Can thematic analysis be used in quantitative research?

Can thematic analysis be used in quantitative research?

The short answer is yes, with important caveats. Tematik analiz is primarily a qualitative method. It was developed to identify, organize, and interpret patterns of meaning within qualitative data such as interview transcripts, open-ended survey responses, and field notes. But researchers across disciplines have found productive ways to bring thematic analysis into quantitative and mixed-methods frameworks. The key is understanding what changes when you move themes from the qualitative world into a quantitative one, and what gets lost in the translation.

Araştırmacılar niceliksel araştırmada tematik analiz kullanmaktan bahsettiğinde, genellikle üç şeyden birini kasıtlı olarak anlarlar. Birincisi, niteliksel kodlamadan sonra tema sıklıkları sayarak sayısal veri oluşturabilirler. İkincisi, tematik analizi karma yöntemli bir çalışmanın niteliksel bileşeni olarak kullanabilirler. Üçüncüsü, tematik analizle çakışan ancak başından itibaren ölçülebilir çıktılar üreten yapılandırılmış içerik analizi tekniklerini uygulayabilirler. Bu yaklaşımların her birinin farklı güçleri vardır ve her biri farklı bir metodolojik gerekçe düzeyi gerektirir.

Understanding thematic analysis in research

Virginia Braun ve Victoria Clarke tarafından etkili 2006 makaleleri içinde tanımlanan tematik analiz, veriler içindeki desenleri (temalar) tanımlamak, analiz etmek ve rapor etmek için bir yöntemdir. Esnek, erişilebilir ve herhangi bir tek teorik çerçeveye bağlı değildir. Bu esneklik, psikoloji, eğitim, sağlık bilimleri, işletme araştırması ve daha geniş sosyal bilimler arasında en yaygın kullanılan niteliksel yöntemlerden biri haline gelmesinin nedenlerinden biridir.

Braun ve Clarke altı aşamalı bir süreci özetledi: verilerle kendinizi tanıştırma, başlangıç kodları oluşturma, temaları arama, temaları gözden geçirme, temaları tanımlama ve adlandırma ve raporu üretme. Bu süreç doğrusal değil yinelemeli. Araştırmacılar, anlayışları derinleştikçe aşamalar arasında ileri geri hareket ederler. Yöntem, temalar bulmanın pasif olarak değil, sanki önceden varolan nesneleri bulmayı bekleyerek değil, temalar inşa etmede araştırmacının aktif rolünü vurgular.

The qualitative foundation of thematic analysis

Tematik analizin doğası gereği nitel yapmasını, anlamına odaklanması yapar. Bir tema, araştırma sorusu ile ilişkili olarak veriler hakkında önemli bir şey yakalar. Paylaşılan anlamın bir örüntüsünü, merkezi bir konsept etrafında organize edilmiş olarak temsil eder. Braun ve Clarke, temaların yalnızca frekansı tarafından belirlenmediklerini açıkça belirtmişlerdir. Veri öğelerinin yalnızca az sayıda görünen bir tema, fenomen hakkında önemli bir şeyi yakalarsa yine de analitik olarak önemli olabilir.

This matters because the most common way researchers try to “quantify” thematic analysis is by counting how often themes occur. While frequency counting can be informative, it does not capture the richness, context, or interpretive depth that makes thematic analysis valuable in the first place. A theme mentioned once by a participant who provides deep, detailed insight may be more analytically important than a theme mentioned briefly by twenty participants. Qualitative thematic analysis preserves that distinction. Purely quantitative approaches risk flattening it.

