Adobe Systems
1
Reflexe a analýza dat
ZURn6337 Fokusní skupiny

Adobe Systems
2
O čem to dnes bude
̶Reflexe proběhlých FG
̶Přepis FG
̶Kvalitativní analýza
̶Základní logika
̶Teorie
̶Poznámky
̶Tematická analýza a analýza „Zakotvenou teorií“
̶Základní logika a původ
̶Logika použití
̶Analýza „v ruce“, analýza s použitím softwaru
̶
̶
̶
̶

Adobe Systems
Co se povedlo a proč?
Reflexe FG
Co se mohlo být lépe a proč?
̶Náhradnictví
̶Dobrá nálada
̶Motivovaný účastníci
̶Otevřenost (zkušenost realizátorek)
̶Útulný prostor
̶
̶
̶Delší úvod
̶Aktivita – řada
̶Zprůměrovaná zkušenost
̶Málo místa
̶Profesionalita
̶
̶
3

Adobe Systems
4
Přepis skupinové diskuse
̶Hlavní analytický materiál (zdroj dat)
̶Náležitosti:
̶Hlavička nebo alespoň reference na údaje ze zápisu
̶Obsah
Téměř vždy nutné vyčerpávajícím způsobem (bez redukce!)
Konzistentní styl, grafická úprava, struktura, značkování
Obsah, způsob a tón mluvy (nese význam nebo kontext)
Nonverbální komunikace
Kontext (vyznané události, intervence)
Použité materiály/aktivity (podnětové, ilustrační, popis principu aktivity)
Doplnění/vyznačení nejasností (nesrozumitelné pasáže, nejistota ohledně výroků,…)
̶Značkovací systém velmi různorodý, důležitá konzistence
Tučné písmo
Kurzíva
Podtrhávání
Závorka (typicky pro nejasné pasáže, nebo doplnění kontextu)
Odsazení
Interpunkce a jiné znaky

Adobe Systems
5
Základní teze
(Kvalitativní) Analýza
̶Nejde o četnosti (ty jsou spíše kontextuální informací), jde o smysl a významy
̶Žádná analýza není objektivní
̶Analýza nezačíná až po dokončení sběru dat
̶Analýza bez interpretace je nemožná a k ničemu

Adobe Systems
6
Logika
(Kvalitativní) Analýza
Základní kroky
̶Dva úzce propojené procesy kvalitativního výzkumu
̶
̶Analýza
̶prostředek redukce dat -> závěry
̶za účelem dosažení interpretace
̶„vytváří příběhy“
̶
̶Interpretace
̶prostředek a způsob vysvětlování závěrů
̶vytváření významu
̶„definuje způsob, jak příběhům rozumět“
̶
̶Kroky analýz nutně nejsou lineární (opakovaný návrat, „přeskakování“)
̶
̶
̶Produkce dat
̶Zhmotnění dat (záznam)
̶Vizualizace dat (přepis, poznámky)
̶Pročítání
̶Zapisování (poznámek, kódů, popisků)
̶Fixuje intersubjektivní porozumění
̶Fixuje stabilitu v čase
̶Redukce (kódování, kategorizace, dekompozice)
̶Porovnávání (aktérů, promluv, činností, událostí, situací, kódů, poznámek)
̶Pojmenovávání (souvisí se zapisováním a redukcí, vyšší úroveň abstrakce)
̶Interpretace

Adobe Systems
7
A teorie
(Kvalitativní) Analýza
̶Vždy nějaká hraje roli (epistemologie, VP, VO, metoda, „vztažnost k hodnotám“, krajina významů)
̶Při analýze se často kombinují dva přístupy:
̶Deduktivní: Kóduji a kategorizuji segmenty za pomoci pojmů z literatury („mám koncepty“ a “hledám
pro ně segmenty“).
̶Induktivní: Při kódování a kategorizaci segmentů konzultuji s literaturou a upravuji nebo
zpřesňuji názvy a vztahy.

Adobe Systems
8
Poznámky
Analýza
̶Úvahy, nápady, otázky a předběžné závěry týkající se dat a jejich segmentů
̶Obsah segmentů, dokumentů, popisky kódů, témat/kategorií
̶Typy:
̶Interpretativní: zaměřené na podstatu, závěry a vysvětlení
̶Teoretické: zaměřené na teoretické koncepty, teorie, teoretiky/čky a jejich užití
̶Metodologické: zaměřené na proces výzkumu, limity, charakteristiky účastníků a výzkumného
prostředí
̶Reflexivní: zaměřené na vlastní pozici a její reflexi (hodnoty, rozhodnutí, pocity)
̶Dělejte je zevrubně a vždy (potom nebo „to si budu pamatovat“ neexistuje!)

