نمونه عملی از تحلیل مضمون با نرم افزار MAXQDA

اگر با حجم زیادی از داده‌ها روبرو هستید، تحلیل مضمون می‌تواند یک راه‌حل مناسب باشد. تجزیه و تحلیل داده‌های کیفی ممکن است در ابتدا برای محققان تازه‌کار بسیار دشوار به نظر برسد. یک دفترچه پر از یادداشت‌های میدانی، ساعت‌ها گفتگو با افراد مختلف و صدها تصویر یا سند، چگونه ممکن است محققان بتوانند چنین حجم بالایی از داده‌ها را تحلیل کرده و دو یا سه نکته قابل مدیریت برای پاسخ به سؤالات تحقیق خود استخراج کنند؟ تحلیل مضمون یکی از روش‌های مؤثر برای رسیدن به این هدف است. این رویکردی سیستماتیک برای شناسایی، سازماندهی و ارائه بینش در مورد الگوهای معانی، به عبارت دیگر، مضامین موجود در داده‌های کیفی است (براون و کلارک، 2012). در این مقاله، با استفاده از یک نمونه عملی شما را با مراحل تحلیل مضمون و نحوه استفاده از نرم افزار MAXQDA آشنا می‌کنیم…

تحلیل مضمون چیست؟

تحلیل مضمون در سال‌های اخیر به یکی از رایج‌ترین رویکردهای تحلیلی در علوم اجتماعی تبدیل شده است. براون و همکاران (2019) نشان می‌دهند که این رویکرد تاریخچه‌ای مشترک با تجزیه و تحلیل محتوا دارد و از دهه 1980 در مطالعات حوزه سلامت و علوم اجتماعی به عنوان یک روش تحلیل داده‌های کیفی ظهور کرده است. جستجوی سریع در Google Scholar با عبارت کلیدی “تحلیل مضمون” (در بین علامت نقل قول) بیش از 370,000 نتیجه را به همراه دارد. به‌ویژه، مقاله‌ای کلیدی که براون و کلارک (2006) در زمینه روانشناسی نوشته‌اند، تا ماه می 2022 بیش از 126,000 بار ارجاع داده شده است. این اعداد نشان‌دهنده محبوبیت روزافزون این رویکرد هستند. این محبوبیت ممکن است به دلیل مدولار بودن و انعطاف‌پذیری آن برای محققانی مناسب باشد که به تحلیل داده‌های کیفی می‌پردازند. با این حال، تحلیل مضمون یک فرآیند بسیار سیستماتیک است که باید به‌صورت بازگشتی انجام شود. محققان باید به شدت در مجموعه داده‌های خود غوطه‌ور شوند تا بتوانند الگوهای معانی را شناسایی کنند. برای نظام‌دهی این فرآیند، براون و کلارک (2006، 2012) یک روش شش مرحله‌ای برای تحلیل مضمون پیشنهاد کردند که می‌تواند محققان کیفی را در مسیر تحقیق هدایت کند.

• پروژه تحقیقاتی

در این مقاله، نمونه‌ای از نحوه استفاده از MAXQDA برای پیشبرد رویکرد شش مرحله‌ای تحلیل مضمون به اشتراک گذارده می شود. در این مطالعه کیفی، هدف توضیح تجربیات توسعه حرفه‌ای زبان‌آموزان انگلیسی (EFL) به صورت آنلاین در طول یک دوره گسترده آنلاین باز (MOOC) بود. عنوان این مطالعه “چگونه دوره‌های آنلاین باز فضاهای یادگیری دیجیتال را برای معلمان زبان انگلیسی شکل می‌دهند: مطالعه موردی شبکه‌ای” بود. همانطور که از نام آن پیداست، از روش‌ قوم‌نگاری برای بررسی تجربیات آنلاین دو معلم زبان انگلیسی استفاده شده است.اگرچه یک مطالعه موردی مقایسه‌ای با دو شرکت‌کننده ممکن است به نظر برسد که داده‌های زیادی تولید نمی‌کند، اما یکی از ویژگی‌های معمول مطالعات قوم‌نگاری این است که محقق را ملزم می‌کند تا در طول زمان در فرهنگ و حوزه مورد بررسی غوطه‌ور شود.

