El análisis temático es una de las formas más comunes de análisis dentro de la investigación cualitativa . [1] [2] Hace hincapié en identificar, analizar e interpretar patrones de significado (o "temas") dentro de datos cualitativos. [1] El análisis temático a menudo se entiende 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 de investigación teóricamente informados ( especifican la teoría rectora, las preguntas de investigación apropiadas y los métodos de recopilación de datos, así como los procedimientos para realizar análisis). Es mejor pensar en el análisis temático como un término general para una variedad de enfoques diferentes, en lugar de como un método singular. Las diferentes versiones del análisis temático se basan 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 confiabilidad de codificación (los ejemplos incluyen los enfoques desarrollados por Richard Boyatzis [4] y Greg Guest y colegas [2] ), libro de códigos enfoques (estos incluyen enfoques como análisis de marco, [5] análisis de plantillas [6] y análisis de matrices [7] ) y enfoques reflexivos. [8] [9] Describen su propio enfoque ampliamente utilizado, esbozado por primera vez en 2006 en la revista Qualitative Research in Psychology [1] como análisis temático reflexivo. [10] Su artículo de 2006 tiene más de 120.000 citas en Google Scholar y, según Google Scholar, es el artículo académico más citado publicado en 2006. La popularidad de este artículo ejemplifica el creciente interés en el análisis temático como método distinto (aunque algunos han cuestionado si es un método distinto o simplemente un conjunto genérico de procedimientos analíticos [11] ).
El análisis temático se utiliza en la investigación cualitativa y se centra en examinar temas o patrones de significado dentro de los datos. [12] Este método puede enfatizar tanto la organización como la descripción rica del conjunto de datos y 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 etiquetándolos con una etiqueta de codificación. [4] En algunos enfoques de análisis temático, la codificación sigue el desarrollo del tema y es un proceso deductivo de asignación de datos a temas previamente identificados (este enfoque es común en la confiabilidad de la codificación y en 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 códigos. [3] Una de las características distintivas del análisis temático es su flexibilidad: flexibilidad con respecto al encuadre de la teoría, las preguntas de investigación y el diseño de la investigación. [1] El análisis temático se puede utilizar para explorar preguntas sobre las experiencias vividas, las perspectivas, el comportamiento y las prácticas de los participantes, los factores y procesos sociales que influyen y dan forma a fenómenos particulares, las normas y "reglas" explícitas e implícitas que rigen prácticas particulares, así como como la construcción social de significado y la representación de objetos sociales en textos y contextos particulares. [13]
El análisis temático se puede utilizar para analizar la mayoría de los tipos de datos cualitativos, incluidos datos cualitativos recopilados de entrevistas , grupos focales , encuestas , diarios solicitados, métodos visuales , observación e investigación de campo , investigación de acción , trabajo de memoria , viñetas , finalización de historias y fuentes secundarias . Los conjuntos de datos pueden variar desde una respuesta breve y superficial a una pregunta abierta de una encuesta hasta cientos de páginas de transcripciones de entrevistas. [14] 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 sencilla que los enfoques con supuestos teóricos específicos incorporados.
A veces se afirma que el análisis temático es compatible con la fenomenología en el sentido de que puede centrarse en las experiencias subjetivas y la creación de sentido de los participantes; [2] Existe una larga tradición en el uso del análisis temático en la investigación fenomenológica. [15] Un enfoque fenomenológico enfatiza las percepciones, sentimientos y experiencias de los participantes como el principal objeto de estudio. Arraigada en la psicología humanista, la fenomenología señala dar voz al "otro" como componente clave de la investigación cualitativa en general. Este enfoque permite a los encuestados discutir el tema con sus propias palabras, sin las limitaciones de las preguntas de respuesta fija que se encuentran en los estudios cuantitativos.
A veces se supone erróneamente que el análisis temático sólo es compatible con la fenomenología o los enfoques experienciales de la investigación cualitativa. Braun y Clarke sostienen que su enfoque reflexivo es igualmente compatible con los enfoques construccionista social , postestructuralista y crítico de la investigación cualitativa. [16] Enfatizan la flexibilidad teórica del análisis temático y su uso dentro de ontologías realistas, realistas críticas y relativistas y epistemologías positivistas, contextualistas y construccionistas.
