Как провести тематический анализ с помощью ИИ: пошаговое руководство

Тематический анализ — это метод поиска смысловых паттернов в качественных данных, таких как транскрипты интервью или открытые ответы на опросы. Чтобы выполнить его с помощью AI, загрузите транскрипты и исследовательский вопрос, позвольте AI предложить коды первого прохода, а затем самостоятельно разработайте и проверьте темы. AI ускоряет чтение и сортировку. Интерпретация остается за вами.

В этом руководстве объясняется, что такое тематический анализ, подробно описываются шесть этапов и показывается, в чем AI помогает, а где он не должен принимать решения за вас. Оно включает практический пример, формат таблицы результатов и сравнение с контент-анализом.

Что такое тематический анализ

Вирджиния Браун и Виктория Кларк, разработавшие наиболее цитируемую версию этого метода, дают ему определение на своем сайте. «Тематический анализ (ТА) относится к ряду методов качественных исследований, которые используются для изучения и интерпретации закономерных смысловых паттернов в наборах данных».

В этом определении важны два слова. «Ряд» означает, что тематический анализ — это семейство подходов, а не одна фиксированная процедура. «Интерпретация» означает, что результатом является аргументация того, что означают данные, а не подсчет того, что в них сказано.

Браун и Кларк делят это семейство на три группы: подходы, основанные на надежности кодирования, подходы с использованием книги кодов и их собственный рефлексивный подход. Разница влияет на то, как вы используете AI.

• Надежность кодирования фиксирует книгу кодов на раннем этапе и проверяет, одинаково ли ее применяют разные кодировщики.
• Подходы с использованием книги кодов также используют структурированную основу, но позволяют ей в некоторой степени развиваться.
• Рефлексивный тематический анализ оставляет кодирование открытым и позволяет ему меняться по мере углубления вашего понимания. В их разделе часто задаваемых вопросов прямо говорится, что «Рефлексивный ТА избегает книг кодов».

В рефлексивном тематическом анализе тема — это больше, чем просто предмет обсуждения. Браун и Кларк описывают темы как «паттерн общего смысла, подкрепленный центральной концепцией или идеей». Такая тема, как «ценообразование», не является темой в этом значении. А вот «Клиенты воспринимают цену как сигнал доверия» — является.

Шесть этапов

Браун и Кларк выделяют шесть этапов. Они подчеркивают, что «эти этапы не предписывают жесткого процесса, которому вы обязаны следовать». На практике вы будете перемещаться между ними туда и обратно.

1. Ознакомление с набором данных. Чтение и повторное чтение данных, фиксирование первых наблюдений.
2. Кодирование. Присвоение коротких меток значимым сегментам по всему набору данных в два или более раундов.
3. Генерация первоначальных тем. Группировка кодов в потенциальные смысловые паттерны.
4. Разработка и проверка тем. Проверка каждого кандидата на соответствие закодированным данным и всему набору данных. Разделение, объединение или удаление тем по мере необходимости.
5. Доработка, определение и именование тем. Определение рамок и сути каждой темы и присвоение ей информативного названия.
6. Написание отчета. Объединение аналитического повествования с выдержками из данных и связь его с существующей литературой.

На их сайте процесс описывается честно: «анализ обычно представляет собой рекурсивный процесс». Будьте готовы вернуться к кодированию после того, как начнете формировать темы.

В чем AI помогает, а где он не должен принимать решения

AI действительно полезен на этапах, связанных с большими объемами информации. Он может быстро прочитать сорок транскриптов, предложить потенциальные коды, извлечь все фрагменты, соответствующие коду, и подсчитать, как часто встречается тот или иной паттерн.

Он не должен принимать решения, требующие интерпретации. Браун и Кларк пишут, что «качественный анализ — это квалифицированный, ситуативный, субъективный процесс». Модель не разделяет вашей заинтересованности в исследовательском вопросе и знает только тот контекст, который вы ей предоставляете.

В их разделе часто задаваемых вопросов высказывается аналогичная мысль о программном обеспечении для анализа. Важно, пишут они, «быть понимающим исследователем». Это означает использование любого инструмента таким образом, который соответствует ценностям выбранного вами подхода.

