Prohlédnout všechna témata a autory

Objevování témat v kvalitativních datech může být skličující a obtížné. Shrnutí kvantitativní studie je poměrně jasné: dosáhli jste řekněme o 25 % lepšího skóre než konkurence. Jak ale shrnout soubor kvalitativních pozorování?“

V počátečních fázích projektu se často provádí průzkumný výzkum. Tento výzkum často přináší velké množství kvalitativních údajů, které mohou zahrnovat:

Kvalitativní postojová data, jako jsou myšlenky, přesvědčení a vlastní potřeby lidí získané z rozhovorů s uživateli, fokusních skupin a dokonce i deníkových studií

Kvalitativní behaviorální data, jako jsou pozorování chování lidí získaná prostřednictvím kontextového šetření a dalších etnografických přístupů

Tematická analýza, kterou může provádět každý, zviditelňuje důležité aspekty kvalitativních dat a usnadňuje odhalování témat.

Co je to tematická analýza?

Definice: Tematická analýza je systematická metoda rozčlenění a uspořádání bohatých dat z kvalitativního výzkumu pomocí označování jednotlivých pozorování a citací vhodnými kódy, která usnadňuje odhalení významných témat.

Jak název napovídá, tematická analýza zahrnuje hledání témat.

Definice: Téma:

• je popis přesvědčení, praxe, potřeby nebo jiného jevu, který je objeven z dat
• vzniká, když se související zjištění objevují vícekrát u všech účastníků nebo zdrojů dat

Problémy s analýzou kvalitativních dat

Mnozí výzkumníci se cítí zahlceni kvalitativními daty z průzkumného výzkumu prováděného v raných fázích projektu. Následující tabulka upozorňuje na některé běžné výzvy a z nich vyplývající problémy.

.

CHALLENGES	RESULTING ISSUES
Large quantity of data: Qualitative research results in long transcripts and extensive field notes that can be time-consuming to read; you may have a hard time seeing patterns and remembering what’s important.	Superficial analysis: Analysis is often done very superficially, just skimming topics, focusing on only memorable events and quotes, and missing large sections of notes.
Rich data: There are lots of detail within every sentence or paragraph. It can be hard to see which details are useful and which are superfluous.	Analysis becomes a description of many details: The analysis simply becomes a regurgitation of what participants‘ may have said or done, without any analytical thinking applied to it.
Contradicting data: Někdy údaje od různých účastníků nebo dokonce od téhož účastníka obsahují rozpory, kterým musí výzkumníci dávat smysl.	Zjištění nejsou definitivní:
Nejsou stanoveny žádné cíle analýzy: Cíle počátečního sběru dat se ztrácejí, protože výzkumník může snadno příliš zabřednout do detailů.	Ztráta času a nesprávné zaměření analýzy: Analýza postrádá zaměření a výzkum podává zprávu o nesprávné věci.

Bez určité formy systematického postupu snadno vznikají při analýze kvalitativních dat nastíněné problémy. Tematická analýza udržuje výzkumníky organizované a soustředěné a poskytuje jim obecný postup, který mohou při analýze kvalitativních dat dodržovat.

Nástroje a metody pro provádění tematické analýzy

Tematickou analýzu lze provádět mnoha různými způsoby. Nejlepší nástroj nebo metoda pro tento proces se určuje na základě:

• dat
• kontextu a omezení fáze analýzy dat
• osobního stylu práce výzkumníka

3 běžné metody zahrnují:

• Použití softwaru
• Deníkový záznam
• Použití technik afinitního diagramu

Použití softwaru

K analýze velkého množství kvalitativních dat kvalitativní výzkumníci často používají software, známý jako CAQDAS (Computer-Aided Qualitative-Data-Analysis software) – vyslovuje se „cak∙das“. Výzkumníci nahrávají přepisy a terénní poznámky do softwarového programu a poté systematicky analyzují text pomocí formálního kódování. Software pomáhá při objevování témat tím, že nabízí různé vizualizační nástroje, jako jsou stromy slov nebo mraky slov, které umožňují s kódovanými daty manipulovat mnoha různými způsoby.

Přínosy

• Analýza je velmi důkladná.
• Fyzický soubor projektu (který obsahuje nezpracovaná data a analýzu) lze sdílet s ostatními. (Tato metoda je oblíbená u studentských projektů na akademických institucích.)

