Перевод статьи исследовательницы Марии Росала для Nielsen Norman Group.

В количественном исследовании подвести итоги можно прозрачно: вы справились на 25% лучше, чем ваши конкуренты, скажем так. Но как оформлять выводы из анализа качественных данных?

На ранних стадиях проекта зачастую проводится эксплораторное исследование. Оно приносит много качественных данных, которые могут включать в себя:

1. Качественные данные об отношении (Qualitative attitudinal data): мысли людей, представления и осознаваемые ими потребности, полученные из интервью с пользователями, фокус-групп и даже дневниковых исследований.
2. Качественные данные о поведении (Qualitative behavioral data): наблюдения за поведением людей, собранные при изучении контекста и с помощью других этнографических подходов.

Тематический анализ выносит на обозрение важные свойства качественных данных и делает определение ключевых тем более простым процессом.

Что такое тематический анализ

Тематический анализ — систематический метод разделения и организации насыщенных данных из качественного исследования, который подразумевает наделение отдельных наблюдений и цитат определенными кодами, это облегчает поиск важных тем.

Как и предполагается названием, тематический анализ включает в себя поиск тем.

Тема — описание представления, практики, потребности и других феноменов, которые обнаруживаются в данных. Она появляется, когда относящие к ней находки повторяются несколько раз среди ответов участников или в анализируемых источниках.

Проблемы при анализе качественных данных

Многие исследователи чувствуют себя растерянными из-за качественных данных, полученных в ходе эксплораторного исследования на ранней стадии проекта. В таблице внизу выделены некоторые общие проблемы и возникающие противоречия.

Без определенной систематизации процесса и возникают описанные выше проблемы. Тематический анализ помогает исследователям оставаться организованными и сфокусированными и дает им общий план, которого нужно придерживаться.

Инструменты и методы для проведения тематического анализа

Тематический анализ может проводиться разными способами. Выбор лучшего инструмента или метода для этого процесса зависит от:

• Данных.
• Контекста и ограничений фазы перехода от данных к анализу.
• Персонального стиля работы исследователя.
• Три общих метода включают в себя:
• Использование специальных программ.
• Ведение заметок (journaling).
• Использование техник диаграмм сходства (affinity diagramming techniques).

Использование специальных программ

Для анализа большого объема качественных данных исследователи зачастую используют программы CAQDAS (Computer-Aided Qualitative-Data–Analysis software). Исследователи загружают туда транскрипты и полевые заметки и затем систематически анализируют текст через процедуру кодирования.

Программа помогает обнаружить темы с помощью различных инструментов визуализации, таких как деревья слов (word trees) или облака слов (word clouds) — это позволяет организовать закодированные данные различными способами.

Преимущества:

• Анализ происходит достаточно тщательно.
• Файл с сырыми данными и проведенным анализом можно предоставить другим на перекрестный анализ (этот метод пользуется популярностью среди студенческих проектов в академических учреждениях).

Недостатки:

• Процесс занимает много времени, поскольку появляется большое количество кода, которое нужно сократить в небольшой список.
• Дорого.
• Сложно проводить анализ одновременно с другими людьми.
• Предполагается обучение, как пользоваться программой.
• Процесс может казаться ограничивающим для исследователя.

Ведение заметок

Написание заметок в ходе проведения исследования и во время возникновения идей при чтении текста довольно распространено среди исследователей, которые используют методологию обоснованной теории.

Ведение заметок — форма тематического анализа, которая основана на данной методологии, она подразумевает аннотацию и выделение данных вручную, исследователь пишет возникающие идеи прямо по ходу процесса.

Эти заметки называются «мемос» (memos) — однако не стоит путать с офисными объявлениями (office memos), которые пишутся для сотрудников.

Преимущества:

• Процесс провоцирует рефлексию за счет того, что пишутся детальные заметки.
• У исследователей остается зафиксированный путь, как они пришли к той или иной «теме».
• Анализ недорогой и его процесс гибкий.

Недостатки:

• Сложно делать в коллективе.

Техники диаграмм сходства

Данные выделяются, разделяются физически или виртуально и пересобираются в значимые группы. Этот процесс идет до тех пор, пока не возникают темы на физической или виртуальной «доске». (смотрите видео, в котором отражен процесс создания диаграмм сходства)

Преимущества:

• Можно делать в коллективе.
• Быстрое создание тем.
• Недорогой и гибкий процесс.
• Процесс визуализирован и обеспечивает итеративность.

Недостатки:

• Не такой тщательный процесс, поскольку зачастую отрывки текста не кодируются несколько раз.
• Сложно проводить, когда данные достаточно разрозненные или когда данных много.

Коды и кодирование

Все методы тематического анализа подразумевают определенный объем кодирования (не путать с написанием кода или языка программирования).

Определение. Код — слово или фраза, которые служат названием для отрывка текста

Код описывает, о чем текст, и служит сокращением для более сложной мысли. (Хорошая аналогия: код описывает данные как ключевое слово описывает статью, как хештег описывает твит).

Зачастую исследователи-качественники не только дают название для каждого кода, но и расшифровывают, что каждый код значит, приводят в пример отрывки текста, которые подходят или не подходят под данный код.

Эти описания и примеры особенно полезны, когда более чем один человек отвечает за кодирование данных или когда кодирование предполагает большое количество времени.

Определение. Кодирование относится к процессу наименования (labeling) отрывков текста с помощью соответствующих кодов.

Когда коды присвоены, достаточно просто определить и сравнить отрывки текста, которые посвящены одному и тому же явлению. Коды позволяют удобно сортировать информацию и анализировать данные таким образом, чтобы обнаруживать сходства, различия и определять отношения между сегментами. Так можно прийти к пониманию значимых тем.