Разумное разделение обязанностей выглядит следующим образом:

Этап	Что может сделать AI	Что решаете вы
Ознакомление	Сделать саммари каждого транскрипта, отметить удивительные фрагменты	Какие фрагменты важны для вашего вопроса
Кодирование	Предложить коды первого прохода и последовательно их применить	Какие коды оставить, объединить или переименовать
Генерация тем	Сгруппировать коды и извлечь подтверждающие фрагменты	Является ли группа реальным смысловым паттерном
Проверка тем	Найти в наборе данных контрпримеры	Выдерживает ли тема проверку
Именование тем	Предложить названия и определения в одну строку	Окончательное название и история, которую оно раскрывает
Написание отчета	Набросать разделы и собрать цитаты	Аргументация и выводы

Если вы используете подход с книгой кодов, результаты работы AI могут служить ее черновиком. Если вы используете рефлексивный тематический анализ, относитесь к кодам AI как к пище для размышлений, а не как к самому анализу.

Какой бы подход вы ни использовали, фиксируйте, как именно привлекался AI. Отметьте инструмент, этапы, в которых он помог, и то, что вы изменили впоследствии. Короткий абзац о методологии ответит на этот вопрос еще до того, как его задаст рецензент, экзаменатор или заинтересованное лицо.

Что вам понадобится перед началом работы

Подготовьте четыре вещи, прежде чем какой-либо инструмент AI прикоснется к данным.

Четкий исследовательский вопрос. Каждый код и тема оцениваются по отношению к нему. Вопрос «Что испытывают клиенты во время онбординга?» приведет к иному анализу, чем «Почему клиенты уходят в первый месяц?»

Очищенные, обезличенные транскрипты. Удалите имена, названия компаний, адреса электронной почты и любые детали, идентифицирующие участника. Сделайте это до загрузки, а не после. Проверьте этическое одобрение или формы согласия на наличие ограничений на использование сторонних инструментов.

Документ для собственных заметок и размышлений. Рефлексивный тематический анализ выдвигает на первый план точку зрения исследователя. Ведите постоянный учет своих предположений и реакций по мере чтения, отдельно от всего, что генерирует AI.

Единый формат файлов. Один файл на интервью с разметкой спикеров упрощает отслеживание каждого фрагмента до его источника. Ведите простой индекс, связывающий коды участников с датами интервью.

Как проводить тематический анализ с помощью AI

Описанные ниже шаги соответствуют шести этапам, сгруппированным в три рабочие сессии.

Шаг 1: Загрузите транскрипты и задайте исследовательский вопрос

Загрузите обезличенные транскрипты в рабочее пространство AI, такое как Powerdrill Bloom. В его тарифных планах указана поддержка загрузки Excel, CSV, PDF и документов, поэтому транскрипты в Word или PDF подойдут без изменений. Открытые ответы на опросы, экспортированные в электронную таблицу, тоже сработают.

Сначала, перед любым запросом, сформулируйте исследовательский вопрос. Затем попросите сделать краткое саммари каждого транскрипта и составить список фрагментов, относящихся к вопросу.

Прочитайте эти саммари, а затем прочитайте сами транскрипты. Саммари от AI ускоряют ознакомление, но не заменяют его. Запишите свои первые впечатления в отдельном документе, прежде чем смотреть на коды, сгенерированные AI.

Шаг 2: Сгенерируйте коды первого прохода, затем проведите кодирование самостоятельно

Попросите AI предложить коды для каждого транскрипта. Запросите короткие метки, определение в одну строку для каждой из них и точные фрагменты, которые их подтверждают.

Полезный запрос должен быть коротким и конкретным. Закодируйте транскрипт на предмет всего, что имеет отношение к исследовательскому вопросу, ограничьте метки пятью словами и приведите точную цитату для каждой. Запрос точных фрагментов позволяет легко заметить, если код отклонился от того, что на самом деле сказал участник.

Затем проведите второй раунд кодирования самостоятельно. Сравните свои коды со списком AI. Там, где они совпадают, код, скорее всего, описывает нечто явно присутствующее. Там, где они расходятся, присмотритесь внимательнее. Либо AI заметил то, что вы упустили, либо он пометил поверхностные формулировки, а не смысл.