Braun ve Clarke kendileri, nitel araştırmaya yönelik “küçük q” yaklaşımları olarak adlandırdıkları şeylere karşı geri tepki göstermişlerdir; burada nitel yöntemler kantitatif analiz için kategoriler oluşturmak üzere bir ön adım olarak kabul edilir. Bunun tematik analizin epistemolojik temelini yanlış anladığını ve zengin bir yorumlayıcı yöntemi basit bir sıralama egzersizine düşürdüğünü savunuyorlar. Tematik analiziyi kantitatif bağlamlarda kullanmak isteyen araştırmacılar bu eleştiriden haberdar olmalı ve metodolojik gerekçelendirilmelerinde bunun hesabını vermelidirler.

How researchers apply thematic analysis to quantitative data

Tematik analizin niteliksel köklerine rağmen, tematik çıktıları niceliksel araştırma tasarımlarında kullanmanın meşru ve iyi kurulmuş yolları vardır. Araştırmacılar bunu onlarca yıldır yapıyorlar ve yaklaşımlar zamanla daha rafine hale gelmiştir. Anahtar, ne yaptığınız ve neden yaptığınız konusunda şeffaf olmaktır, böylece gözden geçirenler ve okuyucular metodolojik seçimlerinizi değerlendirebilir.

Frequency counting of themes

En doğrudan yaklaşım, önce standart nitel tematik bir analiz yapıp, her temaın veri öğeleri arasında ne sıklıkta göründüğünü saymaktır. Bu, tablolarda, çubuk grafiklerde veya açıklayıcı istatistiklerde raporlanabilen frekans verisi üretir. Örneğin, bir sağlık programıyla deneyimleri hakkında 40 katılımcıyı görüşür ve altı tema tanımlarsanız, Tema A’nın 40 görüşmenin 32’sinde () göründüğünü, Tema B’nin 24’te () göründüğünü raporlayabilirsiniz.

Bu yaklaşım, paydaşların sadece hangi temaların var olduğunu değil, bunların ne kadar yaygın olduğunu anlamak istediği sağlık hizmetleri araştırması, eğitim ve örgütsel çalışmalarda yaygındır. Orta ölçekli bir nitel örneğiniz olduğunda (tipik olarak 30 veya daha fazla katılımcı) ve okuyuculara veri kümesi genelinde farklı temaların göreceli önemini hissettirmek istediğinizde iyi çalışır.

Sınırlama, yaygınlığın önemliliğe eşit olmadığıdır. Her röportajda görünen bir tema nispeten yüzeysel olabilirken, yalnızca birkaç röportajda görünen bir tema kritik bir içgörüyü temsil edebilir. İyi araştırmacılar, her temanın derinliğini ve bağlamını koruyan nitel açıklamalar ile birlikte frekansları bildirir.

Code occurrence matrices

Kod oluşum matrisi (bazen kod-belge matrisi veya çapraz tabulasyon matrisi olarak da adlandırılır), hangi kodların ve temaların hangi veri öğelerinde göründüğünü eşleştiren yapılandırılmış bir tablodur. Satırlar veri kaynağını (bireysel mülakatlar, belgeler veya davalar) temsil eder; sütunlar kodları veya temaları temsil eder. Hücreler ikili değerler (mevcut/yok) veya sıklık sayılarını içerir.

Bu matris formatı, araştırmacıların nitel kodlama çıktılarına nicel teknikler uygulamasını sağlar. Cohen’s kappa gibi ara kodlayıcı güvenilirlik istatistiklerini hesaplayarak kodlama tutarlılığını birden fazla kodlayıcı arasında değerlendirebilirsiniz. Belirli temaların aynı veri öğelerinde birlikte görünme eğiliminde olduğu ortak görülme modellerini tanımlayabilirsiniz. Katılımcı alt grupları arasında tema dağılımlarını istatistiksel testler kullanarak karşılaştırabilirsiniz.

Kod oluşum matrisleri, birden fazla analistin verileri kodladığı ve çalışmalarını sistematik bir şekilde karşılaştırması ve uzlaştırması gereken takım tabanlı araştırma projelerinde özellikle yararlıdır. Ayrıca temaların ham verilerle nasıl eşleştiğinin açık denetim izini sağlayarak şeffaflığı desteklerler.