Como la mayoría de los métodos de investigación, el proceso de análisis temático de datos puede ocurrir tanto de manera 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 encajar los datos en una teoría o marco preexistente. Pero en la práctica los procesos de aprendizaje inductivo rara vez son "puramente de abajo hacia arriba"; No es posible que los investigadores y sus comunidades se liberen completamente de los supuestos ontológicos (teoría de la realidad), epistemológicos (teoría del conocimiento) y paradigmáticos (habituales); la codificación siempre reflejará, hasta cierto punto, el punto de vista filosófico del investigador y el punto de vista individual/ valores comunitarios con respecto al conocimiento y el aprendizaje. [1] Los enfoques deductivos, por otro lado, se basan más en la teoría. [17] Esta forma de análisis tiende a ser más interpretativa porque el análisis está explícitamente moldeado e informado por teorías y conceptos preexistentes (idealmente citados por la transparencia en el aprendizaje compartido). Los enfoques deductivos pueden implicar buscar identificar temas identificados en otras investigaciones en el conjunto de datos o utilizar la teoría existente como lente a través del cual 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 recopilación de datos. Un análisis temático también puede combinar enfoques inductivos y deductivos, por ejemplo, poniendo en primer plano la interacción entre ideas a priori de equipos de análisis de datos cualitativos dirigidos por médicos y aquellas que surgen de los participantes del estudio y las observaciones de campo. [18]
Los enfoques de confiabilidad de codificación [4] [2] tienen la historia más larga y a menudo son poco diferentes del análisis de contenido cualitativo. Como sugiere el nombre, priorizan la medición de la confiabilidad de la codificación mediante el uso de libros de códigos fijos y estructurados, el uso de múltiples codificadores que trabajan de forma independiente para aplicar el libro de códigos a los datos, la medición de la confiabilidad entre evaluadores o el acuerdo entre codificadores. (normalmente utilizando el 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 pequeña investigación cualitativa, [19] que combinan el uso de datos cualitativos con procesos y procedimientos de análisis de datos basados en los valores de investigación y los supuestos del positivismo (cuantitativo), enfatizando la importancia de establecer la confiabilidad de la codificación. y ver la subjetividad o el "sesgo" del investigador como una amenaza potencial a la confiabilidad de la codificación que debe ser contenida y "controlada" para evitar confundir los "resultados" (con la presencia e influencia activa del investigador). Boyatzis [4] presenta su enfoque como uno que puede "cerrar la brecha" entre los paradigmas cuantitativos ( positivistas ) y cualitativos ( interpretivistas ). Algunos investigadores cualitativos critican el uso de libros de códigos estructurados, múltiples codificadores independientes y medidas de confiabilidad entre evaluadores. Janice Morse sostiene que dicha codificación es necesariamente burda y superficial para facilitar el acuerdo de codificación. [20] Braun y Clarke (citando a Yardley [21] ) sostienen que todo lo que demuestra el acuerdo de codificación es 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 producen. codificado y descrito. [13]
Los enfoques de libros de códigos como el análisis de marcos, [5] el análisis de plantillas [6] y el análisis de matrices [7] se centran en el uso de libros de códigos estructurados pero, a diferencia de los enfoques de confiabilidad de codificación, enfatizan en mayor o menor medida los valores de investigación cualitativos. Tanto los enfoques de confiabilidad de la codificación como los de los libros de códigos generalmente implican el desarrollo temprano del tema, con todos o algunos temas desarrollados antes de la codificación, a menudo después de cierta familiarización con los datos (lectura y relectura de datos para familiarizarse íntimamente con su contenido). Una vez que se han desarrollado los temas, se crea el libro de códigos; esto podría implicar algún análisis inicial de una parte o de todos los datos. Luego se codifican los datos. La codificación implica asignar datos a temas predeterminados utilizando el libro de códigos como guía. El libro de códigos también se puede utilizar para mapear y mostrar la aparición de códigos y temas en cada elemento de datos. Los temas suelen ser del tipo de temas compartidos discutidos por Braun y Clarke. [3]
Los enfoques reflexivos centran los procesos de codificación orgánicos y flexibles: no existe un libro de códigos, la codificación puede ser realizada por un investigador, si varios investigadores participan en la codificación, esto se conceptualiza 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, los límites del código se pueden volver a dibujar, los códigos se pueden dividir en dos o más códigos, colapsar con otros códigos e incluso promocionar a temas. [13] Los enfoques reflexivos normalmente implican un desarrollo posterior del tema, con 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. [22]
Braun, 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 trazado. [23] Argumentan que este fracaso conduce a 'combinaciones' irreflexivas de su enfoque con técnicas y enfoques incompatibles, como libros de códigos, codificación por consenso y medición de la confiabilidad entre evaluadores.
