Introducción
El análisis temático es un método de análisis de datos cualitativos. Suele aplicarse a un conjunto de textos, como una entrevista o transcripciones. El investigador examina de cerca los datos para identificar temas comunes: temas, ideas y patrones de significado que surgen repetidamente.
Existen varios enfoques para realizar un análisis temático, pero la forma más común sigue un proceso de seis pasos: familiarización, codificación, generación de temas, revisión de temas, definición y denominación de temas, y redacción.
Este proceso fue desarrollado originalmente para la investigación en psicología por Virginia Braun y Victoria Clarke. Sin embargo, el análisis temático es un método flexible que se puede adaptar a muchos tipos diferentes de investigación.
Desarrollo del tema
Cuándo usar el análisis temático
El análisis temático es un buen enfoque para la investigación en la que intenta averiguar algo sobre los puntos de vista, las opiniones, el conocimiento, las experiencias o los valores de las personas a partir de un conjunto de datos cualitativos, por ejemplo, transcripciones de entrevistas, perfiles de redes sociales o respuestas a encuestas.
Algunos tipos de preguntas de investigación para las que podría utilizar el análisis temático:
- ¿Cómo perciben los pacientes a los médicos en un entorno hospitalario?
- ¿Cuáles son las experiencias de las mujeres jóvenes en los sitios de citas?
- ¿Cuáles son las ideas y opiniones de los no expertos sobre el cambio climático?
- ¿Cómo se construye el género en la enseñanza de la historia en la escuela secundaria?
Para responder a cualquiera de estas preguntas, recopilaría datos de un grupo de participantes relevantes y luego los analizaría. El análisis temático le brinda mucha flexibilidad en la interpretación de los datos y le permite acercarse a grandes conjuntos de datos más fácilmente al clasificarlos en temas amplios.
Sin embargo, también implica el riesgo de perder matices en los datos. El análisis temático suele ser bastante subjetivo y se basa en el juicio del investigador, por lo que debe reflexionar detenidamente sobre sus propias elecciones e interpretaciones.
Preste mucha atención a los datos para asegurarse de que no está detectando cosas que no están ahí, u oscureciendo cosas que están.
Diferentes enfoques para el análisis temático
Una vez que haya decidido utilizar el análisis temático, hay diferentes enfoques a considerar.
Existe la distinción entre enfoques inductivos y deductivos:
- Un enfoque inductivo implica permitir que los datos determinen sus temas.
- Un enfoque deductivo implica llegar a los datos con algunos temas preconcebidos que espera encontrar reflejados allí, basados ??en la teoría o el conocimiento existente.
| Pregúntese: ¿mi marco teórico me da una idea sólida de qué tipo de temas espero encontrar en los datos (deductivo), o estoy planeando desarrollar mi propio marco basado en lo que encuentro (inductivo)? |
También existe la distinción entre un enfoque semántico y uno latente:
- Un enfoque semántico implica analizar el contenido explícito de los datos.
- Un enfoque latente implica leer el subtexto y las suposiciones que subyacen a los datos.
| Pregúntese: ¿Estoy interesado en las opiniones expresadas por la gente (semántica) o en lo que sus declaraciones revelan sobre sus supuestos y contexto social (latente)? |
Una vez que haya decidido que el análisis temático es el método correcto para analizar sus datos y haya pensado en el enfoque que va a adoptar, puede seguir los seis pasos desarrollados por Braun y Clarke.
Paso 1: Familiarización
El primer paso es conocer nuestros datos. Es importante obtener una descripción completa de todos los datos que recopilamos antes de comenzar a analizar elementos individuales.
Esto podría implicar transcribir audio, leer el texto y tomar notas iniciales y, en general, revisar los datos para familiarizarse con ellos.
Paso 2: Codificación
A continuación, necesitamos codificar los datos. Codificar significa resaltar secciones de nuestro texto, generalmente frases u oraciones, y crear etiquetas abreviadas o «códigos» para describir su contenido.
Tomemos un breve texto de ejemplo. Digamos que estamos investigando las percepciones del cambio climático entre los votantes conservadores mayores de 50 años, y hemos recopilado datos a través de una serie de entrevistas. Un extracto de una entrevista se ve así:
En este extracto, hemos resaltado varias frases en diferentes colores correspondientes a diferentes códigos. Cada código describe la idea o sentimiento expresado en esa parte del texto.
En esta etapa, queremos ser minuciosos: revisamos la transcripción de cada entrevista y destacamos todo lo que salta a la vista como relevante o potencialmente interesante. Además de resaltar todas las frases y oraciones que coinciden con estos códigos, podemos seguir agregando nuevos códigos a medida que avanzamos en el texto.
Después de leer el texto, recopilamos todos los datos en grupos identificados por código. Estos códigos nos permiten obtener una visión general condensada de los puntos principales y los significados comunes que se repiten a lo largo de los datos.