Adobe Systems
9
Tematická a Zakotvená teorie
Dva typy analýz
̶Běžně používané
̶Flexibilní použití (poměrně „volnomyšlenkářské“ ve vztahu k předpokladům a práci s daty)
̶Bez epistemologického „baťůžku“
̶(Kritická) Diskurzivní analýza: Foucaultovské pojetí moci, analýza moci a jejího výkonu
̶Narativní, Biografická analýza: nevhodné pro skupinové diskuse, důraz na kontinuitu vyprávění a
individuální biografii
̶Konverzační analýza: realita konstruována skrze konverzace, jazykově analytická, někdy problém s
etikou (etnomentodologie)
̶(Interpretativní) Fenomenologická analýza: fenomenologie, procesy „uzávorkování“ a hermeneutického
kruhu
̶
̶

Adobe Systems
10
Tematická
Dva typy analýz
Zakotvená teorie
̶První užití nejasné (19. stol, 70. léta, přelom milénia)
̶Braun & Clarke (2006): systematizace a zpřístupnění
̶Jedna z nejpoužívanějších a nejoblíbenějších analýz, progresivní vývoj (Braun & Clarke, 2022)
̶Postup většiny ostatních analýz (spor o svébytnost)
̶Velmi vhodná pro začínající výzkumnice/íky, neakademické výzkumy
̶Aplikovatelná na jakýkoliv typ dat, přístupná, otevřená invenci
̶Poprvé použita Anselmem Straussem a Barney Glaserem pro výzkum umírání Awareness of Dying (1965)
-> úspěch -> (1967) The Discovery of Grounded Theory
̶Rozdílnost pohledů vede v 70. a definitivně v 90. letech k rozštěpu na dva proudy (Strauss &
Corbin, 1999 sevřenější a akademičtější)
̶Progresivně se vyvíjí i „liberalnější proud“ (Charmaz, 2014)
̶Velmi používaná metoda, často ale v omezené variantě (jen kódovací a částečně interpretační
mechanismus, což připouští !, viz (Strauss & Corbin, 1999: 65))
̶Ideálem je totiž vytvoření kompaktní a nové teorie (!) o výskytu a fungování jevu, což je obtížné
̶Vhodná jak pro začínající tak zkušené výzkumnice/íky, spíše akademický výzkum.
̶Výhoda i nevýhoda: méně přístupná, rigoróznější, až přílišný důraz na indukci.
̶

Adobe Systems
11
Základní logika
Tematická analýza (Braun & Clarke, 2022)
̶Metoda pro identifikaci, analýzu a reportování vzorců v datech, ale  i prostředek k interpretaci.
̶Data „sama nic neříkají“, nutnost interpretovat.
̶Indukce i dedukce
̶Literatura/teorie kdykoliv
̶6 kroků analýzy

Adobe Systems
12
Základní pojmy
Tematická analýza
̶Kód/y: Základní jednotka vymezující základní vlastnost segmentu dat. Může fungovat sémanticky
(„nesplněná zkouška“) nebo obsahově/konceptuálně (neúspěch), záleží na přístupu (induktivní,
deduktivní) nebo počtu průchodů.
̶
̶Téma/ta: „něco důležitého“ a opakujícího týkajícího se VO – vzorec v datech vypovídající o významu
v nich. De facto specifické zřetězení kódů opatřené interpretací. Detailně vypovídá o „dění v
datech“. Cílem analýzy je mít jedno „latentní“ (ústřední) téma nebo sérii „menších“ (pro explorační
výzkum).
̶
̶
̶Prevalence: významnost obsažená v datech (nejde o konkrétní číslo, ale o obecné vyjádření četnosti
nebo důležitosti – „většina“, „mnoho“, „nejdůležitější“…
̶

Adobe Systems
13
První krok
Tematická analýza
̶Seznámení/seznamování se s daty
̶Detailní (často opakované) čtení
̶Probíhá již při přepisu, ale „vážně“ začíná až po jeho dokončení
̶Po jednotlivých datových jednotkách (rozhovor, FG, článek, obrázek)
̶Základní operace: poznámkování
Velmi otevřené, cokoliv důležitého nebo významného, volná forma
Často na úrovni „o něco úspornějšího“ převyprávění podstaty segmentu dat
Nejít jen pro „věcné“ stránce (předmětu výzkumu), ale i po všech ostatních okolnostech
̶
̶

