질적연구: 질적자료를 다양한 방법으로 분석하기(Clin Teach, 2018)

질적연구: 질적자료를 다양한 방법으로 분석하기(Clin Teach, 2018)

How to…analyse qualitative data in different ways

Dierdre Bennett1, Aileen Barrett2 and Esther Helmich3

도입

INTRODUCTION 

넓게 말하면, 질적 연구에서 분석적 접근법은 [말해진 것(내용)]이나 [그것이 어떻게 말하는지(사용되는 언어)]를 검토하는 것으로 생각할 수 있다. 각 범주는 연구자에게 흥미로운 가능성을 제공한다. 우리는 3,4,11–15 아래에 일반적으로 사용되는 옵션의 개요를 설명하고 표 1의 예를 제공한다. 그러나 이들에 대해 논의하기 전에, 우리는 먼저 '방법'과 '방법론'의 차이라는 분석에 대한 접근법을 이야기할 때 발생하는 중요한 구별을 고려해야 한다. 

• 방법이란 데이터를 수집하고 분석하기 위해 취한 일련의 절차적 단계를 말한다. 

• 반면에 방법론은 데이터 분석에 사용되는 방법을 포함하여 전체 연구를 뒷받침하는 가정, 가치 및 이론의 프레임워크를 말한다.1.2 

Broadly speaking, we can think of analytical approaches in qualitative research as examining either what is said (the content) or how it is said (the language used). Each category offers interesting possibilities for the researcher. We outline some commonly used options below,3,4,11–15 and provide examples in Table 1. But before we discuss these, we must first consider an important distinction that arises when talking about approaches to analysis: the difference between ‘method’ and ‘methodology’. 

• Method refers to a set of procedural steps taken to collect and analyse data. 

• Methodology, on the other hand, refers to a framework of assumptions, values and theories that underpin the whole study, including the method used to analyse the data.1,2 

연구자가 특정 '방법론' 내에서 연구를 수행하기로 선택했는지, 또는 보다 유연하게 사용할 수 있는 '방법'을 선택했는지의 여부는 연구 질문이나 이론적 입장에 따라 달라질 것이다. 분석적 접근방식의 선택은 대개 연구의 초기 단계에서 이루어지지만, 이론적 입장, 연구 질문 및 분석 사이의 일관성이 유지되는 한 계획된 접근방식을 변경할 수 있는 유연성이 있다. 

Whether the researcher chooses to conduct the study within a particular methodology, or to select a method that can be used more flexibly will depend on the research question and his or her theoretical stance.3,4 The choice of analytical approach is usually made at the outset of the study, but there is flexibility to change the planned approach as long as consistency between theoretical stance, research question and analysis is maintained. 

질적 분석의 공통 특징

COMMON FEATURES OF QUALITATIVE ANALYSIS 

질적 데이터는 다양한 형태로 제공되는데, 인터뷰나 포커스 그룹과 같은 오디오 형식의 오디오, 쓰기 및 시각 데이터는 일반적으로 분석에 앞서 서면 데이터로 '변환'된다. '전사'는 디테일의 수준에 따라 다를 수 있다

• 면밀한 전사, 예를 들어 담화 분석의 형태, 4는 정지, 말더듬기, 웃음 등을 포함한다. 

• 다른 대부분의 방법에는 덜 상세한 전사가 충분하지만, 대화를 정확하게 표현하고 참조를 위해 라인 번호를 사용해야 한다(박스 1). 

Qualitative data come in a variety of forms: audio, written and visual Data in audio format, such as interviews and focus groups, is typically transcribed, in other words ‘converted’ into written data, prior to analysis. Transcription varies in terms of detail: 

• close transcription, which is required for some analytical approaches, e.g. forms of discourse analysis,4 includes pauses, stutters, laughter, etc. 

• Less detailed transcription is sufficient for most other methods, but dialogue must be accurately represented and line numbers used for reference (Box 1). 