No existe una definición o conceptualización única de un tema en el análisis temático. [24] Para algunos defensores del análisis temático, incluidos Braun y Clarke, los temas se conceptualizan como patrones de significado compartido entre elementos de datos, respaldados 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 confiabilidad de la codificación y los libros de códigos), los temas son simplemente resúmenes de información relacionada con un tema o dominio de datos en particular; no existe ningún requisito de significado compartido organizado en torno a un concepto central, sólo un tema compartido. [3] Aunque estas dos conceptualizaciones están asociadas con enfoques particulares del análisis temático, a menudo se confunden y combinan. Lo que Braun y Clarke llaman resumen de dominio o temas de resumen de tema a menudo tienen títulos de una sola palabra (por ejemplo, Género, Apoyo) o títulos como 'Beneficios de...', 'Barreras para...', lo que indica el enfoque en resumir todo lo que dijeron los participantes. o los puntos principales planteados, en relación con un tema o dominio de datos en particular. [3] Los temas de resumen de temas generalmente se desarrollan antes de la codificación de datos y a menudo reflejan preguntas de recopilación de datos. Los temas de significado compartido que están respaldados por un concepto o idea central [22] no pueden desarrollarse 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 captura de significado compartido respaldado por un concepto central. [25] Algunos investigadores cualitativos han argumentado que los resúmenes de temas representan un análisis poco desarrollado o una exclusión analítica. [26] [27]
Existe controversia en torno a la noción de que "los temas emergen" de los datos. Braun y Clarke critican este lenguaje porque sostienen 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, argumentan que el investigador desempeña un papel activo en la creación de temas, por lo que los temas se construyen, crean y generan en lugar de simplemente emerger. Otros utilizan el término deliberadamente para captar 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 muy relevantes para la pregunta de investigación y significativos para comprender los fenómenos de interés. [1] La prevalencia del tema no significa necesariamente la frecuencia con la que ocurre un tema (es decir, el número de elementos de datos en los que ocurre); también puede significar cuántos datos captura 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 frecuencia más alta no significa necesariamente que el tema sea más importante para comprender los datos. El juicio de un investigador es la herramienta clave para determinar qué temas son más cruciales. [1]
También hay diferentes niveles en los que se pueden codificar los datos y se pueden identificar los temas: semánticos y latentes. [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 mira más allá de lo que dijo o escribió el participante. Por el contrario, los códigos o temas latentes capturan ideas, patrones y suposiciones subyacentes . Esto requiere una orientación más interpretativa y conceptual de los datos.
Para Braun y Clarke, existe una distinción clara (pero no absoluta) entre un tema y un código: un código captura una (o más) ideas sobre los datos y un tema abarca numerosas ideas organizadas en torno a un concepto o idea central. A menudo utilizan 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 hacen una distinción tan clara entre códigos y temas: varios textos recomiendan que los investigadores "codifiquen por temas". [28] Esto puede resultar confuso porque para Braun y Clarke, y otros, el tema se considera el resultado o resultado de la codificación, no aquello que está codificado. En enfoques que hacen una distinción clara entre códigos y temas, el código es la etiqueta que se le da a partes particulares de los datos que contribuyen a un tema. Por ejemplo, "La SEGURIDAD puede ser un código, pero UN FALSO SENTIDO DE SEGURIDAD puede ser un tema". [28]
Dado que el trabajo cualitativo es inherentemente investigación interpretativa, las posiciones, valores y juicios de los investigadores deben reconocerse explícitamente para que se tengan en cuenta al dar sentido al informe final y juzgar su calidad. [29] Este tipo de apertura y reflexión se considera positivo en la comunidad cualitativa. [30] Los investigadores dan forma al trabajo que realizan y son el instrumento para recopilar y analizar datos. Para reconocer al investigador como herramienta de análisis, es útil crear y mantener un diario de reflexividad. [31]
El proceso de reflexividad puede describirse como el investigador que reflexiona y documenta cómo sus valores, posicionamientos, elecciones y prácticas de investigación influyeron y dieron forma al estudio y al análisis final de los datos. Los diarios de reflexividad son algo similares al uso de memorandos analíticos o redacción de memorandos en la teoría fundamentada , que pueden ser útiles para reflexionar sobre el análisis en desarrollo y los patrones, temas y conceptos potenciales. [14] A lo largo del proceso de codificación, los investigadores deben tener registros detallados del desarrollo de cada uno de sus códigos y temas potenciales. Además, los cambios realizados en los temas y las conexiones entre los temas se pueden analizar en el informe final para ayudar al lector a comprender las decisiones que se tomaron durante el proceso de codificación. [32]