• داده‌های تحقیق

ماهیت چندوجهی داده‌های کیفی امکانات متنوعی را برای جمع‌آوری داده‌ها فراهم می‌کند. بدین منظور، از یادداشت‌های دیجیتالی یادگیرنده (که شامل نظرات شرکت‌کنندگان در طول تجربه یادگیری آنلاین بود)، مصاحبه‌های نیمه‌ساختاریافته و اسکرین‌شات‌هایی که پست‌های گروه آنلاین شرکت‌کنندگان را نشان می‌دهد، استفاده شد. هدف، بررسی تجربیات شرکت‌کنندگان به روشی توصیفی و بدون چارچوب نظری یا مفهومی خاص بود. برای این منظور، از کدگذاری استقرایی و تحلیل مضمون استفاده شد. در طول این فرآیند، برخی ویژگی های نرم افزار MAXQDA کمک کرد تا هر مرحله از تحلیل مضمون به طور مؤثری انجام شود.

شش فاز تحلیل مضمون

این شش فاز شامل مراحل شناسایی و سازماندهی مضامین، کدگذاری داده‌ها، تجزیه و تحلیل الگوها و ارائه نتایج است که هر یک نقش مهمی در فرآیند کلی تحلیل مضمون ایفا می‌کند.

فاز 1: آشنایی با داده ها

در تحلیل داده‌های کیفی، مشابه سایر رویکردها، محققان باید با غوطه‌ور شدن عمیق در داده‌های خود کار را آغاز کنند. این مرحله نخستین گام در فرآیند شش مرحله‌ای تحلیل مضمون است و اهمیت ویژه‌ای دارد. براون و کلارک (2006، 2012) تأکید می‌کنند که این فرآیند نیازمند نوشتن یادداشت‌ها و یادداشت‌برداری‌های متعدد، حاشیه‌نویسی بر روی رونوشت‌ها، زیرخط‌گذاری و برجسته‌سازی اطلاعات کلیدی است. همچنین، گروه‌بندی اسناد (چه مرتبط و چه غیرمرتبط) نیز در این مرحله ضروری است. به عنوان مثال، در تحقیقی که به بررسی تجربیات معلمان زبان انگلیسی در زمینه دوره‌های آنلاین باز گسترده (MOOC) پرداخته، لازم است که به نوشته‌های برگرفته از خاطرات صوتی و مصاحبه‌های شرکت‌کنندگان گوش داده شود و بارها به آن‌ها مراجعه گردد. همچنین، بررسی مکرر تعاملات و مشارکت‌های آن‌ها در این پلتفرم برای درک عمیق‌تر از تجربیاتشان ضروری می باشد.

فراتر رفتن از «معنای سطحی کلمات»

براون و کلارک (2006، 2012) پیشنهاد می‌کنند که در حین آشنایی با مجموعه داده‌ها، سؤالات خاصی باید در ذهن محقق باشد. به عنوان مثال:

• چگونه شرکت‌کنندگان تجربیات MOOC خود را درک می‌کنند؟
• آن‌ها هنگام تفسیر تجربیات خود چه فرضیات و تأملاتی دارند؟
• تفسیر آن‌ها چه نکاتی را روشن می‌کند؟

اگرچه این مرحله از تحلیل مضمون ممکن است برای محققان کیفی بسیار طاقت‌فرسا باشد، اما اهمیت آن غیرقابل انکار است. این مرحله فرصتی است برای آغاز «خواندن داده‌ها به عنوان داده»، که به معنای فراتر رفتن از «معنای سطحی کلمات» است (براون و کلارک، 2012).

• گروه‌بندی داده‌ها

استفاده از نرم‌افزار MAXQDA در این مرحله مفید خواهد بود. این نرم‌افزار این امکان را می‌دهد که منابع داده‌ای مختلف گروه‌بندی شوند و محقق با انواع مختلف داده‌ها تعامل برقرار کند. همچنین، قابلیت رونویسی آسان فایل‌های صوتی باعث شد تا به راحتی اطلاعات سازماندهی شوند و تجزیه و تحلیل عمیق‌تری به دست آید.در نتیجه، آشنایی با داده‌ها نه تنها یک مرحله ابتدایی بلکه یک فرآیند حیاتی برای شکل‌دهی به تحلیل مضمون است که پایه‌گذار مراحل بعدی خواهد بود.