Chi-square tests and statistical comparisons on coded categories

Nitel kodlar kategorik değişkenlere dönüştürüldüğünde, araştırmacılar standart istatistiksel testleri uygulayabilirler. Ki-kare testleri yaygın olarak tema dağılımlarının gruplar arasında önemli ölçüde farklılık gösterip göstermediğini belirlemek için kullanılır. Örneğin, erkek ve kadın katılımcıların belirli bir temayı önemli ölçüde farklı oranlarda anıp anmadığını veya farklı organizasyonel düzeylerden katılımcıların farklı endişeleri gündeme getirip getirmediğini karşılaştırabilirsiniz.

Diğer istatistiksel yaklaşımlar, lojistik regresyon (katılımcı özelliklerine dayalı olarak bir temanın varlığını veya yokluğunu tahmin etme), küme analizi (katılımcıları tema profillerine göre gruplama) ve yazışma analizi (temalar ile katılımcı kategorileri arasındaki ilişkileri iki boyutlu bir alanda görselleştirme) içerir. Bu yöntemler, niteliksel kodlamanın çıktılarını kategorik veriler olarak ele alır ve niteliksel yorum yoluyla tek başına görülmeyebilecek desenleri belirlemek için nicel araçlar uygular.

Content analysis overlap

Tematik analiz ve nicel içerik analizi önemli metodolojik örtüşmeyi paylaşır; bu, “nitel tematik analiz” ile “nicel içerik analizi” arasındaki sınırın bulanık hissettirilmesinin bir nedenidir. Klaus Krippendorff ve Kimberly Neuendorf gibi araştırmacılar tarafından geliştirilen nicel içerik analizi, metinsel kaynaklardan sayısal veriler üretmek için açıkça tasarlanmıştır. Kodlama güvenilirliğini, sistematik örneklemeyi ve kod frekanslarının istatistiksel analizini vurgular.

Bazı araştırmacılar kodlama çerçevesini geliştirmek için tematik analiz kullanırlar (önemli olan kategorileri ve temaları tanımlarlar) ve sonra sistematik kodlama ve nicelleştirme için bir içerik analizi yaklaşımına geçerler. Bu hibrit yaklaşım, tematik analizin yorumlayıcı derinliğini içerik analizinin titizliği ve tekrarlanabilirliği ile birleştirir. Bu özellikle medya çalışmaları, iletişim araştırması ve politika analizinde yaygındır.

Mixed-methods approaches to thematic analysis

Karma yöntemli araştırma, nitel ve nicel veri toplama ve analizi açıkça tek bir çalışma veya araştırma programı içinde birleştirir. Tematik analiz, sıklıkla karma yöntemli tasarımlarda nitel bileşen olarak hizmet eder ve bu tasarımlar, nitel temaları nicel veriler ile irtibata geçirmek için metodolojik olarak en sağlam çerçeveyi sağlar.

Sequential explanatory designs

Sıralı bir açıklayıcı tasarımda, araştırmacılar önce nicel verileri toplar ve analiz ederler, ardından nitel verileri (tematik analiz aracılığıyla analiz edilen) nicel bulguları açıklamak veya detaylandırmak için kullanırlar. Örneğin, bir anket departmanlar arasında çalışan memnuniyetinin önemli ölçüde farklılık gösterdiğini ortaya çıkarabilir. Tematik analiz aracılığıyla analiz edilen takip görüşmeleri neden olduğunu ortaya çıkarabilir: belki bir departmanın zehirli bir yönetim tarzı vardır, diğeri ise güçlü eş mentorluğundan yararlanır. Temalar sayıları açıklar.