Обеспечьте отслеживаемость каждого фрагмента. Каждый код должен указывать на участника и отрывок. На главной странице Powerdrill Bloom говорится, что каждое число «возвращается со страницей, строкой и стоящей за ним цифрой», и такая же прослеживаемость важна для цитат.

Шаг 3: Сформируйте потенциальные темы и проверьте их на соответствие данным

Попросите AI сгруппировать ваши окончательные коды в потенциальные темы с подтверждающими фрагментами для каждой. Относитесь к этим группам как к отправной точке.

Для каждого кандидата задайте один вопрос: стоит ли за ним центральная концепция или идея? Если ответом является лишь общая тема обсуждения, то это еще не тема исследования. Разделите ее, объедините или удалите.

Затем протестируйте каждую тему. Попросите AI найти фрагменты, которые ей противоречат. Тема, выдержавшая целенаправленный поиск контрпримеров, сильнее той, которая никогда не подвергалась сомнению.

Наконец, дайте название каждой теме и напишите определение из двух предложений. Набрасывайте текст отчета раздел за разделом и проверяйте каждую цитату по исходному транскрипту, прежде чем включать ее в отчет.

Практический пример

Вот краткая версия процесса на примере исследования продукта с участием двенадцати клиентов. Исследовательский вопрос заключался в том, почему новые клиенты прекращали использовать продукт в течение 30 дней.

Коды AI первого прохода включали «настройка заняла слишком много времени», «непонятное ценообразование» и «требовалось одобрение IT».

После второго раунда кодирования исследователь заметил, что все три кода появились в интервью с людьми, которые не выбирали продукт самостоятельно.

В результате появилась тема «внедрение без чувства сопричастности». У клиентов, которым продукт достался «по наследству», не было причин преодолевать первоначальные трудности.

Затем исследователь попросил AI найти контрпримеры: клиентов, которые не выбирали продукт сами, но все равно остались. Подошли два интервью. В обоих описывался коллега, который показал им быструю выгоду в первую неделю, что скорее уточнило тему, а не опровергло ее.

AI быстро выявил коды. Но сама тема возникла благодаря тому, что исследователь заметил, кто именно произносил эти слова, что ни один код сам по себе не отражал.

Как представлять результаты тематического анализа

Раздел результатов обычно начинается с таблицы тем, после чего каждая тема обсуждается с подтверждающими фрагментами. В таблице ниже показан распространенный формат.

Тема	Определение	Участники	Пример фрагмента
Внедрение без чувства сопричастности	У пользователей, которые не выбирали продукт сами, было мало причин проявлять упорство	7 из 12	«Мне сказали им пользоваться, поэтому я делал минимум».
Настройка как первое впечатление	Первоначальные усилия по настройке формировали общее представление о продукте	9 из 12	«Если первый час дается тяжело, думаешь, что и дальше будет так же».

После таблицы добавьте короткий раздел для каждой темы. Объясните центральную идею, покажите две или три выдержки и свяжите ее с вашим исследовательским вопросом.

Выбирайте фрагменты, которые показывают тему с разных сторон, а не три цитаты об одном и том же. Делайте их короткими и всегда привязывайте к коду участника. Читатели больше доверяют теме, когда видят ее в изложении нескольких разных людей.

Количество участников дает полезный контекст, но подход Браун и Кларк не рассматривает частоту упоминаний как меру важности. Тема, упомянутая четырьмя людьми, может иметь большее значение, чем тема, упомянутая десятью.

Для аудитории заинтересованных сторон те же результаты часто превращаются в короткую презентацию. Инструмент AI research synthesis описывает этот путь, объединяя транскрипты и опросы в темы, доказательства и презентацию для стейкхолдеров.

Тематический анализ против контент-анализа

Эти два метода часто путают, поскольку оба работают с качественными данными.

	Тематический анализ	Контент-анализ
Основная цель	Интерпретировать смысловые паттерны	Категоризировать и часто подсчитывать контент
Результат	Темы с центральной идеей	Категории с частотой упоминаний
Роль подсчета	В лучшем случае вспомогательный контекст	Часто центральная
Лучше всего подходит для	Понимания опыта и взглядов	Измерения того, как часто что-то появляется

Если ваш вопрос звучит как «как часто клиенты упоминают ценообразование?», подойдет контент-анализ. Если же он звучит как «что ценообразование значит для клиентов?», подойдет тематический анализ.