در این مرحله، MAXQDA این امکان را می دهد که با گروه‌بندی، داده‌ها به روش‌های مختلف بررسی شود. از آنجا که این مطالعه یک مطالعه موردی مقایسه‌ای است و تجربیات دو شرکت‌کننده (معلم 1 و معلم 2) بررسی می‌شود، بهتر است داده‌ها بر اساس شرکت‌کنندگان گروه‌بندی شود. این کار کمک می کند تا تفاوت‌ها و شباهت‌های تجربیات هر یک از معلمان به وضوح شناسایی گردد.

• رونویسی داده‌ها

علاوه بر این، انواع مختلف داده‌ها مانند فایل‌های صوتی و تصاویر در MAXQDA بارگذاری شده است. برای جمع‌آوری خاطرات صوتی از دو منبع مختلف که از دستگاه‌های متفاوت برای ضبط یادداشت‌های روزانه خود استفاده کرده بودند، نیاز بود با دو فرمت داده متفاوت کار انجام شود. MAXQDA اجازه داد تا بدون هیچ مشکلی فایل‌های صوتی در این دو فرمت بارگذاری و پخش شود. همچنین، ویژگی رونویسی فایل‌های صوتی با ایجاد مقاطع زمانی این امکان را داد که به بخش‌های خاصی از فایل‌ها بازگشته و بارها و بارها استماع شوند. این ویژگی برای آشنایی عمیق‌تر با مجموعه داده‌ها بسیار مهم است.

فاز 2: تولید کدهای اولیه

• کدنویسی در تحلیل مضمون

پس از اینکه سیستم اسناد شکل گرفت، مرحله کدگذاری کیفی آغاز می شود. براون و کلارک (2012) کدها را «آجرهای سازنده تجزیه و تحلیل» توصیف می‌کنند که به محققان کمک می‌کند تا داده‌های خود را در پرتو سؤالات تحقیق درک نمایند. بر اساس نظرات Kuckartz و Rädiker (2019)، محققان بخشی از داده‌ها را انتخاب کرده و به آن یک کد اختصاص می‌دهند. این کار می‌تواند به دو روش کلی انجام شود: رویکرد مفهوم‌محور (قیاسی) و رویکرد داده‌محور (استقرایی). در تحلیل مضمون، هر دو روش قابل استفاده هستند و بخش‌های کدگذاری‌شده ممکن است به هم متصل شوند.

• دنبال کردن کدهای در حال ظهور

با غوطه‌ور شدن در داده‌ها، می توان شروع به ایجاد کدهای اولیه کرد. بهتر است بدون استفاده از یک چارچوب نظری از پیش تعیین‌شده، کدگذاری استقرایی مبتنی بر داده انجام شود و از این رو کدها و گروه‌های کد خود به خود ظهور خواهند کرد. در فرآیند تولید کدهای اولیه، از دو ویژگی MAXQDA می توان استفاده نمود: کدنویسی باز و یادداشت‌ها. کدنویسی باز با MAXQDA یک تجربه بسیار شهودی است و یادداشت‌ها کمک می کنند تا منطق اولیه‌ دنبال و زمانی که یک کد جدید برای بخش‌های قبلاً کدگذاری‌شده ایجاد شد، بتوان از آن استفاده کرد.

