Browse All Topics & Authors

Odkrywanie tematów w danych jakościowych może być zniechęcające i trudne. Podsumowanie badania ilościowego jest stosunkowo jasne: powiedzmy, że uzyskałeś wynik o 25% lepszy niż konkurencja. Ale jak podsumować zbiór obserwacji jakościowych?

W początkowej fazie projektu często przeprowadzane są badania eksploracyjne. Badania te często dostarczają wielu danych jakościowych, które mogą obejmować:

Jakościowe dane dotyczące postaw, takie jak myśli, przekonania i samookreślone potrzeby ludzi uzyskane z wywiadów z użytkownikami, grup fokusowych, a nawet badań pamiętnikarskich

Jakościowe dane dotyczące zachowań, takie jak obserwacje zachowań ludzi zebrane w ramach badań kontekstowych i innych podejść etnograficznych

Analiza tematyczna, którą każdy może wykonać, uwidacznia ważne aspekty danych jakościowych i ułatwia odkrywanie tematów.

Co to jest analiza tematyczna?

Definicja: Analiza tematyczna to systematyczna metoda rozbijania i organizowania bogatych danych z badań jakościowych poprzez oznaczanie poszczególnych obserwacji i cytatów odpowiednimi kodami, w celu ułatwienia odkrycia istotnych tematów.

Jak sama nazwa wskazuje, analiza tematyczna polega na znajdowaniu tematów.

Definicja: Temat:

• jest opisem przekonania, praktyki, potrzeby lub innego zjawiska, które zostało odkryte na podstawie danych
• wyłania się, gdy powiązane ustalenia pojawiają się wielokrotnie wśród uczestników lub źródeł danych

Wyzwania związane z analizą danych jakościowych

Wielu badaczy czuje się przytłoczonych danymi jakościowymi pochodzącymi z badań eksploracyjnych prowadzonych we wczesnych etapach projektu. Poniższa tabela przedstawia kilka typowych wyzwań i wynikających z nich problemów.

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: Czasami dane pochodzące od różnych uczestników lub nawet od tego samego uczestnika zawierają sprzeczności, z którymi badacze muszą sobie poradzić.	Wyniki nie są ostateczne: Analiza nie jest ostateczna, ponieważ opinie uczestników są sprzeczne lub, co gorsza, punkty widzenia, które nie pasują do przekonań badacza, są ignorowane.
Brak celów ustalonych dla analizy: Cele początkowego zbierania danych zostają utracone, ponieważ badacze mogą łatwo stać się zbyt pochłonięci szczegółami.	Zmarnowany czas i źle ukierunkowana analiza: Analizie brakuje skupienia, a badania raportują o niewłaściwych rzeczach.

Bez jakiejś formy systematycznego procesu, przedstawione problemy łatwo pojawiają się podczas analizy danych jakościowych. Analiza tematyczna utrzymuje badaczy w organizacji i skupieniu oraz daje im ogólny proces do naśladowania podczas analizowania danych jakościowych.

Narzędzia i metody przeprowadzania analizy tematycznej

Analiza tematyczna może być przeprowadzona na wiele różnych sposobów. Najlepsze narzędzie lub metoda dla tego procesu jest określana na podstawie:

• danych
• kontekstu i ograniczeń fazy analizy danych
• osobistego stylu pracy badacza

3 powszechnie stosowane metody obejmują:

• Używanie oprogramowania
• Dziennikowanie
• Używanie technik diagramów pokrewieństwa

Używanie oprogramowania

Do analizy dużych ilości danych jakościowych badacze jakościowi często używają oprogramowania, znanego jako CAQDAS (Computer-Aided Qualitative-Data-Analysis software) – wymawiane „cak∙das”. Badacze wgrywają transkrypty i notatki terenowe do programu komputerowego, a następnie systematycznie analizują tekst poprzez formalne kodowanie. Oprogramowanie pomaga w odkrywaniu tematów, oferując różne narzędzia wizualizacji, takie jak drzewa słów czy chmury słów, które pozwalają manipulować zakodowanymi danymi na wiele różnych sposobów.

