta a Fugard y Potts" . International Journal of Social Research Methodology . 18 (6): 687– 688. doi : 10.1080/13645579.2015.1005456 . S2CID 143933992 . 
  44. ↑ Byrne, David (2015). "Respuesta a Fugard y Potts: apoyo al pensamiento sobre tamaños de muestra para análisis temáticos: una herramienta cuantitativa". International Journal of Social Research Methodology . 16 (6): 689– 691. doi : 10.1080/13645579.2015.1005455 . S2CID 144817485 . 
  45. ↑ Emmel, Nick (2015). "Temas, variables y los límites del cálculo del tamaño de la muestra en la investigación cualitativa: una respuesta a Fugard y Potts" (PDF) . Revista Internacional de Metodología de la Investigación Social . 18 (6): 685– 686. doi : 10.1080/13645579.2015.1005457 . S2CID 55615136 . 
  46. ↑ Braun, Virginia; Clarke, Victoria (2012). «Análisis temático». Manual de métodos de investigación en psicología de la APA . Vol. 2. págs. 57–71 . doi : 10.1037/13620-004 . ISBN   978-1-4338-1005-3.
  47. ↑ "Análisis temático | Otro sitio más de blogs de la Universidad de Auckland" .
  48. 1 2 3 Miles, MB (1994). Análisis de datos cualitativos: Un manual ampliado . Thousand Oaks, California: Sage. ISBN 9780803955400.
  49. ↑ "Investigación cualitativa exitosa" . SAGE Publications Ltd. 6 de octubre de 2024.
  50. 1 2 3 4 5 6 7 8 9 10 11 Coffey , Amanda; Atkinson, Paul (1996). Making Sense of Qualitative Data . Sage. p. 30. 
  51. ↑ Clarke, Victoria; Braun, Virginia (2016). "Análisis temático" . Análisis de datos cualitativos en psicología . Sage: 84–103 .
  52. ↑ Braun, Virginia; Clarke, Victoria (1 de diciembre de 2006). "Uso del análisis temático en psicología" . Investigación cualitativa en psicología . 3 (2): 77– 101. doi : 10.1191/1478088706qp063oa – vía uwe-repository.worktribe.com.
  • Análisis temático – Universidad de Auckland
  • Conferencia de Victoria Clarke en YouTube que describe diferentes enfoques para el análisis temático.
  • Conferencia en YouTube de Virginia Braun y Victoria Clarke que ofrece una introducción a su enfoque del análisis temático.
Obtenido de " https://en.wikipedia.org/w/index.php?title=Thematic_analysis&oldid=1357678492 "