فاز 3: جستجوی تم‌ها

• دنبال کردن تم‌های در حال ظهور

پس از اشباع از کدنویسی و بازنگری همه منابع داده موجود، از کدها به سمت مضامین حرکت می کنیم. براون و کلارک (2006) بیان می‌کنند که مضامین «پاسخ الگو یا معنا در مجموعه داده» هستند که ارتباطی با سؤالات تحقیق دارند. جستجوی مضامین یک فرآیند فعال است که در آن محققان به‌جای کشف مضامین، آن‌ها را به طور فعال می‌سازند. براون و کلارک (2012) محققانی را که در جستجوی مضامین هستند به مجسمه‌سازانی تشبیه می‌کنند که به جای حفاری برای یافتن فسیل‌ها، مضامین را انتخاب می‌کنند که تأثیر عمیقی بر نتیجه نهایی دارند. برای تحلیلگر داده‌های کیفی، این موضوع بسیار مهم است زیرا تمام لنز تحلیلی مبتنی بر داده می باشد و هدف سؤالات پژوهشی بیشتر بر روی درک تجربیات است تا کاوش صرف. بنابراین، نیاز است تا فعالانه با داده‌ها ارتباط برقرار کرده و مضامین معنا شوند.

• کشف الگوها از طریق تجسم

MAXQDA ابزارهای متنوعی را برای تحلیلگران فراهم می‌کند تا بتوانند ارتباطات بین داده‌ها را بهتر مشاهده کنند. وقتی ورودی بصری وجود دارد، ترکیب اطلاعات آسان‌تر است. بنابراین، نمودارها، تصاویر و تجسم داده‌ها کمک می کند تا روابط بین کدها، مضامین در حال ظهور و همچنین اسناد و شرکت‌کنندگان شفاف‌تر دیده شوند. برای این منظور، از سه ویژگی خاص MAXQDA می توان بهره برد: نقشه‌های کد، MAXMaps و سوالات، مضامین و نظریه‌ها (QTT). این ابزارها نه تنها فرآیند تحلیل مضمون را تسهیل می کنند بلکه کمک می کنند تا یک دیدگاه کل‌نگر نسبت به داده‌ها پیدا شود.

در شکل فوق، دو اسکرین‌شات از کاربرگ QTT ارائه شده است. MAXQDA به محققان این امکان را می‌دهد که نقشه‌های کد تولید کنند، که به تحلیل روابط بین کدها کمک می‌کند، به‌ویژه زمانی که این کدها به‌طور همزمان یا در نزدیکی یکدیگر در اسناد داده ظاهر می‌شوند. معمولاً پژوهشگر با نقشه‌های کد شروع می‌کند، زیرا ایجاد آن‌ها نیاز به تلاش زیادی ندارد و کمک می‌کند تا پس از یک فرآیند طولانی و تکراری غوطه‌وری و کدنویسی، دیدگاه جامع‌تری نسبت به کدها و روابط آن‌ها ایجاد شود. این مرحله اجازه می‌دهد یک قدم به عقب بازگشته و تصویر کلی‌تری از داده‌ها ایجاد شود. با این حال، باید توجه داشت که این تنها یکی از روش‌های شروع فرآیند است و نباید آخرین مرحله باشد؛ زیرا تحلیل مضمون نیازمند مشارکت فعال محقق در فرآیند معناسازی است.

• استفاده از QTT برای تحلیل مضمون

این موضوع ما را به یکی دیگر از ابزارهای تجسم بسیار مهم MAXQDA، یعنی MAXMaps، می‌رساند. MAXMaps فضایی را برای طوفان فکری در مورد کدها و مضامین اولیه فراهم می‌کند. در این فضا، می‌توانم کدها و اسناد را به‌عنوان نمادهای قابل بازیابی نمایش داد و روابط بین آن‌ها را با پیوندها و فلش‌ها ایجاد نمود. همچنین، با آخرین نسخه MAXQDA، می‌توان یک کاربرگ QTT ایجاد کرد که اجازه می‌دهد کدها و مضامین مرتبط، بخش‌های کدگذاری‌شده و تمامی مطالب بصری ایجاد شده در یک مکان جمع‌آوری شود. این کاربرگ کمک می‌کند تا هنگام تلاش برای پیشبرد سؤالات تحقیق به سمت مضامین و نظریه‌ها، دائماً به سؤالات و یادداشت‌های پژوهشی مراجعه گردد.