В некоторых проектах оба метода используются последовательно. Частотный анализ по большому набору данных показывает, где сосредоточен основной объем. Затем тематический анализ на меньшей, сфокусированной выборке объясняет, что этот объем означает.

Для масштабной обратной связи, такой как тысячи отзывов или тикетов поддержки, часто в первую очередь необходим частотный анализ. Инструмент Voice of Customer Summarizer объединяет каналы обратной связи в темы с указанием частоты и репрезентативной дословной цитатой для каждой.

Тематический анализ в Excel

Многие исследователи до сих пор кодируют в электронных таблицах, и это хорошо работает для небольших исследований. Простая структура предполагает использование одной строки на каждый фрагмент.

• Столбец A: код участника.
• Столбец B: фрагмент, скопированный точно.
• Столбец C: код первого раунда.
• Столбец D: код второго раунда.
• Столбец E: потенциальная тема.

Фильтрация по теме позволяет увидеть все подтверждающие фрагменты на одном экране. Подсчет строк по темам и участникам также сразу показывает, не держится ли тема лишь на одном разговорчивом респонденте. Ограничением здесь является масштаб. Когда количество фрагментов превышает несколько сотен, ручная сортировка и перекодирование замедляются — именно здесь кластеризация с помощью AI экономит больше всего времени.

Если ваш проект также включает обзор опубликованных исследований, этот этап описан в нашем руководстве по написанию обзора литературы с помощью AI.

Распространенные ошибки

• Отношение к топикам как к темам. «Общение» — это топик. Тема же говорит что-то конкретное об этом.
• Принятие кодов AI без второго раунда. Коды первого прохода часто помечают формулировки, а не смысл.
• Загрузка идентифицируемых данных. Обезличивайте транскрипты перед любой загрузкой.
• Использование подсчета в качестве доказательства. Частота упоминаний поддерживает тему, но не создает ее.
• Пропуск поиска контрпримеров. Тема, которая никогда не подвергалась сомнению, слабее, чем кажется.
• Позволение AI давать названия темам. Названия несут в себе аргументацию, поэтому формулируйте их самостоятельно после того, как темы будут определены и согласованы.

Правильное выполнение этих шагов — то, что отличает заслуживающий доверия анализ от простого резюме с заголовками. Если вы хотите быстрее читать, кодировать и кластеризовать собственные транскрипты, вы можете попробовать Powerdrill Bloom на одном исследовании.

Часто задаваемые вопросы

Что такое тематический анализ простыми словами?

Тематический анализ — это способ поиска и интерпретации смысловых паттернов в качественных данных, таких как интервью. Исследователь кодирует данные, группирует коды в темы и объясняет, что каждая тема говорит об исследовательском вопросе.

Каковы шесть шагов тематического анализа?

Шесть этапов Браун и Кларк — это ознакомление с набором данных, кодирование, генерация первоначальных тем, разработка и проверка тем, а также доработка, определение и именование тем. Шестой этап — написание отчета. Они отмечают, что эти этапы не являются жесткими правилами.

Может ли AI проводить тематический анализ?

AI может помочь с объемной работой, такой как составление саммари транскриптов, предложение кодов и извлечение фрагментов. Интерпретационная работа по определению значения темы по-прежнему требует участия исследователя. Браун и Кларк описывают качественный анализ как квалифицированный, ситуативный, субъективный процесс.

Сколько тем должно быть в тематическом анализе?

Браун и Кларк утверждают, что «не существует точной формулы для определения количества тем в ТА». Это зависит от данных, исследовательского вопроса и объема отчета. Анализ может подробно раскрывать одну тему или давать более широкий обзор.

В чем разница между тематическим анализом и контент-анализом?

Тематический анализ интерпретирует смысловые паттерны и формирует темы. Контент-анализ классифицирует содержание и часто подсчитывает частоту появления категорий. Выбирайте тематический анализ для понимания опыта, а контент-анализ — для измерения частоты.

Sources: Braun and Clarke, Thematic Analysis · Understanding TA · Doing Reflexive TA · Thematic Analysis FAQs. Практический пример и таблица результатов приведены для иллюстрации.