Como Fazer Análise Temática com IA: Passo a Passo

A análise temática é um método para encontrar padrões de significado em dados qualitativos, como transcrições de entrevistas ou respostas de perguntas abertas de questionários. Para fazê-la com IA, carregue suas transcrições e a pergunta de pesquisa, deixe a IA propor os códigos de primeira passagem e, em seguida, desenvolva e verifique os temas você mesmo. A IA acelera a leitura e a triagem. A interpretação continua com você.

Este guia explica o que é a análise temática, detalha as seis fases e mostra onde a IA ajuda e onde ela não deve decidir. Ele inclui um exemplo prático, um formato de tabela de resultados e uma comparação com a análise de conteúdo.

O que é análise temática

Virginia Braun e Victoria Clarke, que desenvolveram a versão mais citada do método, definem-no em seu site. "A análise temática (AT) refere-se a uma gama de métodos de pesquisa qualitativa que são usados para explorar e interpretar significados padronizados em conjuntos de dados."

Duas palavras nessa definição são importantes. "Gama" significa que a análise temática é uma família de abordagens, não um procedimento fixo único. "Interpretar" significa que o resultado é um argumento sobre o que os dados significam, não uma contagem do que eles dizem.

Braun e Clarke agrupam essa família em três grupos: abordagens de confiabilidade de codificação, abordagens de livro de códigos (codebook) e sua própria abordagem reflexiva. A diferença afeta como você usa a IA.

• Confiabilidade de codificação define um livro de códigos logo no início e verifica se diferentes codificadores o aplicam da mesma maneira.
• Abordagens de livro de códigos também usam uma estrutura estruturada, mas permitem que ela evolua de certa forma.
• A análise temática reflexiva mantém a codificação aberta e permite que ela mude à medida que sua compreensão se aprofunda. O FAQ delas diz claramente que "a AT reflexiva evita livros de códigos".

Na análise temática reflexiva, um tema é mais do que um tópico. Braun e Clarke descrevem os temas como um "padrão de significado compartilhado sustentado por um conceito ou ideia central". Um tópico como "preço" não é um tema. "Os clientes interpretam o preço como um sinal de confiança" é.

As seis fases

Braun e Clarke esboçam seis fases. Elas enfatizam que "essas fases não prescrevem um processo rígido que você deve seguir". Na prática, você se move de um lado para o outro entre elas.

1. Familiarizar-se com o conjunto de dados. Leia e releia os dados e faça as primeiras observações.
2. Codificação. Atribua rótulos curtos a segmentos significativos, em todo o conjunto de dados, em duas ou mais rodadas.
3. Gerar temas iniciais. Agrupe os códigos em padrões candidatos de significado.
4. Desenvolver e revisar temas. Verifique cada candidato em relação aos dados codificados e ao conjunto de dados completo. Divida, mescle ou descarte temas conforme necessário.
5. Refinar, definir e nomear temas. Defina o escopo e a história de cada tema e dê a ele um nome informativo.
6. Redação. Entrelace a narrativa analítica com trechos dos dados e conecte-a à literatura existente.

O site delas descreve o processo de forma honesta: "a análise é tipicamente um processo recursivo". Espere voltar à codificação depois de começar a construir os temas.

Onde a IA ajuda e onde ela não deve decidir

A IA é genuinamente útil para as fases que envolvem volume. Ela pode ler quarenta transcrições rapidamente, sugerir códigos candidatos, extrair todos os trechos que se encaixam em um código e contar com que frequência um padrão aparece.

Ela não deve tomar as decisões interpretativas. Braun e Clarke escrevem que "a análise qualitativa é um processo qualificado, situado e subjetivo". Um modelo não compartilha do seu interesse na pergunta de pesquisa e só conhece o contexto que você fornece a ele.

O FAQ delas faz um ponto relacionado sobre softwares de análise. O que importa, escrevem elas, é "ser um pesquisador consciente". Isso significa usar qualquer ferramenta de uma forma que se alinhe aos valores da abordagem que você escolheu.