فاز 4: مرور مضامین احتمالی

در این مرحله، مضامین ساخته شده در مرحله قبل مورد بررسی قرار می‌گیرند و با کل سیستم کد، بخش‌های کدگذاری‌شده و اسناد مرتبط مقایسه می‌شوند. مضامین باید با داده‌ها و سؤالات تحقیق همسو باشند. در این فرآیند، محققان ممکن است برخی از موضوعات نوظهور را برای دستیابی به موضوعات فراگیر ترکیب کنند، در حالی که برخی دیگر ممکن است جدا شده و نامربوط به نظر برسند، حتی اگر جالب باشند.

• سوالات راهنما برای تحلیل مضمون

در اینجا از برخی سؤالات کلیدی که براون و کلارک (2012) پیشنهاد کرده‌اند برای بررسی مضامین بالقوه و ساختن مضامین فراگیر با ترکیب چندین مضمون نوظهور استفاده شده است. این سؤالات شامل موارد زیر هستند:

• آیا این موضوع الگویی را در دو شرکت‌کننده پرونده یا اسناد داده نشان می‌دهد؟
• آیا این موضوع اطلاعاتی را درباره سؤالات تحقیق یا تجربیات معلمان زبان انگلیسی در یادگیری حرفه‌ای با MOOC ارائه می‌دهد؟
• آیا این موضوع شامل تعداد زیادی بخش کدگذاری‌شده است یا حذف می‌شود؟
• آیا داده‌های کافی برای پشتیبانی از این موضوع وجود دارد تا آن را قوی جلوه دهد؟
• آیا این موضوع منسجم است؛ بدین معنا که داده‌هایی که از آن حمایت می‌کنند از منابع مشابه (مانند خاطرات) ناشی می‌شوند؟

این سؤالات راهنما مفید هستند اما نیازمند رویکردهای هوشمندانه‌ای برای پاسخگویی می باشند.

• تشخیص تم‌های مرکزی با ابزارهای بصری MAXQDA

MAXQDA ابزارهای بصری دیگری را نیز فراهم می کند. در این تحقیق از کد و ماتریس سند استفاده شده تا بررسی شود آیا مضامین اولیه‌ قوی هستند و آیا می‌توان مضامین فراگیر مرتبطی از آن‌ها را ساخت. در ابتدا از مرورگر روابط کد استفاده می شود تا روابط بین کدها بهتر درک شود. برای مثال، یکی از مفاهیمی که از این ماتریس استخراج می شود، رابطه قوی بین احساس مشارکت شرکت‌کنندگان و تسهیل چارچوب MOOC بود. این یافته باعث شد دوباره به بخش‌های کدگذاری‌شده رجوع شود تا مشخص گردد آیا می‌توان موضوعی جدید از این رابطه ساخت و آیا کد دیگری وجود دارد که بتوان آن را به این رابطه مرتبط کرد (مانند جریان).این فرآیند نه تنها کمک می کند تا تم‌های مرکزی شناسایی شود بلکه دیدگاه جامع‌تری نسبت به داده‌ها ایجاد می نماید.

نمودار مقایسه اسناد، مشابه مرورگر و ماتریس روابط کد، کمک می کند تا کدهای اولیه به دقت مرور شوند. با اعمال رنگ‌های مختلف به کدهای موجود در سیستم کد (که در قسمت چپ شکل 4 قابل مشاهده است)، می توان الگوهای خاصی را شناسایی نمود. به عنوان مثال، تمام ورودی‌های مربوط به خاطرات صوتی شامل بلوک‌های صورتی هستند که نشان‌دهنده نوعی تجربه یادگیری از سوی شرکت‌کنندگان است. این تجربیات می‌توانند شامل درک جدید، تعامل، بازتاب، جریان یادگیری یا یادگیری چندوجهی باشند. به طور مشابه، داده‌های مصاحبه با رنگ قرمز مشخص شده‌اند که نشان‌دهنده بازتاب شرکت‌کنندگان از سواد دیجیتال موجود یا در حال توسعه است. این روش رنگ‌بندی این امکان را داد که به راحتی و وضعیت بصری الگوها و تم‌های موجود در داده‌ها شناسایی و ارتباطات بین تجربیات مختلف بهتر درک شوند. این نوع تجزیه و تحلیل بصری نه تنها فرآیند مرور کدها را تسهیل می‌کند بلکه کمک می‌کند تا بینش‌های عمیق‌تری درباره داده‌ها کسب شود.

