Mahalagang Pagkakaiba – Content kumpara sa Thematic Analysis
Kung pinag-uusapan ang pagsusuri ng datos sa pagsasagawa ng pananaliksik, maraming uri ang maaaring gamitin ng mga mananaliksik. Ang pagsusuri sa nilalaman at pagsusuri sa paksa ay dalawang uri ng pagsusuri na ginagamit sa pananaliksik. Para sa karamihan ng mga mananaliksik, ang pagkakaiba sa pagitan ng content at thematic analysis ay maaaring medyo nakakalito dahil parehong kasama ang pagdaan sa data upang matukoy ang mga pattern at tema. Gayunpaman, mahalagang i-highlight na ang pangunahing pagkakaiba sa pagitan ng content at thematic analysis ay habang sa content analysis, mas makakatuon ang researcher sa dalas ng paglitaw ng iba't ibang kategorya, sa thematic analysis, ito ay higit pa tungkol sa pagtukoy ng mga tema at pagbuo ng pagsusuri sa pinaka-cohesive na paraan. Binibigyang-diin din ng ilang mananaliksik na ang thematic analysis ay maaaring maging mas malalim at magbigay ng mas malawak na pag-unawa kaysa sa content analysis.
Ano ang Content Analysis?
Ang Pagsusuri ng nilalaman ay tumutukoy sa isang diskarte sa pagsusuri ng data na ginagamit sa parehong quantitative at qualitative na pananaliksik. Ang pamamaraan na ito ay tumutulong sa mananaliksik na matukoy ang mahahalagang datos mula sa isang data corpus. Ang data ay maaaring dumating sa iba't ibang anyo. Ito ay maaaring mga libro, larawan, litrato, estatwa, ideya, papel, pag-uugali, atbp. Ang layunin ng mananaliksik ay suriin ang nilalaman ng bawat data aytem. Sa karamihan ng mga pagsusuri sa content, gumagamit ang mga mananaliksik ng mga coding system upang tukuyin at ikategorya ang iba't ibang item ng data.
Kapag ginamit ang pagsusuri ng nilalaman para sa pagsusuri ng dami ng data, magagamit din ito upang matukoy ang mga frequency ng data. Ito ang dahilan kung bakit malawak na ginagamit ngayon ang pagsusuri ng nilalaman sa komunikasyon at media. Ngayon ay lumipat tayo sa thematic analysis.
Ano ang Thematic Analysis?
Ang Thematic analysis ay isang data analysis technique na ginagamit sa pananaliksik. Pangunahing ginagamit ito para sa mga qualitative research kung saan ang mananaliksik ay nangangalap ng mga deskriptibong datos upang masagot ang kanyang suliranin sa pananaliksik. Kapag nakalap na ang datos, dadaanin ng mananaliksik ang data nang paulit-ulit na may layuning maghanap ng mga umuusbong na pattern, tema, sub-tema atbp. Nagbibigay-daan ito sa mananaliksik na ikategorya ang data sa ilalim ng iba't ibang seksyon. Ito ay maaaring isang medyo nakakapagod na gawain dahil ang mananaliksik ay kailangang dumaan sa mga datos ng maraming beses bago niya tapusin ang mga pangunahing tema at sub-tema ng pananaliksik. Ang prosesong ito ng pagdaan sa data ay kilala bilang ‘immersion.’
Mahalagang i-highlight sa isang pampakay na pagsusuri ang mga pangunahing tema na ginagamit ng mananaliksik para sa kanyang huling pagsusuri ay konektado sa isa't isa. Kung mananatiling idle ang mga tema nang hindi nag-uugnay sa isa't isa, maaaring mahirap gawin ang pangwakas na istraktura at bigyang-kahulugan ang pananaliksik. Mayroong maraming mga pakinabang ng paggamit ng isang pampakay na pagsusuri. Una, inilalabas nito ang mayamang datos na nakalap ng mananaliksik sa yugto ng pangangalap ng datos. Gayundin, nagbibigay din ito ng lohikal na istruktura sa pananaliksik.
Ano ang pagkakaiba ng Content at Thematic Analysis?
Mga Depinisyon ng Content at Thematic Analysis:
Pagsusuri ng Nilalaman: Ang pagsusuri ng nilalaman ay tumutukoy sa isang diskarte sa pagsusuri ng data na ginagamit sa parehong quantitative at qualitative na pananaliksik.
Thematic Analysis: Ang thematic analysis ay isang data analysis technique na ginagamit sa pananaliksik.
Mga Katangian ng Content at Thematic Analysis:
Uri ng Pananaliksik:
Pagsusuri ng Nilalaman: Maaaring gamitin ang pagsusuri ng nilalaman sa parehong quantitative at qualitative na pananaliksik.
Thematic Analysis: Ang thematic analysis ay kadalasang ginagamit sa qualitative research.
Pokus:
Pagsusuri ng Nilalaman: Ang data coding ay binibigyan ng malaking prominente dahil nagbibigay-daan ito sa pagkilala sa mahahalagang data item.
Thematic Analysis: Mas binibigyang pansin ang mga tema.