Korzyści

• Analiza jest bardzo dokładna.
• Fizyczny plik projektu (który zawiera surowe dane i analizę) może być udostępniony innym. (Ta metoda jest popularna w projektach studenckich w instytucjach akademickich.)

Wady

• Czasochłonne, ponieważ skutkuje wieloma kodami, które muszą być skondensowane do małej, łatwą do zarządzania listę
• Droga
• Trudna do synchronicznej analizy z innymi
• Wymaga nauczenia się oprogramowania
• Może czuć się ograniczająca

Journaling

Pisanie procesów myślowych i pomysłów dotyczących tekstu jest powszechne wśród badaczy praktykujących metodologię teorii ugruntowanej. 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, i wspiera iteracyjny proces analizy

Wady

• Nie tak dokładna jak inne metody, ponieważ często segmenty tekstu nie są kodowane wielokrotnie
• Trudna do przeprowadzenia, gdy dane są bardzo zróżnicowane, lub jest dużo danych

Kodowanie i kodowanie

Wszystkie metody analizy tematycznej zakładają pewną ilość kodowania (nie mylić z pisaniem programu w języku programowania).

Definicja: Kod to słowo lub fraza, która działa jak etykieta dla segmentu tekstu.

Kod opisuje, o czym jest tekst i jest skrótem dla bardziej skomplikowanych informacji. (Dobrą analogią jest to, że kod opisuje dane tak, jak słowo kluczowe opisuje artykuł lub jak hashtag opisuje tweeta). Często badacze jakościowi mają nie tylko nazwę dla każdego kodu, ale także opis tego, co dany kod oznacza oraz przykłady tekstów, które pasują lub nie pasują do danego kodu. Te opisy i przykłady są szczególnie przydatne, jeśli więcej niż jedna osoba jest odpowiedzialna za kodowanie danych lub jeśli kodowanie odbywa się w dłuższym okresie czasu.

Definicja: Kodowanie odnosi się do procesu oznaczania segmentów tekstu odpowiednimi kodami.

Gdy kody zostaną przypisane, łatwo jest zidentyfikować i porównać segmenty tekstu, które dotyczą tej samej rzeczy. Kody pozwalają nam na łatwe sortowanie informacji i analizowanie danych w celu odkrycia podobieństw, różnic i związków między segmentami. Możemy wtedy dojść do zrozumienia istotnych tematów.

Rodzaje kodów: Deskryptywne i Interpretacyjne

Kody mogą być:

• Opisowe: Opisują, o czym są dane
• Interpretacyjne: Stanowią analityczne odczytanie danych, dodając do nich interpretacyjną soczewkę badacza.

Aby zobaczyć przykłady kodów opisowych i interpretacyjnych, przyjrzyjmy się cytatowi z wywiadu, który przeprowadziłem z praktykiem UX na początku tego roku (w ramach naszego badania UX Careers, które zostanie opublikowane w naszym raporcie UX Careers).

„Byłem przerażony prowadzeniem spotkań, a moja firma zaoferowała mi półtoradniowy kurs. Poszedłem tam, a instruktor zrobił coś, co w tamtym czasie wydawało mi się okropne, ale od tego czasu naprawdę to doceniam. Pierwszą rzeczą, którą zrobiliśmy, było wypełnienie kartki papieru z naszym imieniem i nazwiskiem i zapisanie naszego najgorszego strachu przed moderowaniem lub ułatwianiem, oddaliśmy ją, a potem powiedział, ok, jutro będziecie odgrywać tę sytuację (…) Następnego dnia wracaliśmy i wychodziłem z pokoju, podczas gdy reszta zespołu czytała, oni czytali mój najgorszy strach, wymyślali, jak go odegrają, a potem wchodziłem i ułatwiałem przez 10 minut. I to naprawdę pomogło mi uświadomić sobie, że nie ma się czego bać, że nasze lęki są tak naprawdę w naszej głowie przez większość czasu, a zmierzenie się z tym uświadomiło mi, że mogę sobie poradzić w takich sytuacjach.”

