Eine der einfachsten Formen der qualitative Datenanalyse beinhaltet die Identifizierung von Themen und Mustern, die in ansonsten unstrukturierten qualitative Daten auftauchen. Die thematische Analyse ist ein wesentlicher Bestandteil der qualitative Forschung, da sie einen Einstieg in die Analyse qualitativer Daten bietet.
Sehen wir uns die thematische Analyse an, ihre Rolle in qualitative Forschungsmethoden und wie ATLAS.ti Ihnen helfen kann, aus Rohdaten Themen zu bilden, um einen theoretischen Rahmen zu schaffen.
Das Hauptziel der Forschung ist es, Daten in sinnvolle Muster zu ordnen und neues Wissen zu generieren, das sich aus Theorien über diese Daten ergibt. Quantitative Daten werden analysiert, um die quantifizierbaren Aspekte eines Phänomens zu messen (z. B. den Schmelzpunkt eines Elements, den effektiven Einkommenssteuersatz in Vorstädten). Der Vorteil der quantitativen Forschung besteht darin, dass die Daten oft bereits strukturiert oder zumindest leicht strukturierbar sind, um schnell Erkenntnisse aus Zahlenwerten zu gewinnen.
Andererseits lassen sich manche Phänomene nicht ohne weiteres quantifizieren, oder sie erfordern eine konzeptionelle Entwicklung, bevor sie quantifiziert werden können. Was meinen die Menschen zum Beispiel, wenn sie einen Film oder eine Fernsehsendung für "gut" halten? In der alltäglichen Welt können Menschen in einer beiläufigen Diskussion die Qualität von Unterhaltung als eine Frage der persönlichen Vorliebe beurteilen, etwas, das nicht definiert, geschweige denn allgemein verstanden werden kann.
Folglich analysieren die Forscher qualitative Daten, um Themen oder Phänomene zu identifizieren, die häufig oder in aussagekräftigen Mustern auftreten. Im Falle von Fernsehsendungen werden in einer Sammlung von Kritiken zu Fernsehsendungen unter anderem häufig die schauspielerischen Leistungen, das Drehbuch und der Produktionswert erwähnt. Wenn diese Aspekte am häufigsten genannt werden, können Forscher sie als die Themen betrachten, die die Qualität einer bestimmten Fernsehsendung bestimmen.
Auch wenn dieses Konzept leicht zu verstehen ist, stellt seine Umsetzung in qualitative Forschung eine große Herausforderung dar. Die größte Überlegung bei der thematischen Analyse ist, dass qualitative Daten oft unstrukturiert sind und eine gewisse Organisation erfordern, um sie für die Forscher und ihr Publikum relevant zu machen.
Stellen Sie sich vor, Sie haben einen Beutel mit Murmeln. Jede Murmel hat eine von mehreren verschiedenen Farben. Wenn Sie die Murmeln nach Farben sortieren würden, könnten Sie feststellen, wie viele Farben in dem Beutel sind und welche Farben am häufigsten vorkommen.
Der Prozess der thematischen Analyse ist vergleichbar mit dem Sortieren verschiedenfarbiger Murmeln. Anstatt Farben zu sortieren, sortieren Sie Themen in einem Datensatz, um festzustellen, welche Themen am häufigsten vorkommen oder um Muster zwischen diesen Themen zu erkennen.
Nach der ersten Analyse können Sie noch einen Schritt weiter gehen und "dunkle" Farben von "hellen" Farben oder "warme" Farben von "kühlen" Farben trennen. Blau und Grün sind deutlich unterschiedliche Farben, aber Sie können sie unter der Kategorie "kühle" Farben zusammenfassen, um ein übergreifendes Thema zu bilden.
Stellen Sie sich eine einfache Forschungsfrage vor: Wie stellen Lehrer fest, ob der Aufsatz eines Schülers gut ist? Nehmen wir an, Sie haben eine Reihe von transcripts von interviews mit Lehrern, die über den Schreibunterricht und die Aufsätze der Schüler sprechen. In diesem Fall besteht das Ziel der thematischen Analyse darin, die wichtigsten Faktoren zu ermitteln, die die Lehrer zur Bestimmung der Qualität eines Aufsatzes verwenden.
Wenn Sie die Protokolle lesen, werden Sie feststellen, dass die Lehrkräfte einige gemeinsame Antworten geben. Natürlich haben Sie vielleicht die Vermutung, dass korrekte Grammatik und Rechtschreibung wichtig sind, was von den Lehrern in ihren Interviews wahrscheinlich auch bestätigt wird. Es könnten jedoch auch andere Überlegungen in den Daten auftauchen.