Uma divisão viável se parece com esta:

Fase	O que a IA pode fazer	O que você decide
Familiarização	Resumir cada transcrição, sinalizar trechos surpreendentes	Quais trechos importam para a sua pergunta
Codificação	Propor códigos de primeira passagem e aplicá-los de forma consistente	Quais códigos manter, mesclar ou renomear
Geração de temas	Agrupar códigos e extrair trechos de apoio	Se um grupo é um padrão real de significado
Revisão de temas	Buscar contraexemplos no conjunto de dados	Se um tema se sustenta
Nomeação de temas	Sugerir nomes e definições de uma linha	O nome final e a história que ele conta
Redação	Rascunhar seções e reunir citações	O argumento e suas alegações

Se você usar uma abordagem de livro de códigos, o resultado da IA pode servir como um rascunho de livro de códigos. Se você usar a análise temática reflexiva, trate os códigos da IA como estímulos para reflexão, não como a análise em si.

Independentemente da abordagem utilizada, registre como a IA esteve envolvida. Anote a ferramenta, as fases em que ela ajudou e o que você alterou depois. Um parágrafo curto sobre a metodologia responde à pergunta antes mesmo que um revisor, examinador ou parte interessada a faça.

O que você precisa antes de começar

Prepare quatro coisas antes que qualquer ferramenta de IA toque nos dados.

Uma pergunta de pesquisa clara. Cada código e tema é avaliado em relação a ela. "O que os clientes vivenciam durante a integração?" produz uma análise diferente de "Por que os clientes cancelam no primeiro mês?"

Transcrições limpas e descaracterizadas. Remova nomes, nomes de empresas, e-mails e qualquer detalhe que identifique um participante. Faça isso antes do envio, não depois. Verifique sua aprovação ética ou formulários de consentimento para quaisquer limites no uso de ferramentas de terceiros.

Um documento de notas para suas próprias reflexões. A análise temática reflexiva coloca em primeiro plano a perspectiva do pesquisador. Mantenha um registro contínuo de suas suposições e reações à medida que lê, separado de qualquer coisa que a IA produza.

Um formato de arquivo consistente. Um arquivo por entrevista, com identificação dos interlocutores, facilita o rastreamento de cada trecho até sua origem. Mantenha um índice simples que mapeie os códigos dos participantes com as datas das entrevistas.

Como fazer análise temática com IA

As etapas abaixo seguem as seis fases, agrupadas em três sessões de trabalho.

Passo 1: Carregar as transcrições e definir a pergunta de pesquisa

Envie as transcrições descaracterizadas para um espaço de trabalho de IA como o Powerdrill Bloom. Seus planos listam uploads de Excel, CSV, PDF e documentos, de modo que transcrições em Word ou PDF funcionam como estão. Respostas de perguntas abertas de questionários exportadas para uma planilha também funcionam.

Apresente a pergunta de pesquisa primeiro, antes de qualquer solicitação. Em seguida, peça um breve resumo de cada transcrição e uma lista de trechos relacionados à pergunta.

Leia esses resumos e, depois, leia as transcrições você mesmo. Os resumos da IA aceleram a familiarização, mas não a substituem. Anote suas próprias primeiras impressões em um documento separado antes de olhar para quaisquer códigos gerados por IA.

Passo 2: Gerar códigos de primeira passagem e, depois, codificar você mesmo

Peça à IA para propor códigos para cada transcrição. Solicite rótulos curtos, uma definição de uma linha para cada um e os trechos exatos que os apoiam.

Uma solicitação útil é curta e específica. Codifique a transcrição para qualquer coisa relevante para a pergunta de pesquisa, mantenha os rótulos com menos de cinco palavras e cite o trecho exato para cada um. Pedir trechos exatos facilita a identificação de um código que se desviou do que o participante realmente disse.

Em seguida, faça uma segunda rodada de codificação por conta própria. Compare seus códigos com la lista da IA. Onde eles concordarem, o código provavelmente está descrevendo algo claramente presente. Onde eles divergirem, olhe com atenção. Ou a IA percebeu algo que você deixou passar, ou ela rotulou palavras superficiais em vez do significado.