Nevýhody

• Časová náročnost, protože výsledkem je mnoho kódů, které je třeba zestručnit do malého, zvládnutelný seznam
• Nákladné
• Synchronní analýza s ostatními je obtížná
• Vyžaduje určité znalosti softwaru
• Může působit omezujícím dojmem

Deník

Zapisování myšlenkových pochodů a myšlenek, které máte o textu, je mezi výzkumníky praktikujícími metodologii zakotvené teorie běžné. Journaling as a form of thematic analysis is based on this methodology and involves manual annotation and highlighting of the data, followed by writing down the researchers‘ ideas and thought processes. The notes are known as memos (not to be confused with the office memo delivering news to employees).

Benefits

• The process encourages reflection through the writing of detailed notes.
• Researchers have a record of how they arrived at their themes.
• The analysis is cheap and flexible.

Drawbacks

• Hard to do collaboratively

Affinity-Diagramming Techniques

The data is highlighted, cut out physically or digitally, and reassembled into meaningful groups until themes emerge on a physical or digital board. (See a video demonstrating affinity-diagramming.)

Benefits

• Can be done collaboratively
• Quick arriving at themes
• Cheap and flexible
• Visual, a podporuje proces iterativní analýzy

Nevýhody

• Není tak důkladný jako jiné metody, protože často nejsou segmenty textu kódovány vícekrát
• Těžko se provádí, když jsou data velmi různorodá, nebo je dat hodně

Kódování a kódování

Všechny metody tematické analýzy předpokládají určitou míru kódování (nezaměňovat s psaním programu v programovacím jazyce).

Definice:

Kód je slovo nebo slovní spojení, které slouží jako označení úseku textu.

Kód popisuje, čeho se text týká, a je zkratkou pro složitější informace. (Dobrou analogií je, že kód popisuje data podobně jako klíčové slovo popisuje článek nebo jako hashtag popisuje tweet). Kvalitativní výzkumníci často mají pro každý kód nejen název, ale také popis toho, co kód znamená, a příklady textů, které kódu odpovídají nebo neodpovídají. Tyto popisy a příklady jsou užitečné zejména tehdy, pokud za kódování dat odpovídá více než jedna osoba nebo pokud se kódování provádí po delší dobu.

Definice:

Pokud jsou kódy přiřazeny, je snadné identifikovat a porovnávat segmenty textu, které se týkají stejné věci. Kódy nám umožňují snadno třídit informace a analyzovat data s cílem odhalit podobnosti, rozdíly a vztahy mezi segmenty. Můžeme tak dospět k pochopení základních témat.

Typy kódů: Deskriptivní a interpretační

Kódy mohou být:

• Deskriptivní: Popisují, čeho se data týkají
• Interpretační:

Abychom viděli příklady deskriptivních a interpretačních kódů, podívejme se na citaci z rozhovoru, který jsem provedl s odborníkem na UX na začátku tohoto roku (v rámci našeho výzkumu UX Careers, který bude zveřejněn v naší zprávě UX Careers).

„Byl jsem zkamenělý z facilitace schůzek a moje společnost mi nabídla den a půl dlouhý kurz. Tak jsem tam šel a instruktor udělal něco, co mi tehdy připadalo hrozné, ale od té doby jsem to opravdu ocenil. První věc, kterou jsme udělali, bylo, že jsme vyplnili list papíru se svým jménem a napsali jsme svůj nejhorší strach z moderování nebo facilitace a odevzdali jsme ho a on pak řekl, dobře, zítra si zahrajete tuto situaci (…) druhý den jsme se vrátili a já jsem odešel z místnosti, zatímco zbytek týmu četl, přečetli si můj nejhorší strach, vymysleli, jak by ho zahráli, a pak jsem přišel a deset minut facilitoval s tím. A to mi opravdu pomohlo uvědomit si, že se není čeho bát, že naše strachy jsou většinou opravdu jen v naší hlavě, a díky tomu, že jsem tomu čelila, jsem si uvědomila, že tyto situace zvládnu.“

Tady jsou možné popisné a interpretační kódy pro výše uvedený text:

Popisný kód: Jak se získávají dovednosti
Odůvodnění označení kódu:

Interpretační kód: sebereflexe
Odůvodnění kódového označení: Účastníci byli požádáni, aby popsali, jak přišli k určitým dovednostem: Účastnice popisuje, jak tato zkušenost změnila její přesvědčení o facilitaci a jak reflektovala svůj strach.

Kroky provedení tematické analýzy

Nezávisle na tom, který nástroj použijete (software, deník nebo afinitní diagram), lze akt provedení tematické analýzy rozdělit do 6 kroků.

Krok 1: Shromážděte všechna data

Začněte s nezpracovanými daty, jako jsou přepisy rozhovorů nebo fokusních skupin, terénní poznámky nebo záznamy z deníkových studií. Doporučuji přepsat zvukové záznamy z rozhovorů a přepisy použít k analýze, místo abyste se spoléhali na útržkovitou paměť.