전체 데이터 세트의 전형이 비실용적인 경우, 연구자들은 반사적으로 분석을 위해 가장 관련 있는 섹션을 선택할 수 있다. 또한 아래에 언급된 소프트웨어 패키지를 이용하여 전사 없이 오디오 데이터를 분석할 수도 있다. 정성적 분석에 대한 대부분의 접근방식은 공통적인 특징을 공유한다. 첫 번째는 연구자가 데이터를 숙지하기 위한 요구 사항으로, 때로는 몰입immersion이라고 한다. 이것은 연구 질문을 염두에 두고, 초기 인상을 형성하고, 메모를 하면서, 반복적으로 데이터를 듣거나, 읽거나, 보는 것을 포함한다. 듣기는, 녹취록을 읽을 때, 또한 전사의 질을 확인할 수 있는 기회를 제공한다. 인터뷰 내용을 직접 기록한 연구자들은, 비록 이 작업이 시간이 많이 걸리긴 하지만 데이터에 익숙해지는 좋은 방법이라는 것을 알게 될 것이다. 

If transcription of the full data set is impractical, researchers may reflexively select the most relevant sections for analysis. It is also possible to analyse audio data without transcription, using the software packages mentioned below. Most approaches to qualitative analysis share common features. The first is a requirement for the researcher to familiarise themselves with the data, sometimes referred to as immersion. This involves repeatedly listening to, reading or looking at the data, with the research question in mind, forming initial impressions and making notes. Listening, when reading transcripts, also provides an opportunity to check the quality of the transcription. Researchers transcribing their own interviews will find that, although time consuming, it is a great way to become familiar with the data. 

두 번째 공통적인 특징은 데이터를 '코딩'하는 반복적인 과정이다. 코딩은 데이터 덩어리를 선택하고 연구 질문의 측면에서 의미 있는 요약 용어 또는 코드, 서술적 또는 해석적 할당을 의미한다.2,5 코드들은 더 높은 수준의 이해를 얻기 위해 후속 분석 라운드에서 그룹으로 분류된다. 사용되는 코드와 범주의 특성과 이러한 범주의 결합방식은 아래에 설명된 바와 같이 사용 중인 특정 접근방식에 따라 달라진다. 실용성 측면에서, 코딩은 형광펜, 가위, 데이터의 하드 카피를 사용하여 수동으로 수행할 수 있다. 또한 컬러 강조 표시 또는 '주석 추가' 기능을 사용하여 마이크로소프트 워드(Microsoft Corp, Redmond, WA, USA)에서 수행할 수 있다. 마지막으로 정성적 분석을 위해 설계된 소프트웨어 패키지가 있다. 예를 들어, NVivo(QSR International Pty Ltd., Victoria, Victoria), ATLAS.ti(ATLAS.ti Scientific Software Development GmbH, 독일 베를린) 등이 있다. 개인 선호도, 데이터 양 및 선택한 분석 접근방식에 따라 선택이 달라진다. 

A second common feature is the iterative process of ‘coding’ the data. Coding means selecting a chunk of data and assigning a summary term or code, descriptive or interpretative, that is meaningful in terms of your research question.2,5 Codes are categorised into groups in subsequent rounds of analysis to gain a higher level of understanding. The nature of the codes and categories used, and the manner in which they are combined, depends on the particular approach in use, as outlined below. In terms of practicalities, coding can be performed manually, using highlighter pens, scissors and hard copies of the data. It can also be performed in Microsoft¢ç Word (Microsoft Corp., Redmond, WA, USA), using coloured highlighting, or the ‘add comment’ function. Finally, there are software packages designed for qualitative analysis, e.g. NVivo (QSR International Pty Ltd., Victoria, Australia) and ATLAS.ti (ATLAS.ti Scientific Software Development GmbH, Berlin, Germany). Your choice will depend on personal preference, the volume of data and your chosen analytical approach. 