Die nächste Frage bei dieser beiläufigen thematischen Analyse lautet: Welche Überlegungen tauchen am häufigsten auf? Einige Lehrerinnen und Lehrer erwähnen vielleicht gelegentlich die Größe und das Schriftbild des Textes als entscheidende Faktoren, aber häufiger sagen sie, dass der Fluss und die Organisation des Schreibens der Schülerinnen und Schüler wichtiger sind. Die Analyse des Auftretens und der Muster zwischen den Themen in Ihren Transkripten kann Ihnen helfen, eine Antwort auf Ihre Forschungsfrage zu finden.
Eine Herausforderung besteht darin, dass Themen in der qualitativen Analyse, wie z. B. die Bestimmung von Themen für gutes Schreiben, mit bloßem Auge nicht so sichtbar sind wie Farben auf einer Murmel. Die Farbe "Rot" ist relativ leicht zu erkennen, aber die Bereiche, in denen die thematische Analyse häufig angewandt wird, befassen sich nicht mit Konzepten, die unbedingt "objektiv" gesehen werden können. Es ist Aufgabe des Forschers, Themen aus den Daten abzuleiten, und zwar mit einem induktiven Ansatz. Forscher können auch deduktiv vorgehen, wenn sie ihre Daten anhand von Themen analysieren wollen, die zuvor in anderen Untersuchungen identifiziert wurden.
Denken Sie an das obige Bild. Für das bloße Auge halten diese Kinder Händchen. Zu den Themen, die aus diesem Bild interpretiert werden können, gehören jedoch "Freundschaft", "Glück" oder sogar "Familie". Die thematische Analyse von Bildern wie diesem hängt oft von den theoretischen Verpflichtungen, der Wissensbasis und der kulturellen Perspektive des Forschers ab.
Das bedeutet auch, dass Sie erklären müssen, wie Sie zu den Themen gekommen sind, die sich aus Ihrem Datensatz ergeben. Während Farben intuitiv leicht zu unterscheiden sind, müssen Sie oft subjektivere Codes und Themen wie "Resilienz" oder "Anspruch" erklären, damit Sie und Ihr Forschungspublikum ein gemeinsames Verständnis für Ihre data analysis haben.
Diese Erklärung sollte berücksichtigen, wer Sie als Forscher sind und wie Sie die Daten sehen (denn schließlich kann ein Wort wie "Resilienz" für verschiedene Menschen unterschiedliche Bedeutungen haben). Eine vollständig reflexive thematische Analyse dokumentiert und präsentiert, wo der Forscher in Bezug auf seine Daten und sein Forschungspublikum steht.
Viele Disziplinen innerhalb qualitative Forschung verwenden die thematische Analyse, um sozialen Phänomenen einen Sinn zu geben. Diese Bereiche sind zum Beispiel:
Zusammenfassend lässt sich sagen, dass jede Forschungsdisziplin, die sich auf das Verständnis sozialer Phänomene oder auf Erkenntnisse stützt, die nicht ohne weiteres quantifizierbar sind, Forscher anzieht, die sich mit thematischer Analyse beschäftigen. Darüber hinaus eignet sich jedes explorative Forschungsdesign für die Identifizierung von bisher unbekannten Themen, die später in einem qualitativen, quantitativen oder konfirmatorischen Forschungsprojekt verwendet werden können.
Bei der thematischen Analyse kann eine beliebige Anzahl von qualitativen Forschungsmethoden zur Datenerhebung eingesetzt werden, darunter:
Jeder unstrukturierte Datensatz, insbesondere jeder Datensatz, der soziale Phänomene erfasst, kann von einer thematischen Analyse profitieren. Die wichtigste Überlegung bei der Sicherstellung einer rigorosen Datenerhebung für die thematische Analyse ist die Gewährleistung, dass Ihre Daten repräsentativ für die Population oder das Phänomen sind, das Sie zu erfassen versuchen.
Virginia Braun und Victoria Clarke haben maßgeblich dazu beigetragen, dass die thematische Analyse zu einem gängigen Ansatz in der qualitative Forschung wurde. Eine kurze Suche nach ihren wissenschaftlichen Arbeiten zeigt Ihnen die grundlegenden Schritte der thematischen Analyse auf:
Kurz gesagt, erfordert die thematische Analyse, dass der Forscher seine Daten betrachtet, seine Daten mit Codes zusammenfasst und diese Codes so weit entwickelt, dass sie zu einem breiteren Verständnis des Kontexts beitragen, in dem die Daten erhoben wurden.