Krok 2: Přečtěte si všechna data od začátku do konce

Před zahájením analýzy se s daty seznamte, a to i v případě, že jste výzkum prováděli vy. Před analýzou si přečtěte všechny přepisy, terénní poznámky a další zdroje dat. V tomto kroku můžete do projektu zapojit svůj tým. Zapojení týmu vám vštípí znalost uživatelů a empatii k nim a jejich potřebám.

Uspořádejte workshop (nebo sérii workshopů, pokud je váš tým velmi početný nebo máte velké množství dat). Postupujte podle následujících kroků:

1. Předtím, než se členové vašeho týmu začnou zabývat daty, napište si výzkumné otázky na tabuli nebo flipchartový papír, abyste se na ně mohli při práci snadno odvolávat.
2. Dejte každému členovi přepis nebo jeden záznam z terénního či deníkového výzkumu. Řekněte lidem, aby si zvýraznili vše, co považují za důležité.
3. Jakmile členové týmu dokončí čtení svých zápisů, mohou svůj přepis nebo zápis předat někomu jinému a od jiného člena týmu obdrží nový. Tento krok opakujte, dokud se všichni členové týmu nezabývají všemi údaji.
4. Diskutujte jako skupina o tom, čeho jste si všimli nebo co vás překvapilo.

Ačkoli je nejlepší, když váš tým pozoruje všechna výzkumná sezení, nemusí to být možné, pokud máte hodně sezení nebo velký tým. Když jednotliví členové týmu pozorují jen několik sezení, někdy odcházejí s neúplným pochopením zjištění. Workshop může tento problém vyřešit, protože si všichni přečtou přepisy všech sezení.

Krok 3: Kódování textu podle toho, o čem je

V kroku kódování je třeba zvýrazněné části zařadit do kategorií, aby bylo možné zvýrazněné části snadno porovnat.

V této fázi si připomeňte cíle svého výzkumu. Vytiskněte si výzkumné otázky. Vylepte je na zeď nebo na tabuli v místnosti, kde analýzu provádíte.

Pokud máte dostatek času, můžete do tohoto úvodního kroku kódování zapojit svůj tým. Pokud je času málo a je třeba zpracovat velké množství dat, proveďte tento krok sami a později přizvěte svůj tým, aby zkontroloval vaše kódy a pomohl konkretizovat témata.

Při kódování si prohlédněte každý segment textu a položte si otázku: „O čem to je?“. Dejte úryvku název, který popisuje data (popisný kód). V této fázi můžete k textu přidat také interpretační kódy. Ty se však obvykle snáze přiřazují později.

Kód můžete vytvořit před nebo po seskupení dat. Další dvě části tohoto kroku popisují, jak a kdy můžete kódy přidávat.

Tradiční metoda:

Při tradičním přístupu vytváříte kódy před seskupením

Při zvýrazňování segmentů dat, jako jsou věty, odstavce, fráze, je kódujete. Je užitečné zaznamenat si všechny použité kódy a nastínit, o jaké kódy se jedná, abyste se na tento seznam mohli odvolávat při kódování dalších úseků textu (zejména pokud text kóduje více lidí). Tímto přístupem se vyhnete vytváření více kódů (které bude později třeba konsolidovat) pro stejný typ problému.

Po zakódování celého textu můžete seskupit všechna data, která mají stejný kód.

Používáte-li pro tento proces program CAQDAS, pak software automaticky zaznamenává kódy, které jste při kódování přidělili, takže je můžete znovu použít. Následně poskytuje možnost zobrazit veškerý text kódovaný stejným kódem.

Rychlá metoda: Seskupte segmenty textu a pak jim přiřaďte kód

Namísto toho, abyste při zvýraznění textu vymýšleli kód, rozřežete (fyzicky nebo digitálně) a seskupíte všechny podobné zvýrazněné segmenty (podobně jako lze seskupit různé nálepky v mapě afinity). Těmto seskupením je pak přiřazen kód. Pokud seskupování provádíte digitálně, můžete zakódované úseky vytáhnout do nového dokumentu nebo do platformy pro vizuální spolupráci.

Na obrázcích níže bylo seskupování provedeno ručně. Přepisy byly rozstříhány, připevněny na samolepky a přesouvány po tabuli, dokud se nezařadily do přirozených tematických skupin. Výzkumník pak seskupení přiřadil růžovou samolepku s popisným kódem.

Na konci tohoto kroku byste měli mít data seskupená podle témat a kódy pro každé téma.