Tutaj możliwe kody opisowe i interpretacyjne dla powyższego tekstu:

Kod opisowy: jak nabywa się umiejętności
Referencja etykiety kodu: Uczestnicy zostali poproszeni o opisanie, w jaki sposób doszli do posiadania określonych umiejętności.

Kod interpretacyjny: autorefleksja
Podłoże etykiety kodu: Uczestniczka opisuje, w jaki sposób to doświadczenie zmieniło jej przekonania na temat facylitacji i jak zastanawiała się nad swoim lękiem.

Kroki do przeprowadzenia analizy tematycznej

Niezależnie od tego, z jakiego narzędzia korzystasz (oprogramowania, prowadzenia dziennika czy diagramu pokrewieństwa), proces przeprowadzania analizy tematycznej można podzielić na 6 kroków.

Krok 1: Zbierz wszystkie swoje dane

Zacznij od surowych danych, takich jak transkrypcje wywiadów lub grup fokusowych, notatki terenowe lub wpisy do dziennika. Zalecam przepisywanie nagrań audio z wywiadów i używanie ich do analizy, zamiast polegania na fragmentach pamięci.

Krok 2: Przeczytaj wszystkie swoje dane od początku do końca

Zapoznaj się z danymi przed rozpoczęciem analizy, nawet jeśli to Ty prowadziłeś badania. Przeczytaj wszystkie transkrypty, notatki terenowe i inne źródła danych przed ich analizą. Na tym etapie możesz zaangażować w projekt swój zespół. Zaangażowanie zespołu zaszczepia wiedzę o użytkownikach i empatię dla nich i ich potrzeb.

Przeprowadź warsztat (lub serię warsztatów, jeśli Twój zespół jest bardzo duży lub masz dużo danych). Wykonaj następujące kroki:

1. Zanim członkowie zespołu zajmą się danymi, zapisz pytania badawcze na tablicy lub kartce papieru do flipchartu, aby łatwo było się do nich odnieść podczas pracy.
2. Daj każdemu członkowi transkrypcję lub jeden wpis z badania terenowego lub dziennika. Powiedz ludziom, żeby podkreślili wszystko, co uważają za ważne.
3. Kiedy członkowie zespołu skończą czytać swoje wpisy, mogą przekazać swój zapis lub wpis komuś innemu i otrzymać nowy od innego członka zespołu. Ten krok jest powtarzany do momentu, aż wszyscy członkowie zespołu zajmą się wszystkimi danymi.
4. Przedyskutujcie jako grupa, co zauważyliście lub uznaliście za zaskakujące.

Chociaż najlepiej, jeśli zespół obserwuje wszystkie sesje badawcze, może to nie być możliwe, jeśli masz wiele sesji lub duży zespół. Kiedy poszczególni członkowie zespołu obserwują tylko kilka sesji, zdarza się, że odchodzą z niepełnym zrozumieniem wyników badań. Warsztat może rozwiązać ten problem, ponieważ wszyscy przeczytają wszystkie transkrypcje sesji.

Krok 3: Zakoduj tekst na podstawie tego, o czym jest

W kroku kodowania wyróżnione fragmenty muszą zostać skategoryzowane, aby można je było łatwo porównać.

Na tym etapie przypomnij sobie cele badania. Wydrukuj swoje pytania badawcze. Przyklej je na ścianie lub na tablicy w pomieszczeniu, w którym przeprowadzasz analizę.

Jeśli masz wystarczająco dużo czasu, możesz zaangażować swój zespół w ten wstępny etap kodowania. Jeśli czas jest ograniczony, a danych do przepracowania jest dużo, wykonaj ten krok samodzielnie i zaproś zespół później, aby przejrzał Twoje kody i pomógł rozwinąć tematy.