Während dies die Schlüsselpunkte einer soliden und rigorosen thematischen Analyse sind, gibt es unterschätzte Teile des qualitativen Forschungsprozesses, die oft als selbstverständlich angesehen werden, aber niemals übersehen werden dürfen, um sicherzustellen, dass die Forscher ihre Daten schnell und mit so wenig Problemen wie möglich analysieren können.
Die thematische Analyse stützt sich auf Forschungsfragen, die explorativen Charakter haben und daher einen induktiven Ansatz zur Untersuchung der Daten erfordern. Während Sie sich vielleicht auf einen bestehenden theoretischen Rahmen stützen, um Ihre Forschungsfragen festzulegen und alle Daten zu sammeln für Ihr Projekt, untersucht die thematische Analyse Ihre Daten in erster Linie induktiv auf das, was sie aussagen und was sie am häufigsten sagen.
Nach der Datenerhebung müssen Sie die Daten organisieren, um den Prozess der Datenanalyse zu erleichtern (oder zumindest zu ermöglichen). Ein Datensatz in der qualitativen Forschung gleicht oft einer Menschenmenge, in der sich die Individuen in jede beliebige Richtung bewegen, ohne dass ein Sinn für die Organisation besteht. Dies stellt eine Herausforderung dar, wenn Ihre Forschungsfrage das Alter, das Geschlecht, die ethnische Zugehörigkeit oder den Kleidungsstil der Menschenmenge erfassen soll.
Die Rolle der qualitativen Forscher besteht in dieser Phase darin, die Menge zu sortieren. In diesem Beispiel bedeutet dies vielleicht, dass die Menge nach diesen demografischen Merkmalen in verschiedene Gruppen aufgeteilt wird, um zu sehen, welche Gruppen die größten sind. Die Reorganisation der Menge aus einer Gruppe von umherstreifenden Individuen kann ein besseres Gefühl dafür vermitteln, wer sich im Raum befindet.
Qualitative Daten sind oft ähnlich unstrukturiert und bedürfen einer Reorganisation. Bei der thematischen Analyse müssen Sie die Informationen so reorganisieren, dass die Themen für Sie und Ihr Forschungspublikum besser erkennbar werden. In den meisten Fällen bedeutet dies, den gesamten Datensatz, so groß er auch sein mag, in eine übersichtlichere Form zu bringen, die eine praktikablere analysis ermöglicht.
Codes und Themen sind Formen der Datenreduktion, die diesem Bedürfnis Rechnung tragen. Bei einer thematischen Analyse Software für die qualitative Datenanalyse kodieren die Forscher ihre Daten, indem sie kurze, aber beschreibende Sätze auf größere Datensegmente anwenden, um sie für die spätere Analyse zusammenzufassen. Spätere Phasen der thematischen Analyse reorganisieren diese Codes in größere Kategorien und dann in Themen, wobei die Themen letztendlich einen Beitrag zu sinnvollen Einsichten und bestehenden Theorien leisten.
Im weiteren Verlauf des Kodierungsprozesses sollten Sie feststellen, dass verschiedene Codes miteinander in Beziehung stehen können. In gewisser Weise liefern Codes dem Forscher visuelle Daten, die er untersuchen kann, um nützliche Themen zu generieren. In ATLAS.ti zum Beispiel können Sie Ihre Codes am Rand untersuchen, um ein Gefühl dafür zu bekommen, welche Codes und Themen häufig in Ihren Daten vorkommen. Während Sie Ihre Daten codieren, können Sie Ihren Codes Farben zuweisen. Dies ist eine flexible Methode, die es Ihnen ermöglicht, vorläufige Kategorien zu erstellen, die Sie visuell auf ihre Häufigkeit und Muster untersuchen können.
Später können Sie Ihre Codes in formellere Kategorien einordnen oder in Hierarchien verschachteln, um eine solidere thematische Analyse zu ermöglichen.
Vor allem in der qualitativen Forschung überschneiden sich die einzelnen Analyseansätze, was bedeutet, dass eine hinreichend gründliche Analyse Ihrer Daten letztendlich Themen ergeben kann, die für Ihre Forschung nützlich sind. Betrachten wir nun einige der bekanntesten Ansätze in der qualitativen Forschung und ihre Beziehung zur thematischen Analyse.