Adobe Systems
14
Druhý krok
Tematická analýza
̶Generování úvodních kódů
̶První úroveň redukce a segmentace (dekompozice dat)
̶Snižujeme bohatost úvodních poznámek (ponechat je!) na minimální úroveň
̶Umožňuje sdružovat několik segmentů pod jeden kód
̶Umožňuje jeden segment opatřit několika kódy
̶Je možné začít jak induktivně tak deduktivně (nakonec použijete oba přístupy)

Adobe Systems
15
Třetí krok
Tematická analýza
̶Hledání témat
̶Druhý stupeň redukce dat
̶Ideálně když máme (prozatímně) kompletně nakódovaný soubor
̶Procházení kódů a hledání struktury
Podobnost/rozdílnost
Obecnost/konkrétnost
̶Dobré pomůcky: schémata, myšlenkové mapy apod.
̶Cíl: redukovat množství kódů (stanou se součástí většího analytického celku) a vnést mezi ně
vztahy -> vytvořit pracovní analytické schéma témat
̶Je možné vytvářet i subtémata (obecnější, než jen kód, ale méně než téma)
̶Některé kódy nikam nesedí (odkládání bokem pro další zvážení)

Adobe Systems
16
Čtvrtý krok
Tematická analýza
̶Revize témat
̶Dobré činit s mírným odstupem
̶Posouzení soudržnosti a bohatosti témat a subtémat
Téma málo bohaté: nedostatek kódů/subtémat
Téma nesoudržné: subtémata/kódy spolu vhodně nekomunikují, netvoří celek
̶Klíčem je vnitřní homogenita a vnější heterogenita témat
Kontrola kódů v subtématech a tématech
Kontrola vztahů mezi tématy a subtématy
Doplnění kódů z kategorie „různé“ (nevytvořily nové struktury?, nenarušily současné schéma?)
̶Neopakujte donekonečna

Adobe Systems
17
Krok pět
Tematická analýza
̶Definování a pojmenování témat
̶Nalezená témata bodu čtyři nejsou konečný výsledek!
̶Jde o poslední krok, kde jde sice o obsah dat, ale daleko více jde o jejich implikace (co znamená
povaha témat a jejich spojení).
̶Je třeba je pojmenovat tak, aby dávala ucelenou odpověď na položené výzkumné otázky.
̶Nejde jen o popis obsahu dat, ale příběh o jevu, který zkoumáme – o jeho povaze (obsah) a
implikacích (význam)
̶Pokud je témat více, je třeba popsat je také zastřešujícím způsobem
̶Samotné názvy témat by měly být co nejvíce úsporné a výstižné

Adobe Systems
18
Krok šest
Tematická analýza
̶Psaní zprávy
̶Nejabstraktnější úroveň analýzy, vysoce analytická a interpretativní, „surových dat“ je v textu
minimálně
̶Zahrnuje zprávu o nalezeném „příběhu“ tvořeném tématy, jejich obsahy a jejich spojitostmi a
implikacemi
̶Vhodné ilustrace nejcharakterističtějších momentů dat (výňatky z diskusí)
Síla není v množství
Sám výňatek nenahrazuje interpretaci výzkumníka/ce
̶Interpretace buď přímo zahrnuje explikaci toho, proč tematická struktura vypadá zrovna takto
(počet témat, charakter vztahů, podobnosti a rozdílnosti významů apod.), nebo může být předmětem
reflexivní samostatné části.

Adobe Systems
19
Checklist
Tematická analýza

Adobe Systems
20
Chyby
Tematická analýza
̶„Nalezená“ témata odpovídají jednotlivým účastníkům: Analýza není dokončena, jde nám o fasety
intersubjektivního významu, ne individuálních smyslů.
̶
̶Jde o sbírku výňatků: Data sama neříkají co si o nich myslet, to dělají až vyšší úrovně analýzy,
které zjevně nebyly provedeny.
̶
̶Sbírka témat ve stylu „…a další vlastnost“: Analýza není dokončena, nalezení a vyložení témat bez
jejich sofistikovaněji strukturace v arbitrárním pořadí není dobrý výsledek.
̶
̶Výňatky neilustrují vhodně interpretační text: buď v analýze nebyla věnovaná pozornost
alternativním významům, nebo jsou data chudá (prezentuje se to, co je po ruce), nebo nebyly
dostatečně kvalitně provedeny finální kroky analýzy