Una vez que se completa la recopilación de datos y los investigadores comienzan las fases de análisis de datos, deben tomar notas sobre sus impresiones iniciales de los datos. El registro de ideas para análisis futuros puede ayudar a escribir pensamientos y reflexiones y puede servir como referencia para posibles ideas de codificación a medida que se avanza de una fase a la siguiente en el proceso de análisis temático. [14]
Las preguntas a considerar durante la codificación pueden incluir: [14]
Estas preguntas generalmente se formulan a lo largo de todos los ciclos del proceso de codificación y análisis de datos. A menudo se utiliza un diario de reflexividad para identificar códigos potenciales que inicialmente no eran pertinentes para el estudio. [14]
No existe una respuesta sencilla a las preguntas sobre el tamaño de la muestra en el análisis temático; así como no existe una respuesta directa al tamaño de la muestra en la investigación cualitativa en términos más amplios (la respuesta clásica es "depende": del alcance del estudio, la pregunta y el tema de la investigación, el método o métodos de recolección de datos, la riqueza de las experiencias individuales). elementos de datos, el enfoque analítico [33] ). 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 hay información, códigos o temas nuevos evidentes en los datos). Estos intentos de "operacionalizar" la saturación sugieren que la saturación del código (a menudo definida como la identificación de una instancia de un código) se puede lograr en tan solo 12 o incluso 6 entrevistas en algunas circunstancias. [34] Se cree que la saturación de significado (desarrollar una comprensión "rica en textura" de los problemas) requiere muestras más grandes (al menos 24 entrevistas). [35] Existen numerosas críticas al concepto de saturación de datos; muchos argumentan que está integrado dentro de una concepción realista de significado fijo y que en un paradigma cualitativo siempre hay potencial para nuevas comprensiones debido al papel del investigador en la interpretación del significado. [36] 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 cuantitativa prospectiva para apoyar el pensamiento sobre el tamaño de la muestra por analogía con los métodos cuantitativos de estimación del tamaño de la muestra . [37] Lowe y sus colegas propusieron medidas cuantitativas y probabilísticas del grado de saturación que pueden calcularse a partir de una muestra inicial y usarse para estimar el tamaño de muestra requerido para lograr un nivel específico de saturación. [38] Su análisis indica que los métodos de estimación del tamaño de muestra binomial comúnmente utilizados pueden subestimar significativamente el tamaño de muestra requerido para la saturación. Todas estas herramientas han sido criticadas por investigadores cualitativos (incluidos Braun y Clarke [39] ) por basarse en suposiciones sobre la investigación cualitativa, análisis temáticos y temas que son antitéticos a los enfoques que priorizan los valores de la investigación cualitativa. [40] [41] [42]
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] [43] Este proceso cíclico de seis fases implica ir y venir entre fases de análisis de datos según sea necesario hasta que esté satisfecho con los temas finales. [1] Los investigadores que realizan análisis temáticos 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 alguna discusión sobre las ideas contrastantes proporcionadas por otros proponentes del análisis temático. La fase inicial del 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 los detalles 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. [44] 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 familiarizarse con los enfoques deductivos donde la codificación se guía por una 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. [44] El análisis de datos de forma activa ayudará a los investigadores a buscar significados y patrones en el conjunto de datos. En esta etapa, resulta 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]
Después de completar la recopilación de datos, es posible que el investigador necesite transcribir sus datos por 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. La transcripción de calidad de los datos es imperativa para la confiabilidad del análisis. Se deben establecer criterios para la transcripción de datos antes de que se inicie la fase de transcripción para garantizar que la confiabilidad sea alta. [2]
Algunos defensores del análisis temático, en particular aquellos con un punto de apoyo 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 más adelante 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 "exacta" en un sentido sencillo, ya que el investigador siempre toma decisiones sobre cómo traducir el texto hablado al 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. Lo ideal es que los autores proporcionen una clave para su sistema de notación de transcripción, de modo que sea fácilmente evidente lo que significan notaciones particulares. Insertar comentarios como "*voz baja*" indicará un cambio en el discurso. Una pauta general aproximada a seguir al planificar el tiempo para la transcripción: permita dedicar 15 minutos de transcripción por cada 5 minutos de diálogo. La transcripción puede formar parte del proceso de familiarización. [1] [13]