결과의 타당성 또는 신뢰성은 분석 과정을 명확하게 설명할 수 있느냐에 따라 달라진다. 감사 추적을 작성하기 위해서는 메모나 메모를 작성하는 것이 중요하다. 즉, 분석의 다른 지점에서 어떤 생각을 하고 있었는지와 특정 결정이 내려진 이유를 상기시킨다. 연구자들은 종종 연구 과정 전반에 걸쳐 성찰적 일기를 쓰는데, 연구 질문의 선택에서부터 연구 결과의 해석에 이르기까지, 그리고 그 밖의 연구 과정과 관련된 모든 것에 대한 영향을 반영한다. 질적 연구는 이상적으로는 서로의 성찰성을 지지하고, 서로의 가정에 도전하며, 데이터의 설명이나 해석을 공동 구성할 수 있는 최소 두 사람에 의해 수행된다. 

The validity, or trustworthiness, of your findings depends upon being able to describe the analytical process clearly. Making notes or memos throughout is important to create an audit trail: a reminder of what you were thinking at different points in the analysis and why particular decisions were made. Researchers often keep a reflexive diary throughout the research process, to reflect on the impact that they are having on the research, from the choice of research question through to the interpretation of the findings, and anything else pertinent to the research process. Qualitative research is ideally undertaken by a minimum of two people who can support each other’s reflexivity, challenge each other’s assumptions and co-construct a description or interpretation of the data.5 

내용에 촛점: '말해진' '무엇을' 말했는지를 분석

FOCUS ON CONTENT: ANALYSING WHAT IS SAID 

주제 분석(TA)은 참가자의 진술 내용에 초점을 맞춘 일반적으로 사용되는 정성적 방법이다: '데이터 내의 패턴(테마) 식별, 분석 및 보고'.2 주제 분석은 특정 방법론에 구속되지 않으며 분석 프로세스의 명확한 단계가 설명되었다. 이것은 초보 연구자들에게 편안한 출발점이 된다. TA의 스타일은 다양하지만, 세 가지 단계를 따르는 기본적인 시스템이 있다. 

• 서술적 코딩, 

• 해석적 코딩, 

• 중요한 테마를 식별 

Thematic analysis (TA) is a commonly used qualitative method that focuses on the content of participants’ statements: ‘identifying, analysing and reporting patterns (themes) within data’.2 Thematic analysis is not bound to a specific methodology and clear steps in the analytical process have been described. This makes it a comfortable starting point for novice researchers. Although there are various styles of TA, there is a basic system following three steps: 

• descriptive coding; 

• interpretive coding; and 

• identifying overarching themes. 

연역적 분석은 미리 결정된 카테고리를 사용할 때, 귀납적 분석은 개방형 코딩 프로세스의 데이터에서 코드가 발생할 때 이다. 귀납적 분석의 경우, 맞지 않는 데이터도 코드화되거나, 프레임워크 외부에 분류되어 예상치 못한 결과를 얻을 수 있도록 하는 것이 중요하다. 주제 분석은 다른 컨텐츠 중심 방법과 밀접하게 관련되어 있다. 예를 들어, 컨텐츠 분석,6은 데이터에 코드와 테마의 숫자 빈도를 기록하는 것을 포함할 수 있으며, 프레임워크 분석은 7은 데이터가 정렬되는 매트릭스의 개발을 수반한다. 

Analysis may be inductive, when codes arise from the data in an open coding process, or deductive, when predetermined categories are used. In the latter case, it is important that data that do not fit are also coded or categorised, outside the framework, thus allowing for unexpected findings. Thematic analysis is closely related to other content-focused methods: for example, content analysis,6 which may include recording the numerical frequency of codes and themes in the data, and framework analysis,7 which involves the development of a matrix into which data are sorted. 

그라운드드 이론(GT)은 TA와 마찬가지로 참가자의 진술 내용에 초점을 맞추지만, TA와 달리 방법론이기 때문에 연구는 전체적으로 GT의 가정과 가치와 일치해야 한다. GT에서 연구자는 데이터로부터 새로운 이론을 생성한다. Charmaz가 제안한 접근방식은 의학 교육에서 자주 사용된다.5 GT에서 연구 질문은 어떻게 또는 왜 어떤 일이 일어나는지 묻는다. 