Mantenha cada trecho rastreável. Cada código deve apontar para um participante e um trecho. A página inicial do Powerdrill Bloom diz que cada número "retorna com a página, a linha e a figura por trás dele", e a mesma rastreabilidade é importante para as citações.

Passo 3: Construir temas candidatos e verificá-los em relação aos dados

Peça à IA para agrupar seus códigos finais em temas candidatos, com os trechos de apoio para cada um. Trate os grupos como um ponto de partida.

Para cada candidato, faça uma pergunta: existe um conceito ou ideia central por trás dele? Se a resposta for apenas um tópico compartilhado, ainda não é um tema. Divida-o, mescle-o ou descarte-o.

Em seguida, teste cada tema. Peça à IA para encontrar trechos que o contradigam. Um tema que sobrevive a uma busca deliberada por contraexemplos é mais forte do que um que nunca foi desafiado.

Por fim, nomeie cada tema e escreva uma definição de duas frases. Rascunhe a redação seção por seção e verifique cada citação em relação à transcrição original antes de incluí-la no relatório.

Um exemplo prático

Aqui está uma versão curta do processo em um estudo de pesquisa de produto com doze entrevistas de clientes. A pergunta de pesquisa questionava por que novos clientes deixavam de usar o produto em até 30 dias.

Os códigos de IA de primeira passagem incluíram "a configuração demorou muito", "preço confuso" e "precisava de aprovação de TI".

Após uma segunda rodada de codificação, o pesquisador notou que todos os três apareciam em entrevistas com pessoas que não haviam escolhido o produto por si mesmas.

O tema resultante foi "adoção sem propriedade". Os clientes que herdaram o produto não tinham motivos para superar o atrito inicial.

O pesquisador então pediu à IA contraexemplos: clientes que não haviam escolhido o produto, mas permaneceram de qualquer maneira. Duas entrevistas se encaixaram. Ambas descreviam um colega que lhes mostrou uma vitória rápida na primeira semana, o que refinou o tema em vez de desfazê-lo.

A IA trouxe os códigos à tona rapidamente. O tema surgiu do pesquisador ao notar quem os estava dizendo, algo que nenhum código capturou por si só.

Como apresentar os resultados da análise temática

Uma seção de resultados geralmente começa com uma tabela de temas e, em seguida, discute cada tema com trechos de apoio. A tabela abaixo mostra um formato comum.

Tema	Definição	Participantes	Exemplo de trecho
Adoção sem propriedade	Usuários que não escolheram o produto tinham poucos motivos para persistir	7 de 12	"Me disseram para usar, então fiz o mínimo."
Configuração como primeira impressão	O esforço inicial de configuração moldou a visão geral do produto	9 de 12	"Se a primeira hora é difícil, você assume que o resto também será."

Siga a tabela com uma seção curta para cada tema. Explique a ideia central, mostre dois ou três trechos e conecte-a à sua pergunta de pesquisa.

Escolha trechos que mostrem o tema sob diferentes ângulos, em vez de três citações dizendo a mesma coisa. Mantenha-os curtos e sempre os atribua a um código de participante. Os leitores confiam mais em um tema quando conseguem vê-lo em várias vozes.

A contagem de participantes é um contexto útil, mas a abordagem de Braun e Clarke não trata a frequência como a medida de importância. Um tema mencionado por quatro pessoas pode importar mais do que um mencionado por dez.

Para um público de partes interessadas, os mesmos resultados muitas vezes se transformam em uma apresentação curta. A ferramenta de AI research synthesis descreve esse caminho, combinando transcrições e questionários em temas, evidências e uma apresentação para as partes interessadas.

Análise temática vs. análise de conteúdo

Os dois métodos são frequentemente confundidos porque ambos trabalham com dados qualitativos.

	Análise temática	Análise de conteúdo
Objetivo principal	Interpretar padrões de significado	Categorizar e frequentemente contar o conteúdo
Resultado	Temas com uma ideia central	Categorias com frequências
Papel da contagem	No máximo, contexto de apoio	Frequentemente central
Melhor para	Compreender experiências e visões	Medir com que frequência algo aparece

Se a sua pergunta for "com que frequência os clientes mencionam o preço?", a análise de conteúdo se adequa. Se for "o que o preço significa para os clientes?", a análise temática se adequa.