Sequential exploratory designs

Sıralı keşifsel bir tasarımda, nitel veriler ilk gelir. Araştırmacılar görüşmeler yürütür, bunları tematik olarak analiz eder ve ortaya çıkan temaları sonraki nitel aşama için anket enstrümanları, ölçekler veya kodlama çerçeveleri geliştirmek için kullanır. Bu, tematik analizin nitel araştırmaya beslendiği en yaygın yollardan biridir. Nitel aşamada üretilen temalar, nicel aşamada ölçülen değişkenler haline gelir.

Örneğin, telemedicine benimsenmesinin engelleri hakkında araştırma yapan bir araştırmacı 20 mülakat yapabilir, “teknoloji kaygısı,” “gizlilik endişeleri” ve “sağlayıcı ilişkisi kalitesi” gibi temaları belirleyebilir ve ardından her temayı ölçen öğeler içeren bir anket gelişttirebilir. Anket daha sonra geniş bir örnekleme yönetilir ve nicel olarak analiz edilir. Tematik analiz, nicel enstrüman için kavramsal temeli sağlamıştır.

Concurrent designs

Eş zamanlı veya yakınsak tasarımlarda, nitel ve kantitatif veriler aynı anda toplanır ve ayrı ayrı analiz edilir, ardından sonuçlar karşılaştırılır ve entegre edilir. Bir araştırmacı yapılandırılmış bir anket yönetebilir ve aynı katılımcılarla yarı yapılandırılmış mülakatlar yürütebilir. Anket verileri istatistiksel olarak analiz edilirken, mülakat verileri tematik olarak analiz edilir. Entegrasyon, araştırmacının kantitatif desenleri ve nitel temaları yakınsak, ıraksadığını veya birbirini tamamladığını incelendiği yorumlama aşamasında gerçekleşir.

Bu yaklaşım değerlendirme araştırması, halk sağlığı ve eğitimde yaygındır. Araştırmacıların bulgularını yöntemler arasında üçgenlemesine izin verir ve genel kanıt tabanını güçlendirir. Nicel sonuçlar ve nitel temalar aynı yöne işaret ettiğinde, bulgulara olan güven artar. Farklılık gösterdiklerinde, sapmanın kendisi daha fazla araştırma gerektiren üretken bir bulgu haline gelir.

When quantitative thematic analysis works well

Her araştırma bağlamı temalarının nicelleştirilmesinden yararlanmaz. Ancak gerçek değer katan ve metodolojik açıdan savunulabilir olan durumlar vardır.

Large qualitative samples

50, 100 veya daha fazla katılımcıdan elde edilen niteliksel verileriniz olduğunda, temaların tamamen niteliksel olarak raporlanması zorlaşır. Okuyucular bu kadar çok bireysel perspektifi aynı anda zihinlerinde tutamazlar. Frekans verileri, tematik peyzajın üst düzey bir haritasını sağlayarak yardımcı olur. Hangi temaların yaygın olduğunu ve hangilerin belirli alt gruplarda yoğunlaştığını okuyuculara gösterir. Temsili alıntılar ve detaylı açıklamalarla birlikte kullanıldığında, frekans verileri niteliksel analizi zayıflatmak yerine güçlendirir.

Pre-existing codebooks and frameworks

Araştırmacılar, teori veya önceki araştırmalardan türetilen önceden tanımlanmış kodlar kullanarak tümdengelim veya şablon analizi yaklaşımını kullanırken, nicelikleştirme daha doğaldır. Kodlar zaten kategoriler olarak yapılandırılmıştır ve bunların veri öğeleri arasında meydana gelme sayısını saymak doğrudan bir uzantıdır. Bu, uygulamayı, sosyal bilimlerde yaygındır; araştırmacılar Consolidated Framework for Implementation Research gibi yerleşik çerçeveleri kodlama şablonları olarak kullanır ve ardından her bir yapının çalışma sitelerinde ne sıklıkta göründüğünü raporlar.

