A análise temática é um método de análise de dados qualitativos que implica a pesquisa através de um conjunto de dados para identificar, analisar e relatar padrões repetidos (Braun & Clarke, 2006). É considerado um bom primeiro método analítico para pesquisadores qualitativos iniciantes dominarem. É um método apropriado e poderoso para usar quando se procura compreender um conjunto de experiências, pensamentos ou comportamentos através de um conjunto de dados (Braun & Clarke, 2012). Ele é projetado para buscar significados comuns ou compartilhados e, portanto, menos adequado para examinar significados ou experiências únicas de uma única pessoa ou item de dados (Kiger & Varpio, 2020, p. 2). Através de uma análise temática, o pesquisador constrói temas para ressignificar, reinterpretar e/ou conectar elementos dos dados, o que significa que os temas não são meramente ferramentas organizacionais, usadas para classificar e rotular dados, e que a análise temática vai mais longe nos processos de interpretação e transformação de dados, mas não ao ponto de desenvolver uma teoria, que é o objetivo principal da teoria fundamentada nos dados (Glaser & Strauss, 1967).
Na análise temática, o tema é uma resposta padronizada ou significado derivado dos dados que informam a questão de pesquisa (Braun & Clarke, 2006, p. 82). É mais abstrato do que uma categoria, e os pesquisadores podem identificar temas independentemente do número de vezes que uma determinada ideia ou item relacionado a esse tema aparece em um conjunto de dados. Assim, de acordo com os autores acima mencionados, um tema pode receber um espaço considerável em alguns itens de dados, e pouco ou nenhum em outros, ou pode aparecer em relativamente pouco do conjunto de dados. Portanto, cabe ao pesquisador determinar o que é um tema, e os pesquisadores têm grande flexibilidade ao identificar temas. Eles podem usar uma abordagem indutiva ou dedutiva para a identificação de temas (Braun & Clarke, 2012, p. 12). O primeiro deriva temas dos dados do pesquisador, e não é necessariamente reflexo dos interesses teóricos ou crenças do pesquisador sobre o assunto. Por outro lado, uma abordagem dedutiva usa uma teoria, estrutura ou outro foco orientado pelo pesquisador pré-existente para identificar temas de interesse (Braun & Clarke, 2012, p. 12).
Segundo Boyatzis (1998), há dois níveis em que os temas podem ser identificados: semântico ou manifesto, abordando significados mais explícitos ou superficiais dos itens de dados, e latente ou interpretativo, refletindo significados, pressupostos ou ideologias mais profundos. Assim, os temas semânticos são identificados sem procurar nada além do que um participante disse ou do que foi escrito, enquanto os temas latentes são o resultado do exame de ideias, pressupostos, ideologias subjacentes que moldam ou informam o conteúdo semântico dos dados.
O método de análise temática mais amplamente adotado consiste em seis etapas (Clarke e Braun, 2017). Trata-se de um processo recursivo, e não linear, no qual etapas subsequentes podem levar o pesquisador a voltar para etapas anteriores à luz de novos dados ou novos temas emergentes que merecem investigação mais aprofundada (Kiger & Varpio, 2020, p. 3). As etapas são as seguintes:
- familiarizar-se com os dados – com todo o conjunto de dados, o que requer uma leitura repetida e ativa dos dados. Embora demorada, a transcrição de gravações de áudio é uma excelente maneira de se familiarizar com os dados.
- geração de códigos iniciais – um código é o segmento mais básico de dados brutos que pode ser avaliado de forma significativa em relação ao fenômeno (Boyatzis, 1998, p. 63). Um código deve ser suficientemente bem definido para não se sobrepor a outros códigos e deve caber logicamente dentro de uma estrutura/modelo de codificação maior. Uma vez definido o modelo de codificação, os pesquisadores aplicam os mesmos códigos a todo o conjunto de dados, rotulando extrações de dados com códigos relevantes, anotando quaisquer padrões potenciais ou conexões entre itens que possam informar o desenvolvimento subsequente do tema. Um único extrato pode ser rotulado com vários códigos, se relevante (Braun & Clarke, 2006).