Podczas kodowania przejrzyj każdy segment tekstu i zadaj sobie pytanie „O czym to jest?”. Nadaj danemu fragmentowi nazwę, która opisuje dane (kod opisowy). Na tym etapie możesz również dodać do tekstu kody interpretacyjne. Jednak zazwyczaj łatwiej będzie je przypisać później.

Kod można utworzyć przed lub po pogrupowaniu danych. Kolejne dwie sekcje tego kroku opisują, jak i kiedy można dodawać kody.

Metoda tradycyjna: Tworzenie kodów przed grupowaniem

W podejściu tradycyjnym, gdy zaznaczasz segmenty danych, takie jak zdania, akapity, frazy, kodujesz je. Pomocne jest zapisanie wszystkich użytych kodów i nakreślenie, czym one są, aby można było odnieść się do tej listy podczas kodowania kolejnych fragmentów tekstu (zwłaszcza jeśli tekst koduje kilka osób). Takie podejście pozwala uniknąć tworzenia wielu kodów (które później będą musiały być skonsolidowane) dla tego samego typu zagadnienia.

Gdy cały tekst został zakodowany, możesz pogrupować wszystkie dane, które mają ten sam kod.

Jeśli używasz CAQDAS do tego procesu, oprogramowanie to automatycznie rejestruje kody, które przypisujesz podczas kodowania, więc możesz ich użyć ponownie. Następnie zapewnia sposób na przeglądanie całego tekstu zakodowanego tym samym kodem.

Szybka metoda: Grupuj segmenty tekstu, a następnie przypisz im kod

Nie musisz wymyślać kodu, gdy podświetlasz tekst, lecz pociąć (fizycznie lub cyfrowo) i pogrupować wszystkie podobne, podświetlone segmenty (podobnie jak różne stickies mogą być pogrupowane na mapie pokrewieństwa). Grupom tym nadawany jest następnie kod. Jeśli grupowanie odbywa się cyfrowo, możesz przenieść zakodowane fragmenty do nowego dokumentu lub na platformę współpracy wizualnej.

Na poniższych zdjęciach grupowanie zostało wykonane ręcznie. Transkrypty zostały pocięte, przymocowane do karteczek samoprzylepnych i przesuwane po tablicy aż do momentu, gdy znalazły się w naturalnych grupach tematycznych. Następnie badacz przypisywał różową karteczkę z kodem opisowym do danej grupy.

Na koniec tego kroku powinieneś mieć dane pogrupowane tematycznie i kody dla każdego tematu.

Spójrzmy na przykład. Przeprowadziłem wywiady z 3 osobami na temat ich doświadczeń związanych z gotowaniem w domu. W tych wywiadach uczestnicy mówili o tym, jak zdecydowali się gotować pewne rzeczy, a nie inne. Mówili o specyficznych wyzwaniach, które napotkali podczas gotowania (np, Wymagania dietetyczne, ograniczony budżet, brak czasu i przestrzeni fizycznej) oraz o rozwiązaniach dla niektórych z tych wyzwań.

Po pogrupowaniu wyróżnionych wycinków z moich wywiadów według tematów, otrzymałam 3 szerokie kody opisowe i odpowiadające im grupy:

• Doświadczenia związane z gotowaniem: zapamiętane pozytywne i negatywne doświadczenia związane z gotowaniem
• Punkty bólowe: wszystko, co powstrzymuje kogoś przed gotowaniem lub utrudnia gotowanie (w tym poruszanie się po ograniczeniach dietetycznych, ograniczony budżet itp.)
• Rzeczy, które pomagają: co pomaga (lub uważa się, że może pomóc) komuś przezwyciężyć konkretne wyzwania lub punkty bólu

Krok 4: Utwórz nowe kody, które zawierają potencjalne tematy

Przejrzyj wszystkie kody i zbadaj wszelkie związki przyczynowe, podobieństwa, różnice lub sprzeczności, aby zobaczyć, czy możesz odkryć ukryte tematy. W trakcie tych działań niektóre z kodów zostaną odłożone na bok (zarchiwizowane lub usunięte) i utworzone zostaną nowe kody interpretacyjne. Jeśli stosujesz podejście fizycznego mapowania, jak to omówione w kroku 3, niektóre z tych początkowych grup mogą się rozpadać lub rozszerzać w miarę poszukiwania tematów.