Paso 3: Generación de temas
A continuación, revisamos los códigos que hemos creado, identificamos patrones entre ellos y comenzamos a pensar en temas.
Los temas son generalmente más amplios que los códigos. La mayoría de las veces, combinará varios códigos en un solo tema. En nuestro ejemplo, podríamos comenzar combinando códigos en temas como este:
Convertir códigos en temas
| Códigos | Tema |
|---|---|
| – Incertidumbre – Déjalo en manos de los expertos – Explicaciones alternativas | Incertidumbre |
| – Cambio de terminología – Desconfianza de los científicos – Resentimiento hacia los expertos – Medio al control del gobierno | Desconfianza de los expertos |
| – Hechos incorrectos – Incomprensión de la ciencia – Fuentes de medios sesgadas | Desinformación |
En esta etapa, podemos decidir que algunos de nuestros códigos son demasiado vagos o no lo suficientemente relevantes (por ejemplo, porque no aparecen muy a menudo en los datos), por lo que pueden descartarse. Otros códigos pueden convertirse en temas por derecho propio. En nuestro ejemplo, decidimos que el código «incertidumbre» tenía sentido como tema, con algunos otros códigos incorporados en él.
Una vez más, lo que decidamos variará según lo que estemos tratando de averiguar. Queremos crear temas potenciales que nos digan algo útil sobre los datos para nuestros propósitos.
Paso 4: Revisión de temas
Ahora tenemos que asegurarnos de que nuestros temas sean representaciones útiles y precisas de los datos. Aquí, volvemos al conjunto de datos y comparamos nuestros temas con él. ¿Nos estamos perdiendo algo? ¿Están estos temas realmente presentes en los datos? ¿Qué podemos cambiar para que nuestros temas funcionen mejor?
Si encontramos problemas con nuestros temas, podemos dividirlos, combinarlos, descartarlos o crear otros nuevos: lo que sea que los haga más útiles y precisos.
Por ejemplo, al analizar los datos, podríamos decidir que «terminología cambiante» encaja mejor con el tema de «incertidumbre» que con el de «desconfianza de los expertos», ya que los datos etiquetados con este código implican confusión, no necesariamente desconfianza.
Paso 5: Definir y nombrar temas
Ahora que tiene una lista final de temas, es hora de nombrar y definir cada uno de ellos. Definir temas implica formular exactamente lo que queremos decir con cada tema y descubrir cómo nos ayuda a comprender los datos.
Nombrar temas implica pensar en un nombre sucinto y fácilmente comprensible para cada tema.
Por ejemplo, podríamos analizar la «desconfianza de los expertos» y determinar exactamente a quién nos referimos con «expertos» en este tema. Podríamos decidir que un mejor nombre para el tema es «desconfianza en la autoridad» o «pensamiento de conspiración».
Paso 6: Escribir
Finalmente, escribiremos nuestro análisis de los datos. Como todo texto académico, la redacción de un análisis temático requiere una introducción para establecer nuestra pregunta de investigación, objetivos y enfoque. También deberíamos incluir una sección de metodología, que describa cómo recopilamos los datos (por ejemplo, a través de entrevistas semiestructuradas o preguntas de encuestas abiertas) y explicando cómo llevamos a cabo el análisis temático en sí.
La sección de resultados o hallazgos suele abordar cada tema por separado. Describimos con qué frecuencia surgen los temas y lo que significan, incluidos ejemplos de los datos como evidencia. Finalmente, nuestra conclusión explica las conclusiones principales y muestra cómo el análisis ha respondido a nuestra pregunta de investigación.
En nuestro ejemplo, podríamos argumentar que el pensamiento conspirativo sobre el cambio climático está muy extendido entre los votantes conservadores mayores, señalar la incertidumbre con la que muchos votantes ven el tema y discutir el papel de la información errónea en las percepciones de los encuestados.
Conclusión
Como se abordó a lo largo del tema, el análisis temático hará uso de códigos. Un código es una etiqueta asignada a un fragmento de texto, y el objetivo de utilizar un código es identificar y resumir conceptos importantes dentro de un conjunto de datos, como la transcripción de una entrevista. En otras palabras, se trata de analizar los temas dentro de su conjunto de datos para identificar el significado. Lo que es más importante, este proceso está impulsado por sus preguntas de investigación , por lo que no es necesario identificar todos los temas posibles en los datos, sino centrarse en los aspectos clave que se relacionan con sus preguntas de investigación.
Dado que el análisis temático tiende a ser un proceso exploratorio, las preguntas de investigación pueden evolucionar a medida que avanza con la codificación y la identificación del tema.
Fuentes consultadas
- Caulfield, J. (2019, septiembre 6). How to do thematic analysis. Scribbr. https://www.scribbr.com/methodology/thematic-analysis/
- Jansen, D. (2021, April 16). What is thematic analysis? Simple definition + examples. Grad Coach. https://gradcoach.com/what-is-thematic-analysis/