Leitfaden

Der Leitfaden zur thematischen Analyse

% gelesen
Sie möchten alles über die thematische Analyse wissen? Lesen Sie diesen Leitfaden, um ein grundlegendes Verständnis der thematischen Analyse und ihres Beitrags zur qualitativen Forschung zu erlangen.
Jörg Hecker
CEO of ATLAS.ti
Neringa Kalpokas
Director, Training & Partnership Development
  1. Was ist die Thematische Analyse?
  2. Vorteile der Thematischen Analyse
  3. Nachteile der Thematischen Analyse
  4. Thematische Analyse Beispiele
  5. Wie man eine thematische Analyse durchführt
  6. Thematische Kodierung
  7. Thematische Analyse in der Zusammenarbeit
  8. Software für die thematische Analyse
  9. Thematische Analyse im Mixed-Methods-Ansatz
  10. Abduktive Thematische Analyse
  11. Deduktive thematische Analyse
  12. Induktive Thematische Analyse
  13. Reflexive thematische Analyse
  14. Thematische Analyse bei Beobachtungen
    1. Einführung
    2. Was ist eine thematische Analyse von Beobachtungsdaten?
    3. Wie analysieren Sie die Daten von Beobachtungen?
  15. Thematische Analyse in Umfragen
  16. Thematische Analyse für Interviews
  17. Thematische Analyse für Fokusgruppen
  18. Thematische Analyse für Fallstudien
  19. Thematische Analyse von Sekundärdaten
  20. Themenanalyse, Literaturrecherche
  21. Thematische Analyse vs. Phänomenologie
  22. Thematische vs. inhaltliche Analyse
  23. Thematische Analyse vs. Grounded Theory
  24. Thematische Analyse vs. Narrative Analyse
  25. Thematische Analyse vs. Diskursanalyse
  26. Thematische Analyse vs. Rahmenanalyse
  27. Thematische Analyse in der Sozialarbeit
  28. Thematische Analyse in der Psychologie
  29. Thematische Analyse in der Bildungsforschung
  30. Thematische Analyse in der UX-Forschung
  31. Präsentation der Ergebnisse der Thematischen Analyse
  32. Zunehmende Genauigkeit bei der thematischen Analyse
  33. Peer Review bei der thematischen Analyse

Thematische Analyse in Beobachtungen

Die thematische Analyse ist eine weit verbreitete Methode in der qualitativen Forschung, die es Forschern ermöglicht, Muster in Daten zu erkennen. Bei der Anwendung auf Beobachtungsdaten bietet dieser Ansatz eine strukturierte und dennoch flexible Möglichkeit, komplexe Interaktionen oder Verhaltensweisen zu interpretieren und so aussagekräftige Einblicke in die zugrunde liegenden Themen des untersuchten Phänomens zu gewinnen. Dieser einführende Leitfaden zielt darauf ab, die Kernprinzipien der Durchführung thematischer Analysen mit besonderem Schwerpunkt auf Beobachtungsdaten zu erläutern. Er dient als praktisches Hilfsmittel für Forscher, die diese Analysetechnik in ihrer Arbeit anwenden wollen, und bietet klare, schrittweise Anleitungen und hebt die wichtigsten Überlegungen hervor, die während des Analyseprozesses zu beachten sind. Ziel ist es, Forschern ein solides Verständnis dafür zu vermitteln, wie sie effektiv wertvolle Erkenntnisse aus ihren Beobachtungsdaten herausdestillieren können.

Die Beobachtungsforschung kann von einer thematischen Analyse profitieren.

Was ist die thematische Analyse von Beobachtungsdaten?

Die thematische Analyse von Beobachtungsdaten bezieht sich auf die systematische Identifizierung, Untersuchung und Interpretation von Themen oder Mustern, die sich aus den Informationen ergeben, die in der Datenerhebung durch Beobachtung oder andere Forschungsmethoden gesammelt wurden. Dieser Ansatz ist besonders wertvoll in der qualitativen Forschung, wo das Verständnis der Nuancen des menschlichen Verhaltens, der Interaktionen und der Umgebung entscheidend ist.

Im Gegensatz zu strukturierten Interviews oder Umfragedaten erfassen Beobachtungsdaten Interaktionen, Verhaltensweisen und Kontexte in Echtzeit, wie sie in der Natur vorkommen, und bieten so eine reichhaltige, detaillierte Perspektive auf den Untersuchungsgegenstand. Wenn Forscher die thematische Analyse auf diese Art von Daten anwenden, begeben sie sich in einen sorgfältigen Prozess der Datenkodierung, Themenentwicklung und Dateninterpretation, die alle darauf abzielen, die tieferen Bedeutungen aufzudecken, die in den beobachteten Phänomenen eingebettet sind.

Der Prozess beginnt in der Regel mit der Dateneinarbeitung, bei der die Forscher in die Beobachtungsdaten eintauchen, detaillierte Notizen machen und beginnen, mögliche Muster zu erkennen. Im Anschluss daran wird ein formellerer Kodierungsprozess durchgeführt, bei dem die Datensegmente mit Codes versehen werden, die den Inhalt oder den Kontext der Beobachtungen kurz und bündig beschreiben. Diese Codes werden dann zu potenziellen Themen gruppiert, die umfassendere Muster im gesamten Datensatz darstellen.