- Pesquisa de temas – Os extratos codificados são examinados a fim de encontrar potenciais temas de significado mais amplo. Braun e Clarke (2012) oferecem uma analogia de que, se toda uma análise é vista como uma casa, os códigos individuais são tijolos e telhas, e os temas são as paredes e o telhado. Assim, os temas não emergem simplesmente dos dados – eles são construídos pelo pesquisador através da análise, combinação, comparação e até mapeamento gráfico de como os códigos se relacionam entre si. Em uma análise indutiva, os pesquisadores derivam temas dos dados codificados, e eles são reflexos do conjunto de dados, enquanto em uma análise dedutiva, o desenvolvimento do tema é informado por teorias predefinidas, e esses temas se concentram mais em um aspeto particular do conjunto de dados ou uma questão específica de interesse (Braun & Clarke, 2006). Os mapas temáticos ajudam a demonstrar visualmente as ligações cruzadas entre temas e subtemas. O pesquisador deve ser inclusivo neste momento, e anotar qualquer tema de potencial significância, independentemente de estar diretamente relacionado à questão de pesquisa, e independentemente da quantidade de dados que se enquadra neles (Kiger &Varpio, 2020, p. 5). Os pesquisadores podem até criar um tema diverso para incorporar os códigos que não se encaixam bem no modelo de tema.
- Revisão de temas – O pesquisador analisa dados codificados colocados dentro de cada tema para garantir que eles sejam coerentes no apoio ao tema, que tenham semelhança suficiente, mas sejam diferentes o suficiente para merecer separação. Assim, as extrações de dados podem ser reordenadas neste ponto, e os temas podem ser modificados, adicionados, combinados, divididos, descartados, para refletir melhor os dados codificados (Kiger & Varpio, 2020, p. 6). O pesquisador deve manter anotações detalhadas sobre seus processos de pensamento e decisões tomadas sobre como os temas foram desenvolvidos, modificados, removidos. Quando o pesquisador decide que o mapa temático cobre adequadamente todos os dados codificados, ele começa a verificar se os temas individuais se encaixam significativamente no conjunto de dados e se o mapa temático representa com precisão todo o conjunto de dados (Braun & Clarke, 2006). O mapa temático deve demonstrar claramente como os temas se relacionam. O pesquisador tem que reler todo o conjunto de dados para reexaminar os temas e recodificar para dados adicionais recém-criados ou modificados nesta fase, e então revisar o mapa temático de acordo (Braun & Clarke, 2006), confirmando assim a natureza recursiva da análise temática (Kiger & Varpio, 2020, p. 7).
- Definição e nomeação de temas – É criada uma descrição narrativa de cada tema. Os nomes dos temas são então revistos para garantir que são breves e suficientemente descritivos. São identificadas as áreas sobrepostas de temas, bem como subtemas. Extratos de dados que ilustrem as principais características dos temas, e que devem ser apresentados no relatório final, devem ser selecionados nesta fase, e narrativas sobre eles devem ser criadas (Braun & Clarke, 2012).
- produzir o relatório/manuscrito – redigir a análise final e descrição dos resultados, que é a continuação da análise e interpretação já feitas (King, 2004, p. 267). Devem ser utilizadas descrições narrativas e extratos de dados representativos (citações diretas dos participantes). A seção de discussão pode ampliar a análise relacionando temas a questões maiores, discutindo implicações de descobertas e questionando os pressupostos e pré-requisitos que deram origem aos temas (Braun & Clarke, 2016). A referência à literatura relacionada também pode aumentar a força da análise, construindo suporte para o motivo pelo qual determinados temas foram selecionados e situando os achados dentro do corpo de literatura existente.
A análise temática é simples de dominar e aplicar. É um método poderoso de análise de dados, que permite aos investigadores interpretar uma vasta gama de conjuntos de dados. A natureza flexível desta análise pode tornar difícil para alguns pesquisadores determinar em quais aspetos dos dados se concentrar e quais referenciais teóricos usar para sua análise.