Podívejme se na příklad. Udělal jsem rozhovor se třemi lidmi o jejich zkušenostech s vařením v domácnosti. V těchto rozhovorech účastníci hovořili o tom, jak se rozhodli vařit určité věci a jiné ne. Hovořili o konkrétních problémech, kterým při vaření čelili (např, dietní požadavky, omezený rozpočet, nedostatek času a fyzického prostoru) a o řešení některých z těchto problémů.

Po seskupení zvýrazněných útržků z rozhovorů podle témat jsem skončila u 3 širokých popisných kódů a odpovídajících skupin:

• Zkušenosti s vařením: nezapomenutelné pozitivní a negativní zkušenosti spojené s vařením
• Bolestivé body: cokoli, co někomu brání ve vaření nebo mu vaření ztěžuje (včetně orientace v dietních omezeních, omezeného rozpočtu atd.)
• Věci, které pomáhají: to, co někomu pomáhá (nebo se předpokládá, že případně pomáhá) překonat konkrétní problémy nebo bolestivé body

Krok 4: Vytvoření nových kódů, které zahrnují potenciální témata

Podívejte se na všechny kódy a prozkoumejte všechny příčinné vztahy, podobnosti, rozdíly nebo rozpory, abyste zjistili, zda můžete odhalit základní témata. Přitom budou některé kódy odloženy stranou (buď archivovány, nebo vymazány) a budou vytvořeny nové interpretační kódy. Pokud používáte přístup fyzického mapování, o kterém jsme hovořili v kroku 3, pak se některá z těchto počátečních seskupení mohou při hledání témat rozpadnout nebo rozšířit.

Pokládejte si následující otázky:

• Co se děje v každé skupině?
• Jak spolu tyto kódy souvisejí?
• Jak souvisí s mými výzkumnými otázkami?“

Pokud se vrátím k našemu tématu vaření, při analýze textu v rámci jednotlivých skupin a hledání vztahů mezi daty jsem si všiml, že dva účastníci uvedli, že mají rádi ingredience, které lze připravit různými způsoby a které se dobře hodí k jiným různým ingrediencím. Třetí účastnice hovořila o tom, že by si přála mít sadu ingrediencí, které lze použít pro mnoho různých jídel během týdne, místo aby musela kupovat samostatné ingredience pro každý plán jídla. Vzniklo tak nové téma týkající se flexibility surovin. Pro toto téma jsem vymyslela kód jedna ingredience pro všechny, ke kterému jsem pak napsala podrobný popis.

Krok 5: Dejte si den pauzu a pak se k datům vraťte

Téměř vždy je dobré dát si pauzu a vrátit se a podívat se na data novýma očima. Takový postup vám někdy pomůže jasně vidět významné vzorce v datech a vyvodit z nich průlomové poznatky.

Krok 6: Vyhodnoťte, zda se vaše témata dobře hodí

V tomto kroku může být užitečné zapojit další osoby, které vám pomohou zkontrolovat vaše kódy a vznikající témata. Nejenže se vytáhnou nové poznatky, ale vaše závěry mohou být zpochybněny a zkritizovány čerstvými očima a mozky. Tento postup snižuje možnost, že by vaše interpretace byla zabarvena osobními předsudky.

Podrobte svá témata kontrole. Položte si tyto otázky:

• Je téma dobře podloženo daty? Nebo byste mohli najít data, která vaše téma nepodporují?
• Je téma nasyceno velkým množstvím případů?
• Souhlasí ostatní s tématy, která jste v datech našli po oddělené analýze dat?

Pokud je odpověď na tyto otázky záporná, může to znamenat, že se musíte vrátit k analytické tabuli. Za předpokladu, že jste shromáždili solidní data, je téměř vždy možné se něco dozvědět, takže se vyplatí strávit s týmem více času opakováním kroků 4-6.

Závěr

Používejte tematickou analýzu jako užitečného průvodce pro efektivní procházení velkého množství kvalitativních dat. Neexistuje jediný způsob, jak tematickou analýzu provést. Zvolte si metodu analýzy, která vyhovuje druhu a objemu dat, jež jste shromáždili. Pokud je to možné, přizvěte do procesu analýzy další osoby, abyste zvýšili jak přesnost analýzy, tak znalosti vašeho týmu o chování, motivacích a potřebách uživatelů. Analýza může být zdlouhavý proces, takže dobrým pravidlem je vyčlenit si na její dokončení tolik času, kolik jste měli na sběr dat.

Zjistěte více:

Rozhovory s uživateli, pokročilé techniky odhalování hodnot, motivací a přání, celodenní kurz na konferenci UX.