Entscheidend für diesen Prozess ist der ständige Vergleich von Daten, Codes und Themen, um sicherzustellen, dass die Analyse auf den tatsächlichen Daten basiert. Die Forscher verfeinern ihre Themen iterativ, indem sie sie je nach Bedarf aufteilen, kombinieren oder verwerfen, bis eine kohärente und aussagekräftige Gruppe von Themen entsteht, die die Daten genau wiedergibt.

Der letzte Schritt besteht darin, die Themen zu definieren und zu benennen, klare Definitionen und Beschreibungen für jedes Thema zu liefern und sie mit überzeugenden Beispielen aus den Daten zu illustrieren. In dieser Phase werden die rohen Beobachtungsdaten in eine strukturierte und interpretierbare Reihe von Erkenntnissen umgewandelt, die als Grundlage für weitere Forschung, Theorieentwicklung oder praktische Anwendungen dienen können.

Letztlich ist die thematische Analyse von Beobachtungsdaten ein leistungsfähiges Instrument für qualitative Forscher, das einen strukturierten Ansatz für die Interpretation komplexer, nuancierter Datensätze bietet. Durch die systematische Identifizierung und Formulierung von Themen können Forscher die zugrundeliegenden Muster und Bedeutungen in ihren Beobachtungsdaten aufdecken und so wertvolle Einblicke in die untersuchten Phänomene gewinnen.

Aus Beobachtungsdaten lassen sich Themen und Muster erkennen. Foto von Oxana Melis.

Wie analysiert man Daten aus Beobachtungen?

Datenanalyse von Beobachtungen ist ein akribischer Prozess, der rohe, detaillierte Beobachtungsnotizen in strukturierte, aufschlussreiche Ergebnisse umwandelt. Diese Analyse umfasst mehrere wichtige Schritte, von denen jeder einzelne entscheidend ist, um die Gründlichkeit und Gültigkeit der Forschungsergebnisse zu gewährleisten. Im Folgenden gehen wir auf drei grundlegende Unterabschnitte dieses Prozesses ein: Datenvorbereitung, Kodierung und Themenentwicklung sowie Überprüfung und Festlegung der Themen.

Datenvorbereitung

Nach der Aufbereitung der Daten gehen die Forscher zur Kodierung über, d. h. sie identifizieren signifikante oder interessante Segmente der Daten und weisen diesen Segmenten prägnante Etiketten oder Codes zu. Dazu gehören die Transkription der Beobachtungen, die systematische Organisation der Daten und die gründliche Einarbeitung in den Inhalt. Die Forscher müssen alle Audio- oder Videoaufzeichnungen der beobachteten Ereignisse, falls vorhanden, genau transkribieren und umfassende Notizen zusammenstellen. Diese Transkription sollte so detailliert wie möglich sein und nicht nur verbale Interaktionen erfassen, sondern auch nonverbale Hinweise, kontextuelle Details und die Dynamik der beobachteten Situationen. Nach der Transkription sollten die Daten in einem übersichtlichen Format organisiert werden, damit der Forscher während des gesamten Analyseprozesses effizient auf die Informationen zugreifen und sie überprüfen kann.

Die Analyse von Themen beginnt mit einer sorgfältigen Organisation der Daten. Foto von Wesley Tingey.

Kodierung und Themenentwicklung

Nach der Aufbereitung der Daten gehen die Forscher zur Kodierung über coding, d. h. zur Identifizierung signifikanter oder interessanter Segmente der Daten und zur Zuweisung prägnanter Etiketten oder Codes für diese Segmente. Die Kodierung kann induktiv erfolgen, d. h. direkt aus den Daten, oder deduktiv, d. h. auf der Grundlage bereits vorhandener Rahmen oder Theorien. Der erste Satz von Codes ist in der Regel umfangreich und beschreibend und erfasst ein breites Spektrum von Beobachtungen. Im weiteren Verlauf der Kodierung werden diese Codes kategorisiert und zu potenziellen Themen zusammengefasst. Diese Phase ist iterativ, wobei der Forscher die Codes ständig verfeinert und ihre Übereinstimmung mit potenziellen Themen prüft, um sicherzustellen, dass sie kohärente Muster innerhalb der Daten darstellen.

Überprüfung und Festlegung von Themen

In der letzten Phase werden die identifizierten Themen überprüft und definiert, um sicherzustellen, dass sie eine sinnvolle und genaue Darstellung der Daten bilden. Dieser Überprüfungsprozess umfasst zwei Ebenen: erstens die Überprüfung auf Themenebene, um sicherzustellen, dass jedes Thema in sich kohärent und von den anderen unterscheidbar ist, und zweitens die Überprüfung auf Datensatzebene, um zu verifizieren, dass die Themen den gesamten Datensatz korrekt wiedergeben. Anschließend werden die Themen definiert und benannt. Die Definition eines Themas beinhaltet die Formulierung dessen, was das Thema über die Daten aussagt, und die Identifizierung des Kerns dessen, was jedes Thema darstellt. Dieser Schritt ist entscheidend für die Bereitstellung klarer, umsetzbarer Erkenntnisse aus den Beobachtungsdaten.