فاز 5: تعریف و نام‌گذاری تم‌ها

این مرحله یکی از مراحل کلیدی در تحلیل مضمون است که ارتباط نزدیکی با مرحله قبلی دارد. در حین بررسی مضامین نوظهور و ساختن مضامین فراگیر، محققانی که تحلیل مضمون را انجام می‌دهند باید اطمینان حاصل کنند که این مضامین تکراری نیستند و همپوشانی ندارند. در صورتی که چنین همپوشانی‌هایی وجود داشته باشد، ممکن است نیاز به ترکیب آن‌ها باشد. براون و کلارک (2012) همچنین تأکید می‌کنند که محققان باید تنها زمانی اقدام به تعریف و نام‌گذاری موضوعات کنند که این موضوعات دارای کانون‌های منحصر به فرد باشند و به سؤالات تحقیق پاسخ دهند.

• تمرکز با QTT

در این مرحله، استفاده از QTT (سوالات، مضامین و نظریه‌ها) کمک می نماید تا سؤالات تحقیقاتی به طور مداوم در ذهن مرور شود. به این ترتیب، می توان به چهار موضوع کلی دست یافت:

1. تأثیر خودتنظیمی در دوره‌های MOOC
2. ارائه یک تجربه یادگیری آنلاین که تدریس آنلاین را پیچیده می‌کند
3. آماده‌سازی معلمان زبان انگلیسی قبل از خدمت برای حرفه تدریس
4. محدودیت‌های ناشی از انبوه و غیرموقعیتی بودن طرح‌های MOOC

• تعریف تم‌ها از طریق کدها

سیستم کد MAXQDA از بسیاری جهات از این فرآیند پشتیبانی می‌کند. به‌طور خاص می توان از قابلیت رنگ‌آمیزی تم‌ها استفاده نمود که کمک می کند تا تم‌های مختلف بهتر شناسایی شود. همچنین، استفاده از هایلایت‌کننده‌ها و کدهای مورد علاقه نیز در این روند مؤثر می باشد. یکی دیگر از کارهای ساده‌ای که می‌توان انجام داد، کشیدن و رها کردن کدها در کل سیستم کد است که اجازه می‌دهد تا گره‌های کد ایجاد شوند و زیرکدها گروه‌بندی گردند. این ویژگی کمک می کند تا خانواده‌های کد ایجاد شوند که در تعریف و نام‌گذاری مضامین بسیار مفید واقع می گردند.

فاز 6: تهیه گزارش

اگرچه ممکن است فاز پایانی تحلیل مضمون به نظر برسد که با موفقیت به موضوعات کلی و بخش‌های کدگذاری‌شده مربوطه دست یافته‌، اما در واقع این مرحله چالش‌برانگیزترین بخش است. مانند سایر رویکردهای تحقیق کیفی، تحلیل مضمون یک فرآیند بسیار بازگشتی است و بر خلاف تحقیقات کمی، مراحل آن دارای مرزهای مشخصی نیستند؛ یعنی مراحل تنها زمانی آغاز نمی‌شوند که مرحله قبلی به پایان رسیده باشد. برعکس، گزارش‌های تحلیلی مضمون نیاز دارد حتی به مرحله اول تجزیه و تحلیل داده‌ها رجوع شود، زیرا برای ساختن مضامین فراگیر لازم است تا دوباره داده‌ها بررسی شود. این بازگشت به مراحل اولیه تحلیل نه تنها ضروری است بلکه کمک می کند تا بینش‌های عمیق‌تری درباره داده‌ها کسب شود و مضامین نهایی با دقت بیشتری تعریف گردند.