Después de esta etapa, el investigador debe sentirse familiarizado con el contenido de los datos y debe poder comenzar a identificar patrones manifiestos o problemas repetidos en los datos. Estos patrones deben registrarse en un diario de reflexividad donde serán útiles al codificar datos. Otros defensores de la asistencia técnica conceptualizan la codificación como si el investigador comenzara a obtener control sobre los datos. Consideran importante marcar los datos que abordan la pregunta de investigación. Para ellos, este es el comienzo del proceso de codificación. [2]
El segundo paso en el análisis temático reflexivo es etiquetar 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; esto es importante para etapas posteriores del desarrollo del tema. Esta forma sistemática de organizar e identificar partes significativas de los datos en relación con la pregunta de investigación se llama codificación . El proceso de codificación evoluciona a través de la inmersión del investigador en sus datos y no se considera un proceso lineal, sino un proceso cíclico en el que se desarrollan y refinan códigos.
El proceso de codificación rara vez se completa con un barrido de los datos. Saladana recomienda que cada vez que los investigadores trabajen con el conjunto de datos, se esfuercen por refinar los códigos sumando, restando, combinando o dividiendo códigos potenciales. [14] Para Miles y Huberman, los "códigos de inicio" 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. [44] Para los defensores del análisis temático con inclinaciones más positivistas, 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 datos más adelante en el proceso e identificar por qué los incluyeron. Sin embargo, Braun y Clarke instan a los investigadores a mirar más allá de un enfoque exclusivo en la descripción y el resumen y a involucrarse interpretativamente con los datos, explorando el significado tanto explícito (semántico) como implícito (latente). [1] La codificación prepara el escenario para un análisis detallado posterior al permitir al investigador reorganizar los datos de acuerdo con las ideas que se han obtenido a lo largo del proceso. Las entradas del diario de reflexividad para nuevos códigos sirven como punto de referencia para el participante y su sección de datos, recordándole al investigador que debe comprender por qué y dónde incluirá estos códigos en el análisis final. [2] A lo largo del proceso de codificación, se debe prestar total e igual atención a cada elemento de datos porque 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 potencialmente crucial más adelante en el proceso de análisis. [1]
Para los sociólogos Coffey y Atkinson, la codificación también implica el proceso de reducción y complicación de los datos. [45] La reducción de códigos se inicia asignando etiquetas o etiquetas al conjunto de datos en función de las preguntas de investigación. En esta etapa, condensar grandes conjuntos de datos en unidades más pequeñas permite un análisis más detallado de los datos mediante la creación de categorías útiles. También se producen códigos in vivo aplicando referencias y terminología de los participantes en sus entrevistas. La codificación ayuda al desarrollo, la transformación y la reconceptualización de los datos y ayuda a encontrar más posibilidades de análisis. Los investigadores deben hacer preguntas relacionadas con los datos y generar teorías a partir de los datos, que vayan más allá de lo que se ha informado anteriormente en investigaciones anteriores. [45]
Para algunos defensores del análisis temático, la codificación puede considerarse como un medio de reducción o simplificación de datos (este no es el caso de Braun y Clarke, quienes ven la codificación como una reducción e interpretación de datos). Para Coffey y Atkinson, utilizando códigos analíticos simples pero amplios es posible reducir los datos a una hazaña más manejable. En esta etapa del análisis de datos, el analista debe centrarse en la identificación de una forma más sencilla de organizar los datos. Los investigadores que utilizan el reduccionismo de datos deben incluir un proceso de indexación de los textos de datos que podría incluir: notas de campo, transcripciones de entrevistas u otros documentos. Los datos en esta etapa se reducen a clases o categorías en las que el investigador puede identificar segmentos de datos que comparten una categoría o código común. [45] Siedel y Kelle sugirieron tres formas de ayudar con el proceso de reducción y codificación de datos: (a) notar fenómenos relevantes, (b) recopilar ejemplos de los fenómenos y (c) analizar 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 adjuntar códigos a los datos para permitirles pensar en los datos de diferentes maneras. [45] La codificación no puede verse estrictamente como una reducción de datos; la complicación de los datos se puede utilizar como una forma de abrir los datos para examinarlos más a fondo. [45] La siguiente sección aborda el proceso de complicación de datos de Coffey y Atkinson y su importancia para el análisis de datos en el análisis cualitativo. [45]
