Een introductie tot thematische analyses | Met voorbeelden

Een thematische analyse (thematic analysis) kan worden gebruikt om kwalitatieve data te analyseren. De methode wordt meestal toegepast op een reeks teksten, zoals interviewtranscripten. De onderzoeker analyseert de gegevens nauwkeurig om gemeenschappelijke of overkoepelende thema’s, ideeën en patronen te identificeren.

Je kunt een thematische analyse op meerdere manieren uitvoeren, maar over het algemeen volg je het stappenplan van Nel Verhoeven (2020) dat gebaseerd is op dat van Braun en Clarke (2008). Het stappenplan gaat in op zes fasen: verkennen, coderen, thematiseren, reviseren en verfijnen, vaststellen en structureren, en presenteren.

Het proces werd oorspronkelijk ontworpen voor psychologie-onderzoek, maar tegenwoordig worden thematische analyses ingezet voor veel meer onderzoeksdisciplines, omdat de methode gepaard gaat met veel flexibiliteit.

Wanneer gebruik je een thematische analyse?

Een thematische analyse is een geschikte benadering als je iets te weten probeert te komen over de opvattingen, meningen, kennis, ervaringen of normen en waarden van mensen op basis van een reeks kwalitatieve gegevens, zoals interviewtranscripten, socialemediaprofielen of enquête-antwoorden.

Voorbeelden van onderzoeksvragen die je kunt beantwoorden met behulp van een thematische analyse zijn:

• Hoe nemen patiënten hun artsen waar in een ziekenhuissetting?
• Wat zijn de ervaringen van jonge vrouwen op datingsites?
• Welke ideeën en meningen hebben klimaat-leken over klimaatverandering?

Om dit type vraag te kunnen beantwoorden, verzamel je gegevens over de relevante populatie, waarna je de data analyseert. Een thematische analyse biedt veel flexibiliteit bij de interpretatie van de gegevens en stelt onderzoekers in staat om grote datasets gemakkelijker te verwerken door op zoek te gaan naar thema’s.

Een thematische analyse gaat ook gepaard met risico’s. Dit type analyse is vaak behoorlijk subjectief en is gebaseerd op het oordeel van de onderzoeker, dus je moet goed nadenken over je eigen keuzes en interpretaties. Ook kan het voorkomen dat de resultaten niet altijd even genuanceerd zijn, omdat je naar grotere thema’s zoekt en daarbij bepaalde codes negeert.

Besteed veel aandacht aan de data om ervoor te zorgen dat je geen patronen of thema’s opmerkt die er niet zijn – of dingen die er wel zijn over het hoofd ziet.

Hoeveel fouten bevat jouw scriptie?

De taalexperts van Scribbr verbeteren gemiddeld 150 fouten per 1000 woorden. Benieuwd wat er precies wordt verbeterd? Verschuif de cursor van links naar rechts!

Scriptie nakijken op taal

Verschillende benaderingen voor thematische analyses

Als je eenmaal hebt besloten om een thematische analyse uit te voeren, zijn er verschillende benaderingen mogelijk. Er bestaat een onderscheid tussen inductieve en deductieve benaderingen en een onderscheid tussen semantische en latente benaderingen.

Inductieve versus deductieve benadering

Een inductieve benadering houdt in dat je je thema’s laat bepalen door de data die je vindt. Daarentegen houdt een deductieve benadering in dat je tot de data komt op basis van een aantal vooraf bepaalde thema’s, waarvan je verwacht dat ze weerspiegeld worden in de data. Deze thema’s baseer je op een literatuuronderzoek naar bestaande kennis.

Semantische versus latente benadering

Bij een semantische benadering analyseer je de daadwerkelijke inhoud van de data, terwijl je bij een latente benadering op zoek gaat naar de subtekst en aannames die ten grondslag liggen aan de data.

Als je hebt nagedacht over de juiste benadering voor jouw onderzoeksvraag, kun je beginnen met het stappenplan.

Stap 1: Verkenning

De eerste stap is om de gegevens te verkennen. Het is belangrijk om een goed overzicht te krijgen van alle gegevens die je hebt verzameld voordat je afzonderlijke items analyseert.

Afhankelijk van het type data kan dit bijvoorbeeld betekenen dat je audio moet transcriberen of de teksten moet doorlezen om aantekeningen te maken. Op deze manier raak je vertrouwd met de data.

Stap 2: Coderen

Vervolgens begin je met het coderen van de gegevens. Hiervoor markeer je relevante secties van de tekst (meestal zinsdelen of zinnen) en bedenk je codes om de inhoud te beschrijven.

Stel je voor dat we onderzoek doen naar de perceptie van klimaatverandering bij kiezers van 50 jaar en ouder, en dat we gegevens hebben verzameld via een reeks interviews. Een gedeeltelijk transcript van een interview kan er dan als volgt uitzien:

In dit transcript zijn (delen van) zinnen gemarkeerd in verschillende kleuren die overeenkomen met de verschillende codes. Iedere code beschrijft het idee of gevoel dat in dat deel van de tekst wordt uitgedrukt.

In dit stadium is het belangrijk om grondig te zijn. Je neemt het transcript van ieder interview door en markeert alles wat opvallend of interessant is. Je blijft zinsdelen en zinnen markeren die overeenkomen met de bestaande codes, maar je kunt ook nieuwe codes blijven toevoegen terwijl je de teksten leest.

Nadat je de teksten hebt doorgenomen, verzamel en groepeer je alle gegevens op basis van de codes. Op deze manier krijg je een duidelijk overzicht van de belangrijkste punten en gemeenschappelijke betekenissen.