Comparative studies across groups

Araştırma sorusu açıkça grupları karşılaştırmayı içerdiğinde (farklı kuruluşlar, demografik kategoriler, müdahale koşulları veya zaman dönemleri), temaların nicelleştirilmesi sistematik karşılaştırma sağlar. Belirli temaların bir grupta diğerinden daha yaygın olduğunu gösterebilir ve bu farklılıkların istatistiksel olarak anlamlı olup olmadığını test edebilirsiniz. Bu, yalnızca nitel anlatı temeline dayanarak yapılması zor olacak grup düzeyinde desenler hakkında iddialar destekler.

Stakeholder audiences that expect numbers

Program değerlendirmesi, politika analizi ve pazar araştırması gibi uygulamalı araştırma bağlamlarında, hedef kitleler çoğu zaman nicel kanıt bekler. Finansman kuruluşları, politika yapıcılar ve kuruluş liderleri, saf anlatı raporlarından daha fazla tema sıklıklarını işlem yapılabilir bulabilirler. Temaları nicelleştirmek, nitel bulguları temel yorumlayıcı çalışmayı aksatmadan bu kitleler için daha erişilebilir ve ikna edici hale getirebilir.

Limitations of quantifying themes

Araştırmacılar, temalar sayıya dönüştüğünde neyin kaybedildiği konusunda dürüst olmalıdır. Sınırlamalar gerçektir ve bunu görmezden gelmek herhangi bir çalışmanın metodolojik temelini zayıflatır.

Loss of context and nuance

Bir tema bir sayıya indirgendiğinde, arkasındaki verinin zenginliği kaybolur. “İş-yaşam dengesi” görüşmelerin ’inde göründüğünü gösteren bir frekans tablosu, katılımcıların tanımladığı belirli mücadeleler, hesaplarının duygusal ağırlığı veya deneyimlerinde çelişkiler hakkında hiçbir şey söylemez. Tema etiketi, başlangıçta yakalamak için tasarlanan karmaşıklığı gizleyen bir kapsayıcı haline gelir.

İyi karma yöntem araştırmacıları bunu frekans verileri ile niteliksel açıklamaları, genişletilmiş alıntıları ve vaka örneklerini sunarak hafifletir. Sayılar genel bir bakış sağlar; niteliksel malzeme derinlik sağlar. Yalnızca sayıları sunmak metodolojik bir hatadır.

Researcher interpretation challenges

Tematik analiz her aşamada yorumlama içerir. Aynı veri kümesini analiz eden iki araştırmacı, teorik oryantasyonlarına, araştırma sorularına ve analitik lenslerine bağlı olarak farklı temalar tanımlayabilir. Bu, niteliksel araştırmanın bir zayıflığı değildir. Bir özelliktir. Ancak temaları objektif kategoriler olarak ele aldığınız ve bunları sabit varlıklar gibi saydığınız zaman sorun haline gelir.

Temaları nicelleştirmek yanlış bir kesinlik hissi yaratabilir. “Tema X görüşmelerin ’sinde göründü” gibi bir sayı, Tema X’in farklı kodlayıcıların tutarlı bir şekilde tanımlayabileceği istikrarlı, açık seçik bir kategori olduğunu ima eder. Uygulamada, temaların sınırları genellikle fuzzy (belirsiz) ve makul analistler aynı pasajı farklı şekilde kodlayabilir. Inter-rater güvenilirlik istatistiklerinin raporlanması yardımcı olur, ancak nitel kodlamanın yorumsal doğasını tamamen çözmez.

Methodological critiques

Bazı niteliksel araştırmacılar, temaları nicelleştirmenin temalar analizi ne yaptığını temelden yanlış temsil ettiğini savunuyorlar. Braun ve Clarke, tematik analizi “kodlama güvenilirliği” yaklaşımı olarak ele almaya karşı uyarmıştır; burada amaç, yorumlayıcı temalar yerine tutarlı, sayılabilir kodlar üretmektir. “Büyük Q” niteliksel araştırma (öznelilik ve yorumu benimseyen) ile “küçük q” yaklaşımları (niteliksel veriye nicel mantık uygulamaya çalışan) arasında ayrım yaparlar.