Para Coffey y Atkinson, el proceso de creación de códigos puede describirse como reducción y complicación de datos. La complicación de los datos puede describirse como ir más allá de los datos y hacer preguntas sobre los datos para generar marcos y teorías. La complicación de los datos se utiliza para ampliarlos y crear nuevas preguntas e interpretaciones de los datos. Los investigadores deben asegurarse de que durante el proceso de codificación no se pierda más información de la que se obtiene. [45] Tesch definió la complicación de los datos como el proceso de reconceptualizar los datos dando nuevos contextos para los segmentos de datos. La complicación de los datos sirve como medio para proporcionar nuevos contextos para la forma en que se ven y analizan los datos. [45]
La codificación es un proceso de desglose de datos a través de formas analíticas y para producir preguntas sobre los datos, proporcionando respuestas temporales sobre las relaciones dentro y entre los datos. [45] Descontextualizar y recontextualizar ayudan a reducir y ampliar los datos de nuevas maneras con nuevas teorías. [45]
Buscar temas y considerar qué funciona y qué no funciona dentro de los temas permite al investigador comenzar el análisis de códigos potenciales. En esta fase, es importante comenzar examinando cómo se combinan los códigos para formar temas de gran alcance en los datos. En este punto, los investigadores tienen una lista de temas y comienzan a centrarse en patrones más amplios de los datos, combinando datos codificados con temas propuestos. Los investigadores también comienzan a considerar cómo se forman las relaciones entre códigos y temas y entre diferentes niveles de temas existentes. Puede resultar útil utilizar modelos visuales para clasificar los códigos según los temas potenciales. [1]
Los temas se diferencian de los códigos en que los temas son frases u oraciones que identifican lo que significan los datos . Describen un 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, declaraciones y moralejas derivadas de las historias de los participantes. En las fases posteriores, es importante limitar los temas potenciales para ofrecer un tema de amplio alcance. El análisis temático permite que a partir de los datos surjan categorías o temas como los siguientes: ideas repetidas; términos, metáforas y analogías indígenas; cambios de tema; y similitudes y diferencias de la expresión lingüística de los participantes. En este punto es importante abordar no sólo lo que está presente en los datos, sino también lo que falta en ellos. [14] 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]
Esta fase requiere que los investigadores comparen sus temas iniciales con los datos codificados y con todo el conjunto de datos; esto es para garantizar 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 una mayor expansión y revisión de los temas a medida que se desarrollan. En este punto, los investigadores deberían tener un conjunto de temas potenciales, ya que en esta fase es donde tiene lugar la reelaboración de los temas iniciales. Algunos temas existentes pueden colapsar entre sí, otros temas pueden necesitar condensarse en unidades más pequeñas o abandonarse 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 pueden 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 dar sentido a 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 en por qué encajan. [2]
La revisión de extractos de datos codificados permite a los investigadores identificar si los temas forman patrones coherentes. Si este es el caso, los investigadores deberían 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 volver a trabajarlos y, durante el proceso, pueden desarrollarse nuevos temas. [1] Por ejemplo, es problemático cuando los temas no parecen "funcionar" (capturan algo convincente sobre los datos) o hay una cantidad significativa de superposición entre los temas. Esto puede resultar en un análisis débil o poco convincente de los datos. Si esto ocurre, es posible que sea necesario reconocer los datos para crear temas coherentes y mutuamente excluyentes. [1]
La siguiente etapa de revisión es considerar la validez de los temas individuales y cómo se conectan con el conjunto de datos en su conjunto. Es imperativo evaluar si el significado potencial del mapa temático captura la información importante en los datos relevantes 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 omitido anteriormente en la etapa de codificación inicial. Si el mapa potencial "funciona" para capturar de manera significativa y contar una historia coherente sobre los datos, entonces el investigador debería avanzar a la siguiente fase de análisis. Si el mapa no funciona, es crucial volver a los datos para continuar revisando y refinando los temas existentes y tal vez incluso emprender una mayor codificación. Las discrepancias entre los datos y las afirmaciones analíticas reducen la cantidad de apoyo que los datos pueden proporcionar. Esto puede evitarse si el investigador está seguro de que sus interpretaciones de los datos y sus conocimientos analíticos corresponden. [1] Los investigadores repiten este proceso hasta que estén satisfechos con el mapa temático. Al final de esta fase, los investigadores tienen una idea de qué son los temas y cómo encajan para transmitir una historia sobre el conjunto de datos. [1]