Alguns projetos usam ambos em sequência. Uma passagem de frequência em um grande conjunto de dados mostra onde está o volume. Uma passagem temática em uma amostra menor e focada explica, então, o que esse volume significa.

Para feedback em escala, como milhares de avaliações ou tíquetes de suporte, uma visão de frequência costuma ser a primeira necessidade. O Voice of Customer Summarizer reúne canais de feedback em temas com frequência e um depoimento representativo para cada um.

Análise temática no Excel

Muitos pesquisadores ainda codificam em uma planilha, e isso funciona bem para pequenos estudos. Um layout simples usa uma linha por trecho.

• Coluna A: código do participante.
• Coluna B: o trecho, copiado exatamente.
• Coluna C: código da primeira rodada.
• Coluna D: código da segunda rodada.
• Coluna E: tema candidato.

Filtrar por tema fornece, então, todos os trechos de apoio em uma única visualização. Uma contagem de linhas por tema e por participante também mostra rapidamente se um tema se apoia em apenas um entrevistado mais falante. O limite é a escala. Passando de algumas centenas de trechos, a ordenação e a recodificação manual tornam-se lentas, que é onde o agrupamento assistido por IA economiza mais tempo.

Se o seu projeto também incluir uma revisão de estudos publicados, nosso guia para escrever uma revisão de literatura com IA cobre essa parte.

Erros comuns

• Tratar tópicos como temas. "Comunicação" é um tópico. Um tema diz algo sobre ele.
• Aceitar códigos de IA sem uma segunda rodada. Os códigos de primeira passagem frequentemente rotulam as palavras em vez do significado.
• Enviar dados identificáveis. Descaracterize as transcrições antes de qualquer envio.
• Contar como prova. A frequência apoia um tema, mas não o estabelece.
• Pular a busca por contraexemplos. Um tema que nunca foi desafiado é mais fraco do que parece.
• Deixar a IA nomear os temas. Os nomes carregam o argumento, então escreva-os você mesmo assim que os temas estiverem definidos e consolidados.

Acertar nesses pontos é o que separa uma análise confiável de um resumo com títulos. Se você deseja que a leitura, a codificação e o agrupamento sejam feitos mais rapidamente em suas próprias transcrições, você pode experimentar o Powerdrill Bloom com um estudo.

Perguntas frequentes

O que é análise temática em termos simples?

A análise temática é uma maneira de encontrar e interpretar padrões de significado em dados qualitativos, como entrevistas. O pesquisador codifica os dados, agrupa os códigos em temas e explica o que cada tema diz sobre a pergunta de pesquisa.

Quais são as seis etapas da análise temática?

As seis fases de Braun e Clarke são familiarizar-se com o conjunto de dados, codificação, geração de temas iniciais, desenvolvimento e revisão de temas, e refinar, definir e nomear temas. A sexta é a redação. Elas observam que as fases não são regras rígidas.

A IA pode fazer análise temática?

A IA pode ajudar com o trabalho de volume, como resumir transcrições, propor códigos e extrair trechos. O trabalho interpretativo de decidir o que um tema significa ainda precisa do pesquisador. Braun e Clarke descrevem a análise qualitativa como um processo qualificado, situado e subjetivo.

Quantos temas uma análise temática deve ter?

Braun e Clarke dizem que "não há uma fórmula precisa para determinar o número de temas em uma AT". Isso depende dos dados, da pergunta de pesquisa e do tamanho do relatório. Uma análise pode relatar um tema em profundidade ou fornecer uma visão geral mais ampla.

Qual é a diferença entre análise temática e análise de conteúdo?

A análise temática interpreta padrões de significado e produz temas. A análise de conteúdo categoriza o conteúdo e frequentemente conta com que frequência as categorias aparecem. Escolha a análise temática para compreender experiências, e a análise de conteúdo para medir a frequência.

Fontes: Braun e Clarke, Análise Temática · Compreendendo a AT · Fazendo AT Reflexiva · FAQs de Análise Temática. O exemplo prático e a tabela de resultados são ilustrativos.