Практики анализа качественных данных в социальных науках

Раздел I. Многообразие данныхи методов анализа84ским принципом — поиском объективного, обобщаемого, надеж-ного и воспроизводимого знания. В свою очередь, рефлексивный подход, напротив, служит примером «большого Ку» (Big Q) [Ibid.], где качественные исследования не просто концептуализируются как ин-струменты и методы, но и предполагают использование принципов качественного исследования. По этой причине Big  Q иногда назы-вают «полностью качественным» — исследованием, которое являет-ся качественным как в технике, так и в методологии с присущей ей концептуализацией субъективности исследователя как ресурса для проекта, а также получаемого смысла и знания как локализованного и контекстуального [Braun, Clarke, 2020].Не скрою, что для меня все еще остается непонятным отличие тематического анализа от качественного контент-анализа. Приве-денная выше табл. 4.1 лишь указывает на их процедурное сходство. Предположу, что их отличие состоит в разных условиях станов-ления  — тематический анализ развивался как более простая вер-сия GT, в то время как качественный контент-анализ произошел от классического (количественного) контент-анализа и был предна-значен для изучения массовых коммуникаций. Подробнее различия этих методов были описаны в статье В. Браун и В. Кларк [Ibid.], а о современных возможностях качественного контент-анализа расска-зывает Ольга Савинская в гл. 5 данной книги. Базовые понятия и процедуры тематического анализа Тема, в отличие от кода, — более широкая по значению смыс-ловая единица, которая объединяет несколько кодов; обычно она связана с предметом изучения и ис-следовательским вопросом, иногда может быть теоретически важным результатом [Bryman, 2016, p.  584]. Повторение темы в данных — важ-нейший критерий ее выделения. Од-Тема — это доминирующая по значению смысловая единица, объединяющая несколько кодов, связанная с предметом проекта и регулярно повторяющаяся в собранных данных.