Adobe Systems
21
Základní logika a pojmy
Zakotvená teorie
̶Poměrně sofistikované názvosloví (očekává se při použití metody) a sevřený průběh
̶Teoretická citlivost: vše, co si výzkumník s sebou nese do terénu i do analýzy (své předpoklady,
hodnoty, úsudky a teoretické znalosti) -  bez ní by nebyla analýza možná
̶Teoretické vzorkování: úprava zdrojů dat (typicky osoby nebo materiál) nebo úhlů pohledu na
základě zjištění z průběžné analýzy.
̶Teoretická saturace: situace, kdy se v datech již neobjevují nové vzorce (ideální stav pro
vybudování v datech zakotvené teorie).
̶Pojem: označení přidělené segmentu dat
̶Kategorie: třída/shluk pojmů
̶
̶Tři úrovně kódování (nejde o zcela oddělené aktivity, v čase se mohou různě vracet):
̶Otevřené kódování
̶Axiální kódování
̶Selektivní kódování
̶

Adobe Systems
22
Otevřené kódování
Zakotvená teorie
̶První stupeň analýzy: označování a kategorizace pojmů (vlastně jde o přiřazování pojmů, tedy
„kódů“ segmentům dat a jejich shlukování)
̶Cílem je segmentovat a redukovat data
̶Při čtení dat neustále odpovídáme na otázku, „Co se tady děje?“
̶Vhodné užívat maximálně několikaslovné pojmenování pojmů
̶Výsledkem je seznam pojmů, které označují různé záležitosti (strach, nadšení, redakční dozor,
domácí úlohy)
̶Následně tyto pojmy porovnáváme s ostatními na základě podobnosti nebo rozdílnosti (např. strach a
nadšení mohou být emoce při výkonu praxe), tak vznikají kategorie
̶Kategorie by měly být tvořeny co nejhomogennějším shlukem pojmů
̶Pojmenování kategorii může být v úvodu dost deskriptivní, ale obecnější a abstraktnější než názvy
samotných pojmů
̶Lze je vyvodit z dat (indukce): lze použít i „in vivo“ jazyk účastníků/ic
Klad: Nic důležitého neunikne
Zápor: Těžko se hledá obecnost
̶I z literatury (dedukce)
Klad: Pomáhá s interpretací
Zápor: Omezuje imaginaci
̶

Adobe Systems
23
Otevřené kódování
Zakotvená teorie
̶Kategorizací (vytvářením kategorií) přiřazujeme pojmům jejich
̶Vlastnosti: povaha
̶Dimenze (rozsah): valence, jednotka

Adobe Systems
24
Axiální kódování
Zakotvená teorie
̶Postup dalšího rozvíjení vzniklých kategorií za účelem jejich bližší specifikace pro pozdější
spojování do obecnějších ceků
̶Druhá úroveň kategorizace, abstrakce a redukce dat
̶Přiřazujeme kategoriím (shlukům pojmů) komplexní „vějíř“ vlastností (tvoříme subkategorie):
̶Příčinné podmínky: události nebo dění vedoucí k nějakému účinku nebo jednání (prvotní příčina),
někdy může tuto roli hrát kontext – „kvůli, když, zatímco, od té doby, následkem“
̶Kontext: vlastnosti jevu definované pozicí na ose vlastností a dimenzí, soubor podmínek pro výskyt
nebo absenci
̶
̶(Strategie) jednání a interakce: aktér a jeho aktivita a činnost ve vztahu k okolí (vždy nějaké
ego a protějšek, má nějaký vývoj v čase, má cíl=smysl, je záměrné nebo nezáměrné, má aktuální nebo
neaktuální důsledky, zasahují do něj intervenující podmínky) – slovesa nebo přechodníky činné
(„pracovat, zjistit, snažit se, držet se“)
̶
̶Intervenující podmínky: obecné usnadňující nebo znesnadňující vlivy pro dané jednání v daném
kontextu (čas, prostor, kultura, socioekonomické postavení, technika, historický kontext,
individuální biografie)
̶
̶Následky: Dopady, důsledky, účinky jednání (mohou v jiném kontextu být příčinnými podmínkami)
̶
̶
̶