Bei der Grounded Theory wird die Analyse iterativ durch einen induktiven Ansatz entwickelt. Es gibt zwar viele Überschneidungen mit den Ansätzen der thematischen Analyse, aber die Grounded Theory stützt sich auf die Einbeziehung von mehr Daten zur Unterstützung der Analyse in früheren Iterationen der Forschung.
Nichtsdestotrotz ist der Analyseprozess bei beiden Ansätzen weitgehend derselbe, da sie auf der Suche nach Phänomenen beruhen, die in großer Zahl oder nach bestimmten Mustern auftreten. Bei der Analyse qualitative Daten in beiden Richtungen geht es in erster Linie darum, zu beobachten, welche Muster auftauchen, die zu einem allgemeineren Verständnis der beobachteten Population oder des Phänomens beitragen können.
Beim Verstehen von Erzählungen geht es oft weniger um die Entnahme großer Stichproben von Daten als vielmehr um das Entpacken der Bedeutung, die in den erhobenen Daten erzeugt wird. Bei narrative research analysis ist der Datensatz lediglich die Erzählung, die auf ihre Bedeutung, Absicht und Wirkung auf das Publikum untersucht wird.
Die Suche nach häufig vorkommenden Themen oder Mustern ist nach wie vor ein gängiges Ziel bei der Untersuchung von Erzählungen. Die Analyse einer Erzählung wird jedoch von spezifischen Fragen geleitet, z. B. was der Erzähler zu sagen versucht, wie er es sagt und wie sein Publikum die Botschaft des Erzählers aufnimmt.
Analyzing discourse ähnelt der Analyse von Erzählungen insofern, als dass der Subtext untersucht wird, der die Verwendung von Worten in der Kommunikation bestimmt. Forschungsfragen konzentriert sich bei beiden Ansätzen speziell auf Sprache und Kommunikation, während die thematische Analyse auf alle Formen von Daten angewendet werden kann.
Auch der Umfang der Analyse ist bei den verschiedenen Ansätzen unterschiedlich. Die thematische Analyse zielt darauf ab, Muster in der Fülle der Daten zu erkennen. Im Gegensatz dazu kann die Diskursanalyse einzelne Instanzen diskursiver Praktiken untersuchen, um besser zu verstehen, warum Menschen Sprache auf eine bestimmte Weise verwenden.
Die Daten, die sich aus einer Analyse der diskursiven Praktiken ergeben, können jedoch auch thematisch untersucht werden. Diskursive Muster innerhalb kulturell definierter Gruppen und kultureller Praktiken können mit einer thematischen Analyse bestimmt werden, wenn Äußerungen oder interaktionelle Wendungen und Muster zwischen ihnen identifiziert werden können.
Von allen Ansätzen in diesem Abschnitt ist die content analysis wohl der quantitativste. Streng genommen können die Wörter oder Sätze, die in einem Text am häufigsten vorkommen, etwas Nützliches über die Daten als Ganzes aussagen. Stellen Sie sich zum Beispiel vor, wie wir uns fühlen, wenn ein öffentlicher Redner übermäßig oft "ähm" oder "äh" sagt, während ein anderer Redner diese Ausdrücke überhaupt nicht verwendet. In einem anderen Fall: Was können wir über das Vertrauen einer Person sagen, die häufig "Ich weiß nicht, aber..." schreibt?
Die Inhaltsanalyse versucht, die Häufigkeit von Sprachaspekten zu bestimmen, um eine Datenmenge zu verstehen. Im Gegensatz zur Diskursanalyse betrachtet die Inhaltsanalyse jedoch ausschließlich das Gesagte oder Geschriebene, wobei sich die Analyse in erster Linie auf ein statistisches Verständnis der Daten stützt.
Oftmals ist die Inhaltsanalyse deduktiv, d. h. sie wendet frühere Theorien auf neue Daten an, im Gegensatz zur thematischen Analyse, die in erster Linie induktiv ist. Dennoch können die Ergebnisse einer Inhaltsanalyse zur Bestimmung von Themen herangezogen werden, insbesondere dann, wenn Ihre Forschungsfrage durch direkte Betrachtung der Textdaten beantwortet werden kann.
Für die thematische Analyse ist software besonders nützlich, um Themen in großen Datensätzen zu identifizieren. Schließlich kann die thematische Analyse von Daten per Hand sehr zeitaufwändig sein, und ohne eine Software, die einem dabei hilft, alle Daten gründlich zu betrachten, könnten einem Forscher nuancierte Daten entgehen.