Temaları nicelikleştiren araştırmacılar metodolojik seçimlerini savunmaya hazır olmalıdır. Bu, epistemolojik konumunuzu açıkça ortaya koymak, nicelikleştirmenin araştırma sorunuza nasıl hizmet ettiğini açıklamak ve yorumcu temaları kategorik değişkenler olarak ele almanın sınırlarını kabul etmek anlamına gelir. Güçlü bir yöntemler bölümü bu endişeleri göz ardı etmek yerine doğrudan ele alır.

Tools for thematic analysis in 2026

Tematik analiz’in pratik zorlukları, ister nitel ister nicel olsun, çoğu zaman söz konusu olan iş hacmine kaynaklanır. Transkriptleri manuel olarak kodlamak zaman alıcıdır. Kod oluşum matrislerini el ile oluşturmak sıkıcıdır. Tema dağılımlarını alt gruplar arasında karşılaştırmak dikkatli veri yönetimi gerektirir. Bu noktada yazılım araçları gerekli hale gelir ve AI destekli analiz, mümkün olanları değiştirmiştir.

NVivo ve ATLAS.ti gibi geleneksel nitel veri analizi yazılımı, güçlü kodlama ve geri alma özellikleri sağlar ancak önemli ölçüde manuel çalışma gerektirir. Araştırmacılar yine de her transkripti okumalı, her kodu atamalı ve her temayı gözden geçirmelidirler. 10 veya 15 görüşmeye sahip küçük çalışmalar için bu yönetilebilirdir. 50 veya daha fazla veri öğesi içeren daha büyük veri setleri için, manuel iş yükü zaman çizelgesini haftalar veya aylarla uzatan bir darboğaz haline gelebilir.

Yapay zeka destekli araçlar, araştırmacılar için tematik analizi ölçekte yürütmek için yeni olasılıklar sunmuştur. Konuşmak transkripsiyon, nitel kodlama ve yapay zeka destekli analizi tek bir ortamda birleştiren bir platformdur. Röportaj kayıtları veya odak grup sesiyle çalışan araştırmacılar için, Speak konuşmacı etiketleriyle transkripsiyon işler, ardından tematik kodlamayı platform içinde doğrudan destekler. AI Chat, araştırmacıların birden fazla transkript arasında kodlanmış verilerini sorgulamasına izin verir; “40 yaşının üstündeki katılımcılar teknoloji benimsemesi hakkında ne söyledi?” veya “müdahale ve kontrol grupları arasındaki temalar karşılaştırması.”

Hem nitel derinlik hem de nicel çıktıya ihtiyaç duyan araştırmacılar için, yapay zeka destekli kodlama, kod oluşum matrislerini oluşturma, tema sıklıklarını hesaplama ve büyük veri setleri arasında desenleri tanımlama işlemini hızlandırabilir. Araştırmacı yine de yorumlayıcı işi yönlendirir, bir temanın ne sayıldığına ve bunun ne anlama geldiğine karar verir. Ancak kodlama, sayma ve organize etmenin mekanik adımları önemli ölçüde daha hızlı hale gelir.

Tools like Speak also support qualitative coding workflows birden fazla ekip üyesinin aynı verileri kodlayabileceği, kodlamalarını karşılaştırabileceği ve kodlayıcılar arası güvenilirliği hesaplayabileceği bir yer. Bu, temaları ölçmeyi amaçlayan çalışmalar için gereklidir, çünkü frekans verilerinin güvenilirliği kodlama tutarlılığına bağlıdır. Yapay Zeka Ajanları tekrarlayan analiz görevlerini daha da otomatikleştirerek araştırmacıların insan yargısı gerektiren yorumlayıcı kararlar üzerine odaklanmalarını sağlar.