Theme development in qualitative content analysis and thematic analysis
Notice bibliographique
Résumé
Sufficient knowledge is available about the definition, details and differences of qualitative content and thematic analysis as two approaches of qualitative descriptive research. However, identifying the main features of theme as the data analysis product and the method of its development remain unclear. The purpose of this study was to describe the meaning of theme and offer a method on theme construction that can be used by qualitative content analysis and thematic analysis researchers in line with the underpinning specific approach to data analysis. This methodological paper comprises an analytical overview of qualitative descriptive research products and the meaning of theme. Also, our practical experiences of qualitative analysis supported by relevant published literature informed the generation of a stage like model of theme construction for qualitative content analysis and thematic analysis. This paper comprises: (i) analytical importance of theme, (ii) meaning of theme, (iii) meaning of category, (iv) theme and category in terms of level of content, and (v) theme development. This paper offers a conceptual clarification and a pragmatic step by step method of theme development that has the capacity of assisting nurse researchers understand how theme is developed. As nursing is a pragmatic discipline, nurse researchers have tried to develop practical findings and devise some way to “do something” with findings to enhance the action and impact of nursing. The application of a precise method of theme development for qualitative descriptive data analysis suggested in this paper helps yield meaningful, credible and practical results for nursing.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,193 | 0,227 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,011 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».