Für qualitative Forscher ist der Kodierungsprozess eines der wichtigsten Werkzeuge zur Strukturierung qualitativer Daten, um jede Datenanalyse zu erleichtern. In ATLAS.ti werden die Daten in Zitate oder Datensegmente zerlegt, die zu einem set of codes reduziert werden können, um sie später zu analysieren.
Die Codes und Zitate erscheinen in ATLAS.ti am Rand neben einem Dokument. Dies visualization ist nützlich, um zu zeigen, wie viele Ihrer Daten kodiert sind und welche prägnante Bedeutung sich aus den Daten ableiten lässt. Im Rahmen der thematischen Analyse können den Codes jedoch verschiedene Farben zugewiesen werden, je nachdem, welche Kategorien sich aus Sicht des Forschers aus seinem Projekt ergeben, wie im obigen Beispiel zu sehen ist.
Wenn Sie code the data iterativ vorgehen und die sich ergebenden Themen überprüfen, können Sie einzelne Codes in größere Kategorien einordnen. ATLAS.ti stellt in Ihrem Projekt Bereiche zur Verfügung, die als Codegruppen und Codekategorien bezeichnet werden und in denen mehrere Codes zusammen ein breiteres, theoretisch entwickeltes Thema darstellen. Diese Herangehensweise an data organization, anstatt Codes zu größeren Einheiten zusammenzufassen, ermöglicht eine genauere Analyse einzelner Codes, während sich Ihre research questions im Laufe Ihres Projekts weiterentwickeln und ausbauen.
Wie bereits erwähnt, geht es bei der thematischen Analyse analyzing qualitative data oft darum, herauszufinden, welche Codes und welche Kategorien von Codes in den Daten auftauchen und welche Muster sie aufweisen. In der Tat kann jede analysis software Sie bei diesem Kodierungsprozess für die thematische Analyse unterstützen. Die Tools in ATLAS.ti können jedoch helfen, den Prozess einfacher und aufschlussreicher zu gestalten. Werfen wir einen Blick auf einige der vielen wichtigen Features, die für die Durchführung thematischer Analysen von unschätzbarem Wert sind.
Der Code Manager ist ATLAS.ti's zentraler Bereich, in dem Forscher ihre Codes unabhängig von den raw data organisieren und analysieren können. Abhängig von den Forschungsfragen und -zielen können Forscher im Code Manager eine Vielzahl von Aufgaben durchführen, wie z.B. die Betrachtung der Daten, die mit einem bestimmten Code verbunden sind, die Organisation von Codes in Hierarchien durch Code-Kategorien und verschachtelte Sub-Codes und die Bestimmung der Häufigkeit und des Niveaus der theoretischen Entwicklung für jeden Code.
Kombinationen von Codes, die sich gegenseitig überschneiden, können ebenfalls Themen in Ihren Daten beleuchten, vielleicht sogar besser als einzelne Codes. Dies unterscheidet sich vom Verständnis von Codes als Gruppen, da eine Analyse von Codes, die häufig zusammen in den Daten vorkommen, einen Eindruck von den Beziehungen zwischen verschiedenen Aspekten eines Phänomens vermitteln kann.
Das Tool Co-Occurrence Analysis hilft Forschern, das gemeinsame Auftreten verschiedener Codes zu bestimmen, indem sie diese in einer Tabelle, einem Balkendiagramm, einem Sankey-Diagramm oder einem kräfteorientierten Diagramm darstellen. Diese Visualisierungen können Ihnen und Ihrem Forschungspublikum die Stärke der Beziehungen zwischen den Codes veranschaulichen. Die Beziehungen selbst können auch nützlich sein, um Themen zu finden, die für Ihre Analyse nützlich sind.
Qualitative content analysis hängt von der Häufigkeit von Wörtern, Phrasen und anderen wichtigen Aspekten ab, die in Textdaten gefunden werden. Diese Häufigkeiten können Ihnen ebenfalls bei der Erstellung von Themen helfen, insbesondere wenn sich Ihre Forschungsfragen auf die Textdaten selbst konzentrieren.
Das Word Frequencies Tool in ATLAS.ti kann eine Inhaltsanalyse, die zu einer thematischen Analyse führt, erleichtern, indem es Ihnen statistische Daten darüber liefert, welche Wörter in Ihrem Projekt am häufigsten vorkommen. Angenommen, diese Wörter können zur Entwicklung von Themen beitragen. In diesem Fall können Sie auf diese Wörter klicken, um relevante Zitate zu finden, die Sie für die thematische Analyse kodieren können. Zusätzlich können Sie ATLAS.ti's Textsuch-Tool nutzen, um nach Datensegmenten zu suchen, die Ihr(e) Wort(e) von Interesse enthalten automatically code thematic analysis.