Zadawaj sobie następujące pytania:

• Co się dzieje w każdej grupie?
• Jak te kody są powiązane?
• Jak odnoszą się one do moich pytań badawczych?

Powracając do naszego tematu kulinarnego, podczas analizy tekstu w każdej grupie i szukania związków między danymi, zauważyłam, że dwie uczestniczki powiedziały, że lubią składniki, które można przygotować na różne sposoby i dobrze komponują się z innymi składnikami. Trzecia uczestniczka mówiła o tym, że chciałaby mieć zestaw składników, które można wykorzystać do wielu różnych posiłków w ciągu tygodnia, zamiast kupować osobne składniki do każdego planu posiłków. W ten sposób wyłonił się nowy temat dotyczący elastyczności składników. Dla tego tematu, wymyśliłam kod jeden składnik pasuje do wszystkiego, dla którego następnie napisałam szczegółowy opis.

Krok 5: Zrób sobie przerwę na jeden dzień, a potem wróć do danych

Prawie zawsze dobrze jest zrobić sobie przerwę, wrócić i spojrzeć na dane świeżym okiem. Czasami pomaga to dostrzec istotne wzorce w danych i uzyskać przełomowe spostrzeżenia.

Krok 6: Oceń, czy Twoje tematy są dobrze dopasowane

W tym kroku przydatne może być zaangażowanie innych osób, które pomogą Ci przejrzeć Twoje kody i wyłaniające się tematy. W ten sposób można nie tylko wyciągnąć nowe spostrzeżenia, ale również zakwestionować i skrytykować swoje wnioski przez świeże oczy i umysły. Taka praktyka zmniejsza prawdopodobieństwo, że Twoja interpretacja będzie zabarwiona osobistymi uprzedzeniami.

Poddaj swoje tematy kontroli. Zadaj sobie następujące pytania:

• Czy temat jest dobrze poparty przez dane? Czy też można znaleźć dane, które nie wspierają tematu?
• Czy temat jest nasycony dużą ilością przypadków?
• Czy inni zgadzają się z tematami, które znalazłeś w danych po przeanalizowaniu danych osobno?

Jeśli odpowiedź na te pytania brzmi „nie”, może to oznaczać, że musisz wrócić do tablicy analitycznej. Zakładając, że zebrałeś solidne dane, prawie zawsze można się czegoś nauczyć, więc spędzenie większej ilości czasu z zespołem na powtarzaniu kroków 4-6 będzie opłacalne.

Podsumowanie

Używaj analizy tematycznej jako pomocnego przewodnika do efektywnego przedzierania się przez dużą ilość danych jakościowych. Nie ma jednego sposobu na przeprowadzenie analizy tematycznej. Wybierz taką metodę analizy, która odpowiada rodzajowi i ilości zebranych danych. Jeśli to możliwe, zaproś do procesu analizy inne osoby, aby zwiększyć zarówno dokładność analizy, jak i wiedzę zespołu na temat zachowań, motywacji i potrzeb użytkowników. Analiza może być długotrwałym procesem, więc dobrą zasadą jest przeznaczenie na nią tyle czasu, ile było przeznaczone na zbieranie danych.

Dowiedz się więcej: Wywiady z użytkownikami, Zaawansowane techniki odkrywania wartości, motywacji i pragnień, całodniowy kurs na UX Conference.