Adobe Systems
25
Axiální kódování
Zakotvená teorie
̶Postupujeme podle tzv. paradigmatického modelu
̶
̶
̶
̶Jev je nějaká ústřednější kategorie otevřeného kódování
̶Jev je v tomto případě kategorie emoce při výkonu praxe
̶Subkategorie jsou vzájemně tvořeny kategoriemi z otevřeného kódování
̶Výsledkem je jakási síť vzájemně propojených kódů, které se specifikují
̶Jedna kategorie (která se tím stává subkategorií) tedy zaujímá různou pozici podle toho, s jakou
jinou kategorií je spojena
̶Pozor na nekonečné hledání spojitostí všeho se vším (některé spojitosti prostě nejsou důležité),
zejména u komplexních dat (možná máte málo kategorií (znovu otevřeně kódovat)
̶Dávejte pozor na opakující se pravidelnosti
̶Střídejte induktivní a deduktivní způsob práce, kreslete si diagramy, klaďtě si jednoduché otázky
po spojitostech a odpovídejte na ně krátkými odstavci definujícími vztahy v paradigmatickém modelu
̶Zde může končit užití jako alternativa tematické analýzy
̶
̶
̶

Adobe Systems
26
Selektivní kódování
Analýza
̶Pomůcka pro uvažování nad vztahy (Heřmanský, M. (2019). Analýza a interpretace dat v kvalitativním
výzkumu. In Metody výzkumu ve společenských vědách (pp. 415–444). FHS UK.)

Adobe Systems
27
Selektivní kódování
Zakotvená teorie
̶Poslední úroveň abstrakce a zároveň integrace za účelem interpretace.
̶Dílčí výsledky paradigatických modelů integrujeme do uceleného celku
̶Rozhodnutí o finálním spojení kategorií a interpretaci tohoto spojení
̶Sepsání odstavce textu, který bohatě a hutně popisuje hlavní příběh v datech (tzv. kostra příběhu)
̶Na základě tohoto označíme kategorie, které zahrneme do finálního modelu (teorie)
Vybereme jednu centrální, kolem které postavíme několik vedlejších (ty tvoří její rozvedení,
barvitost, dimenze a okolnosti)
Pokud jednu hlavní nejsme sto vybrat, musíme zastřešující hlavní tezi příběhu pojmout narativně
(hlavních kategorií pak bude několik)
Postupujeme opět pomocí paradigmatického modelu
̶Když se nedaří: bavte se s okolím – vyložte to jako babičce nebo dědečkovi

Adobe Systems
28
Selektivní kódování
Zakotvená teorie
̶Cíl: Vytvoříme ideálně jeden obecný hypotetický paradigmatický výrok, který by měl následně pokrýt
cca všechna naše data (zakotvíme teorii).
̶Pokud nám nějaké kategorie nebo jejich dimenze narušují odpověď, je možné, že:
̶Jde o liminální (mezní) situaci, která spadá na pomezí dvou kategorií: pak tento případ v tomto
smyslu zahrneme do interpretace
̶Jde o „úleťáka“: může být extrémním projevem nějaké (intervenující) podmínky, popíšeme tuto
podmínku.
̶Dolaďujeme finální drobné nepřesnosti
̶

Adobe Systems
29
Selektivní kódování
Zakotvená teorie
̶Příklad výsledku
̶

Adobe Systems
30
Selektivní kódování
Zakotvená teorie
̶Příklad výsledku (pokračování)
̶

Adobe Systems
31
Typy provedení
Analýza
Vlastnosti
„V ruce“
Software
Povaha
Papír, barevné tužky, štítky
PC
Předpoklady
Hodně prostoru, vzdušné formátování textu a okrajů
Software a obeznámenost s ovládáním, větší monitor/display
Výhody
Jednoduchost činnosti
Práce odkudkoliv
Fyzický přehled
Prohledatelnost a škálovatelnost dat
Neomezený prostor
Flexibilita práce s daty (barvy, úpravy)
Vytváření výstupů (grafické, tabelované)
Počítání analýz (shoda kodérů apod.)
Nevýhody
Málo prostoru pro chybu nebo flexibilitu (barva, pojmenování kategorie, špatné zařazení)
Nákladnost
Nároky na disciplínu při nakládání s daty (promíchání, ztráta)
Nepřehlednost
Nutnost znalosti práce

Adobe Systems
32
„V ruce“
Analýza
Software
https://www.flickr.com/photos/rolexpv/14948000998/in/photostream/
̶Atlas.ti (Studio 5.27), QDA Miner (Lite verze free)
̶Další: NVivo, CAQDAS, Max QDA

Adobe Systems
33
O čem to dnes bylo
̶O úspěších i limitech vašich FG
̶Jak na přepis FG
̶Jak analyzovat data FG
̶Užití Tematické analýzy a Zakotvené teorie
̶O analýze s fixy i jedničkami a nulami
̶