![](https://www.questionpro.com/blog/wp-content/uploads/2022/07/thematic-analysis.jpg)
定性分析は、正しく行われれば、非常に有効な分析手法である可能性があります。 テーマ別分析は、最も頻繁に使用される質的分析アプローチの1つである。
この分析の利点は、どのようなパターンを探せばいいのかわからない探索的な研究にも、より演繹的な研究にも活用できる汎用性のある手法であることです。
この記事では、それを分解して、テーマ別分析の正しいやり方を紹介します。
テーマ別分析とは?
テーマ分析とは、質的データの分析手法の一つで、一連のデータを読み解き、データの意味のパターンを探し、テーマを見つけることです。 それは、研究者の主観的な経験がデータの意味を理解する中心にある、反射性の能動的なプロセスである。
テーマ別分析は、質的研究の代表的なものです。 質的なデータのパターンを特定し、分析し、解釈することに重点を置いています。
この分析があれば、定性データをある意味で見ることができます。 通常、インタビューやトランスクリプトのセットのような、一群のテキストを説明するために使用されます。 研究者は、データをよく観察して、共通のテーマ(繰り返されるアイデア、話題、物事の言い回しなど)を見つけます。
テーマ別分析のメリットとデメリット
研究デザインの技術的または実用的な見解は、研究者が研究課題に最も適した方法を用いて質的な分析を行うことに焦点を当てています。 しかし、理想的な手法や適切な手法が一つであることはほとんどなく、研究者の理論的なこだわりや特定の手法への慣れなど、他の基準を用いて分析手法を選択することが多い。
テーマ別分析は、柔軟なデータ分析方法を提供し、多様な方法論的背景を持つ研究者がこの種の分析に参加することを可能にします。
実証主義者にとって「信頼性」は、データの解釈の可能性が多く、研究者の主観が分析に「バイアス」をかけたり歪めたりする可能性があるため、懸念されるものである。 質的研究の価値にこだわる人にとって、研究者の主観は(信頼性を脅かすものではなく)資源とみなされるため、信頼性に対する懸念は残らない。
データの正しい解釈、正確な解釈はありません。 解釈は必然的に主観的であり、研究者の立場を反映したものとなる。 品質は、体系的で厳密なアプローチと、発展途上の分析をどのように形成するかについての研究者の継続的な内省によって達成されます。
テーマ別分析には、いくつかのメリットとデメリットがあります。 この分析方法が研究デザインに適しているかどうかは、研究者の判断に委ねられています。
メリット
- 理論や研究デザインの柔軟性により、研究者は様々な認識論においてこのプロセスに適用可能な複数の理論を持つことができます。
- 大規模なデータセットに非常に適しています。
- コーディングとコードブックの信頼性アプローチは、研究チームでの使用を想定しています。
- データに裏付けられたテーマの解釈。
- 個人の経験を超えた研究課題に適用できる。
- データからコードやテーマを帰納的に展開することができます。
デメリット
- テーマ別分析は、研究者が注意深くなく、理論的な空白の中でテーマ別分析を使用すると、ニュアンスのあるデータを見逃すことがあります。
- 柔軟性があるため、初心者の研究者がデータのどの部分に注目するかを決めるのは難しいかもしれません。
- 理論的な枠組みに基づいた分析でない場合、解釈力が限定的である。
- すべてのデータ要素にまたがるテーマを特定することに重点を置くため、個々のアカウントでデータの連続性を維持することは困難です。
- 談話分析やナラティブ分析とは異なり、研究者が言語使用について技術的な主張をすることはできない。
テーマ別分析ステップ
さっそく、テーマ分析のプロセスに飛び込んでみましょう。 ここでお話しするのは一般的なプロセスであり、あなたのアプローチや研究デザインによって必要なステップは異なることを忘れないでください。
1.親しみやすさ
テーマ分析の最初の段階は、大まかなテーマを探すためにデータを調査することです。 ここでは、音声データをテキストに書き起こします。
この段階で、何をコード化するか、何を採用するか、どのコードがコンテンツを最もよく表現するかを決定する必要があります。 ここで、あなたのトピックの強調点と目標を考えてみましょう。
反射神経日記をつける。 データをどのようにコーディングしたか、その理由、結果をここで説明するのです。 コーディングのプロセスを振り返り、コードやテーマが結果を裏付けているかどうかを検証することができます。 最初からリフレクティブノートを使うことで、分析の後の段階でも役に立ちます。