Тематический анализ начинается с кодирования качественных данных. В ходе систематического сопоставления отрывков текста внутри и между кодами, исследователь приходит к обнаружению тем

Этапы проведения тематического анализа

Вне зависимости от того, какой инструмент вы используете (программы CAQDAS, заметки или техники диаграмм сходства), процесс проведения тематического анализа может быть разделен на шесть этапов.

Тематический анализ включает в себя шесть различных этапов: сбор данных; чтение всех данных; кодирование текста, основанное на том, о чем текст; создание новых кодов; время на перерыв и возвращение к анализу, оценка тем по релевантности

Шаг 1: соберите все ваши данные

Начните с сырых данных, таких как транскрипты интервью или фокус-групп, с полевых заметок или записей дневникового исследования. Я рекомендую транскрибировать аудиозаписи интервью и использовать транскрипт для анализа вместо того, чтобы полагаться на обрывочную память.

Шаг 2: прочитайте данные от самого начала до конца

Ознакомьтесь с данными перед тем, как начинать анализ, даже если вы проводили исследование в одиночку. Прочитайте все свои транскрипты, полевые заметки и остальные источники перед тем, как анализировать их.

На этом этапе вы можете подключить свою команду к проекту. Привлечение команды обеспечивает осведомленность о пользователях, обеспечивает эмпатию к ним и их потребностям.

Проведите воркшоп (или серию воркшопов, если у вас большая команда или собран большой объем данных).

Воркшоп, где каждый участник читает все полевые или дневниковые заметки и выделяет важные кусочки, — хороший способ замотивировать всех членов команды активно вовлечься в текст, особенно если сопоставить этот способ с простым чтением

Лучшим раскладом будет тот, в котором ваша команда участвует во всех исследовательских встречах. Но это может быть невозможно, если необходимо провести много сессий или если у вас большая команда. Когда отдельные члены команды посещают лишь несколько сессий, они могут уходить с нечетким пониманием находок друг друга. Воркшоп поможет решить эту проблему — каждый прочитает все транскрипты.

Шаг 3: кодируйте текст на основании того, о чем он

На этапе кодирования выделенные отрывки необходимо категоризировать таким образом, чтобы их можно было легко сопоставить между собой.

На данном этапе напомните себе о своих исследовательских целях. Напечатайте свои исследовательские вопросы. Прикрепите их на стену или на доску в комнате, где проводите анализ.

Если у вас достаточно времени, можете привлечь свою команду на этапе кодирования. Если время ограничено и необходимо обработать большой массив данных, проведите этот этап самостоятельно и пригласите команду в конце, чтобы сделать ревью ваших кодов и помочь определить найденные темы.

Во время того, как вы кодируете, проверяйте каждый отрывок текста и задавайте вопрос «О чем он?». Давайте фрагменту название, которое описывает данные в нем (описательный код). Вы также можете добавить интерпретативные коды к тексту на данном этапе, но все же проще будет сделать это позднее.

Коды могут создаваться как перед тем, так и после того, как вы сгруппировали данные. 

Шаг 4: создавайте новые коды, которые кратко излагают потенциальные темы

Просмотрите все коды и найдите любые причинно-следственные отношения, сходства, различия или противоречия, чтобы обнаружить глубинные темы.

Во время этого процесса некоторые коды отсеются (будут либо заархивированы, либо удалены) и будут созданы новые интерпретативные коды. Если вы используете кодирование вручную, как описано в шаге три, то некоторые из изначальных группировок могут исчезнуть или расшириться, когда вы начнете искать темы.

Шаг 5: возьмите день на перерыв, затем возвращайтесь к данным

Почти всегда будет отличной идеей взять перерыв и вернуться позднее — чтобы изучить данные свежим взглядом. Такой подход позволяет четко выделить значимые паттерны в данных и выявить действительно сильные инсайты.

Шаг 6: оцените ваши темы для релевантности

В данном этапе может быть полезно использовать помощь других вовлеченных в процесс людей: попросите их оценить ваши коды и возникнувшие темы. В результате могут быть пересмотрены появившиеся инсайты и подвергнуты критике ваши выводы — ведь это будет незамыленный взгляд. Эта практика позволяет уменьшить риск личной предвзятости.

Подвергните найденные темы сомнению. Задавайте себе следующие вопросы:

• Эта тема хорошо подкреплена данными? Или вы можете найти данные, которые не будут поддерживать тему?
• Тема достаточно насыщена примерами?

Другие согласятся с найденными вами темами при условии, что они проведут анализ отдельно и независимо?

Если ответ на данные вопросы «нет», это может означать, что вам нужно вернуться к доске, где вы проводили анализ. Даже если предположить, что вы собрали надежные данные, всегда есть возможность узнать что-то новое, поэтому лучше провести больше времени со своей командой, повторяя шаги четыре-шесть.

Вывод

Используйте тематический анализ как полезную инструкцию для того, чтобы эффективно прорабатывать большие объемы качественных данных. Нет единственно верного способа, как проводить тематический анализ, поэтому выбирайте методы анализа, которые подходят типу и объему собранных вами данных.

Когда это возможно, приглашайте других присоединиться к процессу анализа — этот подход одновременно повысит точность анализа и поможет вашей команде получить новые знания о поведении пользователей, их мотивациях и потребностях.

Анализ может быть длительным процессом, поэтому придерживайтесь хорошего эмпирического правила — выделяйте столько времени, сколько потребовалось на сбор данных, чтобы провести их анализ.