Sie können auch Themen verwenden, um den Umfang des Word Frequencies-Tools zu verfeinern. Standardmäßig betrachtet Word Frequencies Dokumente, aber das Tool ermöglicht es Forschern auch, die Daten zu filtern, indem sie die für ihre Anfrage relevanten Codes auswählen. Auf diese Weise können Sie sich die relevantesten Datenzitate ansehen, die mit den gewünschten Codes übereinstimmen, um eine umfassendere thematische Analyse zu erhalten.
Muster und Themen können sich auch aus Kombinationen von Codes ergeben. In diesem Fall kann Ihnen das Query Tool helfen, intelligente Codes zu konstruieren. Smart Codes sind vielseitiger als verschachtelte Untercodes oder Codegruppen, da sie es Ihnen ermöglichen, mehrere Kriterien auf der Grundlage von Wahr/Falsch-Bedingungen sowie der Nähe festzulegen. Während zum Beispiel eine Codegruppe einfach verschiedene Codes zusammenfasst, um Ihnen Zitate mit einem der enthaltenen Codes anzuzeigen, können Sie eine Reihe von Regeln definieren, um die Daten zu filtern und die relevantesten Zitate für Ihre thematische Analyse zu finden.
Ein systematischer und rigoroser Ansatz zur thematischen Analyse beinhaltet, dass Sie Ihrem Forschungspublikum zeigen, wie Sie zu Ihren Codes und Themen gekommen sind. In qualitative Forschung bieten Visualisierungen Klarheit über die Daten in Ihrem Projekt, was eine entscheidende Fähigkeit ist, wenn Sie die breitere Bedeutung erklären wollen, die sich aus unstrukturierte Daten ergibt.
Eine TreeMap von Codes ist eine Darstellung der Anwendung von Codes im Verhältnis zueinander. Mit anderen Worten: Die Codes, die in Ihren Daten am häufigsten verwendet wurden, nehmen den größten Teil der TreeMap ein, während weniger häufig verwendete Codes in Ihrer Visualisierung kleiner erscheinen. Auf diese Weise erhalten Sie einen Eindruck von der Häufigkeit bestimmter Codes gegenüber anderen Codes. Wenn Sie den Codes außerdem Farben nach Themen und Kategorien zuweisen, erhalten Sie schnell ein visuelles Verständnis für die Themen, die in Ihrem Projekt am häufigsten vorkommen.
So kann die TreeMap für Codes dabei helfen, eine visuelle, thematische Karte zu erstellen, die Sie als Bild exportieren können, um wichtige Themen in Ihren Forschungsberichten zu erläutern.
In qualitative Forschung ist die thematische Analyse ein nützliches Mittel, um einen theoretischen Rahmen für qualitative Konzepte und Phänomene zu entwickeln. Wie immer gilt jedoch, dass die Theorieentwicklung am besten durch gründliche Forschung unterstützt wird. Eine Theorie, die sich aus der thematischen Analyse ergibt, kann durch zusätzliche Untersuchungen bestätigt werden, sei es durch eine qualitative, quantitative oder mixed methods study.
Weitere Untersuchungen sind bei qualitativer Forschung, wie z. B. bei der thematischen Analyse, immer zu empfehlen, und zwar aus dem Grund, dass Themen in qualitativen Konzepten vom Forscher sozial konstruiert werden. Künftige Forschung, die auf der thematischen Analyse aufbaut, hängt wiederum von einem Forschungsdesign ab, das transparent und klar definiert ist, damit andere Forscher verstehen können, wie die Themen überhaupt entstanden sind. Dies erfordert eine detaillierte Buchführung über die Daten und die Analyse durch umfassende Details und Visualisierungen im Abschlussbericht.
Zu diesem Zweck sind die verschiedenen Tools von ATLAS.ti speziell darauf ausgelegt, dass Forscher ihre Daten in Form von Datenberichten und Visualisierungen an ihr Forschungspublikum weitergeben und berichten können. Insbesondere bei qualitativer Forschung und thematischer Analyse können Forscher davon profitieren, ihre Analyse durch Datenauszüge visualizations und Beschreibungen ihrer Methodik transparent darzustellen.