反射性ジャーナルは、体系的で一貫したデータ分析を可能にすることで、信頼性を高めます。 リフレクティビティジャーナルを使用する場合は、開始コードを指定し、データが何を反映しているかを確認します。 その後、コード化されたデータをより広範囲に分析したり、別のコードを見つけたりすることもあります。
2.コードの中にあるテーマを探す。
この段階で、コーディングパターンやテーマを検索します。 コードからテーマへの移行は、スムーズで簡単なプロセスではありません。 データについてより深く知るために、別のコードやテーマを割り当てる必要がある場合もあります。
データを分析していくうちに、重要な要素や関連する要素に集中するサブテーマやテーマの細分化を発見することがあります。 この時点で、あなたの反省日記は、コードがどのように理解され、テーマを生み出すために統合されたかを示しているはずです。
3.テーマの見直し
これで、コード、テーマ、サブテーマがわかったと思います。 トピックを評価する。 この段階では、テーマとして分類したものがすべてデータと一致しているか、データ中に存在するかどうかを検証します。 もし足りないテーマがあれば、次のステップに進み、すべてのテーマを適切かつ徹底的にコーディングしたことを確認します。
トピックが広すぎて、それぞれのトピックの下にある資料が多すぎる場合は、トピックを分けて、よりこだわって研究するのもよいでしょう。
反射日記では、テーマをどのように理解し、どのような根拠があり、自分のコードとどのようにつながっているのかを説明してください。 また、調査した事実やトピックが適切かどうか、リサーチクエスチョンを評価する必要があります。
4.テーマの最終決定
テーマを見直し、ラベリングして仕上げることで、あなたの分析が今、具体的になっていきます。 移動したからといって、トピックを編集したり、考え直したりすることはできないのです。 テーマを最終決定するには、前の段階とは異なり、テーマを掘り下げて説明する必要があります。 トラブルがあっても、テーマが反映されているか、複数に分ける必要があるときはいつでも、データやコードを確認してください。
テーマ名は、その特徴を適切に表現するようにしましょう。
この時点で、テーマとリサーチクエスチョンが一致していることを確認します。 精製するときは、分析の終盤に差し掛かります。 最終報告書(次のフェーズで取り上げる)は、研究の目的・目標を達成するものでなければならないことを忘れてはなりません。
反射神経日記で、どのようにトピックを選んだか説明する。 そのテーマが研究結果にどのような影響を与えるか、また、研究上の疑問や強調点に対してどのような示唆を与えるかについて言及する。
この段階の結論として、トピックを終え、レポートを書くことができるようになります。
5.報告書の作成
この段階で、ほぼ完成です! データを調べたら、報告書を書いてください。 テーマ別分析レポートには
- スタートダッシュ
- アプローチ
- 結果
- アウトカム
報告書を作成する際には、クライアントが調査結果を評価するのに十分な詳細を提供すること。 つまり、見る人が知りたいのは、データをどのように分析したのか、その理由です。 “What”、”How”、”Why”、”Who”、”When “はここで参考になりますね。
では、どんな発見があったのでしょうか? 何をしたんですか? この方法を選択した経緯は? 研究の焦点と参加者は誰ですか? 勉強やデータ収集、データ作成はいつ頃されましたか? 反射神経ノートは、トピックに名前を付け、説明し、サポートするのに役立ちます。
結果を書き上げながら、ひとつひとつを確認する必要があります。 読者は、あなたの発見を検証する必要があります。 結果を報告する際には、必ずリサーチクエスチョンと関連付けてください。 クライアントに疑問を持たれたくないので、テーマやクエリに関連した結果になるようにしましょう。
LEARN ABOUT質的調査の質問と質問票
結論
テーマ分析は適用が容易であるため、より複雑な質的研究に慣れていない初心者の研究者に適しています。 研究者が自由に理論的枠組みを選択することができる。
テーマ分析の汎用性により、データを豊かに、複雑に、そして洗練された方法で表現することができます。 この手法は、特定のアプローチに縛られる他の分析手法とは異なり、研究者が選択したどのような理論でも利用することができる。 これらのステップを踏むことで、研究のための適切なテーマ別分析をマスターすることができます。
QuestionProは、最適なアンケートソフトと、質問に答える適切な人材を提供します。 思いつくものはすべて揃っています。 B2B、B2C、ニッチと、すべて揃っています。
データを収集する際、「はい」と答える回答者、注意を払っていない回答者、IPアドレスが重複している回答者などを排除するため、調査を開始する前にさまざまなセキュリティ層を設けています。