Definir y perfeccionar 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 las esencias de los temas se relaciona con cómo cada tema específico forma parte de la imagen completa de los datos. El análisis en esta etapa se caracteriza por identificar qué aspectos de los datos se están capturando y qué es interesante acerca de los temas, y cómo los temas encajan entre sí 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 mismos, es importante considerar los temas dentro del panorama completo y también como temas autónomos. Braun y Clarke recomiendan cautela al desarrollar muchos subtemas y muchos niveles de temas, ya que esto puede conducir a un análisis demasiado fragmentado. [46] 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 de temas que le darán al lector una idea completa del tema y su importancia. [1] La falta de análisis completo de los datos ocurre cuando los investigadores no los utilizan para respaldar su análisis más allá de simplemente describir o parafrasear el contenido de los datos. Los investigadores que realizan análisis temáticos deben intentar ir más allá de los significados superficiales de los datos para darles sentido y contar una historia precisa de lo que significan. [1]
Una vez revisados los temas finales, los investigadores comienzan el proceso de redacción del informe final. Al redactar el informe final, los investigadores deben decidir sobre temas que contribuyan significativamente a responder las preguntas de investigación que deben perfeccionarse más adelante como temas finales. Para los defensores de la confiabilidad de la codificación, Guest y sus colegas, los investigadores presentan el diálogo relacionado con cada tema en apoyo de una mayor confiabilidad a través de una descripción detallada de los resultados. [2] El objetivo de esta fase es escribir el análisis temático para transmitir la complicada historia de los datos de una manera que convenza al lector de la validez y el mérito de su análisis. [1] Para que los lectores comprendan el informe final, es importante contar con un relato lógico claro, conciso y directo de la historia en todos sus temas. La redacción del informe debe contener evidencia suficiente de que los temas incluidos en los datos son relevantes para el conjunto de datos. Se deben incluir extractos en la narrativa para captar el significado completo de los puntos del análisis. El argumento debe apoyar la pregunta de investigación. Para algunos defensores del análisis temático, el paso final en la producción del informe es incluir la verificación de los miembros como un medio para establecer credibilidad; los investigadores deberían considerar tomar temas finales y apoyar el diálogo con los participantes para obtener comentarios. [2] Sin embargo, Braun y Clarke son críticos con la práctica de la verificación de miembros y generalmente no la ven como una práctica deseable en su enfoque reflexivo del análisis temático. [13] Además de resaltar numerosas preocupaciones prácticas en torno a la verificación de miembros, argumentan que sólo es teóricamente coherente con enfoques que buscan describir y resumir las cuentas de los participantes de maneras que les resulten reconocibles. [13] Dado que su enfoque de análisis temático reflexivo centra el papel activo e interpretativo del investigador, esto puede no aplicarse a los análisis generados utilizando su enfoque.
Una visión técnica o pragmática del diseño de la investigación que centra a los investigadores realizando análisis cualitativos utilizando el método más apropiado para la pregunta de investigación. [13] Sin embargo, rara vez existe un solo 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 "confiabilidad" es una preocupación debido a las numerosas interpretaciones posibles de los datos y la posibilidad 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 es vista como un recurso (en lugar de una amenaza a la credibilidad), por lo que las preocupaciones sobre la confiabilidad no se sostienen. No existe una interpretación correcta o precisa de los datos, las interpretaciones son inevitablemente subjetivas y reflejan el posicionamiento 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 control de calidad de 15 puntos para su enfoque reflexivo. Para los defensores del análisis temático de confiabilidad de la codificación, el uso de múltiples codificadores y la medición del acuerdo de codificación es vital. [2]
El análisis temático tiene varias ventajas y desventajas, corresponde a los investigadores decidir si este método de análisis es adecuado para el diseño de su investigación.
{{cite journal}}: Citar diario requiere |journal=( ayuda )