Hoeveel fouten bevat jouw scriptie?

De taalexperts van Scribbr verbeteren gemiddeld 150 fouten per 1000 woorden. Benieuwd wat er precies wordt verbeterd? Verschuif de cursor van links naar rechts!

Scriptie nakijken op taal

Stap 3: Thematiseren

Vervolgens bekijk je de codes die je hebt bedacht, identificeer je patronen en begin je met het formuleren van thema’s.

Thema’s zijn over het algemeen breder dan codes. Meestal combineer je meerdere codes voor één thema. In ons voorbeeld zouden codes bijvoorbeeld op de volgende manier kunnen worden gegroepeerd.

In dit stadium kunnen we besluiten dat sommige codes te vaag of niet relevant genoeg zijn (bijvoorbeeld omdat ze niet vaak voorkomen in de data). Vaak betekent dit dat je deze codes beter kunt weggooien.

Andere codes kunnen op zichzelf al thema’s vormen. In ons voorbeeld hebben we besloten dat de codes “onzekerheid” en “wantrouwen van experts” losse thema’s konden vormen in combinatie met elke andere codes.

De manier waarop je met je codes omgaat hangt af van het doel van je onderzoek.

Stap 4: Reviseren en verfijnen

Nu is het belangrijk om ervoor te zorgen dat de thema’s een bruikbare en nauwkeurige weergave van de data vormen. Daarom keer je terug naar de dataset en vergelijk je je thema’s met de data. Mis je iets? Zijn de thema’s daadwerkelijk terug te zien in de data? Wat kun je nog veranderen om de thema’s en data beter op elkaar te laten afstemmen?

Als je merkt dat een thema niet goed werkt, kun je het thema opsplitsen, combineren met een ander thema of weggooien. Je kunt ook nog nieuwe thema’s bedenken en toevoegen. Deze fase zorgt ervoor dat de thema’s nuttiger en nauwkeuriger worden vormgegeven.

In het voorbeeld zou bijvoorbeeld kunnen worden besloten dat “veranderende terminologie” beter past bij het thema “onzekerheid” dan bij “wantrouwen van experts”, aangezien de data die met deze code gelabeld zijn eerder te maken hebben met verwarring dan met wantrouwen.

Stap 5: Vaststellen en structureren

Nu je een definitieve lijst met thema’s hebt, is het tijd om ze allemaal een naam te geven en een definitie te formuleren voor ieder thema, zodat je duidelijk maakt op welke manier een thema je helpt de data te begrijpen.

Voor het thema “wantrouwen van experts” kun je bepalen wie precies bedoeld worden met “experts”. Eventueel kun je de naam van het thema veranderen in “wantrouwen van autoriteit” of “complotdenken”.

Stap 6: Presenteren

Ten slotte presenteer je de resultaten van je analyse. Net als bij alle andere academische teksten start je met een inleiding, om je onderzoeksvraag, doelstelling en aanpak te introduceren.

Ook voeg je een methodesectie toe, waarin je beschrijft hoe de gegevens zijn verzameld (bijvoorbeeld door middel van semi-gestructureerde interviews of open enquêtevragen) en waarin je uitlegt hoe je de thematische analyse hebt uitgevoerd.

In de resultatensectie behandel je ieder thema. Je geeft aan hoe vaak de thema’s naar voren komen en wat ze betekenen. Hierbij is het belangrijk om voorbeelden toe te voegen om je bevindingen te ondersteunen. Tot slot vat je je resultaten samen in een conclusie en beantwoord je de onderzoeksvraag.

Op basis van het voorbeeld zou kunnen worden gesteld dat complotdenken over klimaatverandering vaak voorkomt bij kiezers van 50 jaar en ouder. Ook zou je de lezer kunnen wijzen op de onzekerheid die veel van deze kiezers ervaren. Ten slotte zou je kunnen ingaan op de invloed van misinformatie op de perceptie van kiezers van 50 jaar en ouder.

Veelgestelde vragen

Wat is een thematische analyse en waarvoor wordt deze gebruikt?

Een thematische analyse (thematic analysis) kan worden gebruikt om kwalitatieve data te analyseren. De methode wordt meestal toegepast op een reeks teksten, zoals interviewtranscripten. De onderzoeker analyseert de gegevens nauwkeurig om gemeenschappelijke of overkoepelende thema’s, ideeën en patronen te identificeren.

Wat is het verschil tussen een inductieve en deductieve thematische analyse?

Een thematische analyse (thematic analysis) kan inductief en deductief van aard zijn.

Een inductieve benadering houdt in dat je je thema’s laat bepalen door de data die je vindt. Daarentegen houdt een deductieve benadering in dat je tot de data komt op basis van een aantal vooraf bepaalde thema’s, waarvan je verwacht dat ze weerspiegeld worden in de data. Deze thema’s baseer je op een literatuuronderzoek naar bestaande kennis.

Hoe analyseer je kwalitatieve data in je scriptie?

Je kunt kwalitatieve data op meerdere manieren analyseren, maar de methoden hebben vijf stappen gemeen:

1. Bereid je data voor
2. Bekijk en verken je data
3. Ontwikkel een codeersysteem voor je data
4. Ken codes toe aan de data
5. Identificeer terugkerende thema’s

De uitvoering van iedere stap hangt af van de focus van je analyse. Veelvoorkomende analyses zijn tekstuele analyse, thematische analyse en discourseanalyse.