این فرآیند رفت و برگشت موجب غوطه وری عمیق در داده‌ها می شود. این احساس غوطه‌وری، برای نوشتن یک گزارش تحلیل مضمون بسیار حیاتی است، زیرا یک گزارش تحلیلی موضوعی باید شامل یک «داستان قانع‌کننده» درباره داده‌ها باشد که بر اساس تحلیل‌های پژوهشگر شکل گرفته است (براون و کلارک، 2012). در آخرین صفحه از کاربرگ QTT (که در شکل فوق قابل مشاهده است)، تمام مضامین کلی و سؤالات تحقیقاتی‌ گردآوری شده و در بینش‌های پژوهشگر ادغام می شود. این مرحله کمک می کند تا نتایج را جمع‌بندی کرده و فرضیه‌های جدیدی توسعه داده شود. یکی دیگر از ویژگی‌هایی که به طور گسترده از آن استفاده می شود، قابلیت بازیابی بخش‌های کدگذاری‌شده در برگه بخش‌های مهم و پیوند دادن آن‌ها با مضامین فراگیر است. این کار کمک می کند تا ساختار یافته‌تر عمل نمود.

• ایجاد یک چرخه بازگشتی از معناسازی با MAXQDA

تحلیل مضمون رویکردی است که نیازمند غوطه‌وری عمیق محققان در داده‌های خود می‌باشد. ویژگی‌های متنوع MAXQDA کمک می کند تا این احساس غوطه‌وری به خوبی تجربه شود. با استفاده از این ابزارها، می‌توان خود را به عنوان یک «مجسمه‌ساز» تصور نمود (براون و کلارک، 2012) که برای خلق چیزی ارزشمند از یک تکه سنگ، انتخاب‌ها و تصمیم‌هایی دارد. این استدلال اجازه می دهد تا صدای محقق در فرآیند تحلیل داده‌ها حفظ شود. این فرآیند به مباحثات اخیر درباره تحلیل مضمون مرتبط است که رویکرد شش مرحله‌ای را به عنوان یک فرآیند بازتابی، مجدداً مفهوم‌سازی می‌کند (براون و همکاران، 2019؛ براون و کلارک، 2019، 2020). یکی دیگر از مزایای مهم MAXQDA در تحلیل مضمون این است که می‌توان به راحتی بین فازهای مختلف تحلیل مضمون جابجا شد. این قابلیت اجازه می دهدتا تحلیل مضمون به شکلی واقعی و بازگشتی تجربه شود، به جای اینکه آن به صورت یک فرآیند خطی و مرحله‌ای دنبال شود.این جابجایی بین مراحل تحلیل این امکان را می دهد تا ارتباطات میان آن‌ها بهتر درک شود و چرخه‌ای پیوسته و بازگشتی از معناسازی ایجاد گردد. به این ترتیب، می توان دید که چگونه مراحل مختلف تحلیل مضمون با یکدیگر تعامل دارند و چگونه می‌توانند در راستای تولید بینش‌های عمیق‌تر از داده‌ها عمل کنند. این رویکرد نه تنها باعث می شود که تحلیل داده‌ها ساختاریافته‌تر شود بلکه همچنین کمک می کند تا درک بهتری از معنای نهفته در داده‌ها پیدا شده و نتایج تحقیقاتی به شکلی مؤثرتر ارائه گردند.

نتیجه گیری

تجزیه و تحلیل داده‌های کیفی، به ویژه تحلیل مضمون، ممکن است در ابتدا مانند یک کار دلهره‌آور به نظر برسد. محققان باید زمان زیادی را صرف درک داده‌ها و ترکیب فرضیه‌ها کنند. بر خلاف نرم‌افزارهای تجزیه و تحلیل داده‌های کمی که به دلیل رابط کاربری نقطه و کلیک خود می‌تواند احساس جدایی از داده‌ها را ایجاد کند، نرم‌افزارهای تجزیه و تحلیل داده‌های کیفی روش‌هایی را برای غوطه‌ور شدن در مجموعه داده‌ها فراهم می‌کنند. این غوطه‌وری از نظر پارادایمی برای موفقیت و معنا دار بودن تحقیقات کیفی بسیار مهم است. در نهایت، این فرآیند نه تنها کمک می کند تا داده‌ها بهتر درک شوند بلکه می توان بینش‌های عمیق‌تری درباره موضوع تحقیق کسب نمود. تجربه پژوهشی فوق نشان می دهد که چگونه می‌توان با استفاده از ابزارهای مناسب، یک تحلیل کیفی مؤثر و معنی‌دار انجام داد که به فهم بهتر مسائل پیچیده اجتماعی کمک می‌کند.