Grounded theory (GT), like TA, focuses on the content of participants’ statements, but unlike TA it is a methodology, and therefore requires that the study is consistent with the assumptions and values of GT throughout. In GT the researcher generates a new theory from the data. The approach proposed by Charmaz is frequently used in medical education.5 A GT research question asks how or why something happens. 

GT가 TA와 같는 주요 차이점은, GT에서는 분석 과정 전반에 걸쳐 [(단순히) 범주를 기술하기 보다는] 범주 간 설명적 연계를 만들려고 한다는 것이다. 결과 이론의 타당성을 보장하기 위해 정의된 단계를 따라야 한다. 끊임없는 비교와 메모 쓰기는 이 과정의 중요한 부분이다. 데이터 수집과 분석은 보통 병렬로 진행되며, 연구 문제는 분석이 진행됨에 따라 진화할 수 있다. GT 분석 결과는 관심 프로세스에 대한 이론적 모델에 대한 설명이다. 일부 연구원들은 분석에 대한 접근법을 '수정된 근거 이론'이라고 표현하기도 한다. 이것은 대개 그들이 지속적인 비교와 이론적 코딩과 같은 GT의 요소를 사용했지만 GT에서 요구되는 모든 단계를 엄격히 준수하지 않았다는 것을 의미한다. 

A key difference between TA and GT is that throughout the analytical process the grounded theorist is trying to make explanatory links between categories, rather than describing the categories. Defined steps must be followed to ensure the validity of the resulting theory. Constant comparison and writing memos are important parts of this process. Data collection and analysis usually run in parallel, and the research question may evolve as the analysis progresses. The outcome of a GT analysis is a description of a theoretical model for the process of interest. Some researchers describe their approach to analysis as ‘modified grounded theory’. This usually means that they have used elements of GT, such as constant comparison and theoretical coding, but have not strictly adhered to all of the steps required in GT. 

언어에 초점: '어떻게' 말해졌는지를 분석

FOCUS ON LANGUAGE: ANALYSING HOW  THINGS ARE SAID 

비판적 담론 분석(CDA)은 사회 구조, 권력 관계 및 정체성에 대한 질문에 답하기 위해 관심 주제에 대해 사물이 말하는 방식을 콘텐츠 이상으로 살펴보는 질적 방법론의 집단을 말한다. 이러한 접근법을 뒷받침하는 핵심 아이디어는 언어가 콘텐츠 정보를 전달하는 것 이상을 한다는 것이다. 푸코울드 담론 분석은 의학 교육 주제에 적용되었던 그러한 접근법 중 하나이다.8 프랑스 철학자 미셸 푸코의 이론을 바탕으로 담론을 특정 주제가 사회에서 어떻게 구성되었는지를 반영하는 생각의 집합으로 본다. Fouculdian 연구의 초점은 담론의 발달을 위한 역사적 맥락, 일부 담론의 다른 담론에 대한 지배, 담론이 사회적 구조를 형성하거나 사회적 구조가 담론을 형성하는 것 등이다. 어떤 주제에 대한 '사실' 또는 '진실'의 진술(의심하지 않는 것으로 제시된 진술)을 검토하고, 그것들이 어떻게 되었고, 누구의 이익에 기여하게 되었는지에 대한 의문을 제기하는 단계들이 광범위하게 설명되어 왔다. 

Critical discourse analysis (CDA) refers to a group of qualitative methodologies that look beyond content at the way things are said about the topic of interest, in order to answer questions about social structures, power relationships and identity. A key idea underpinning these approaches is that language does more than communicate content information. Foucauldian discourse analysis is one such approach that has been applied to medical education topics.8 Based on the theories of the French philosopher Michel Foucault, it views discourse as a collection of ideas that reflect how a particular topic has been constructed in society. The focus of Foucauldian studies is on the historical context for the development of discourses, the dominance of some such discourses over others, and the way in which discourses shape social structures and vice versa. Steps have been broadly described that include examining statements of ‘fact’ or ‘truth’ about a topic (statements presented as not being open to doubt), and questioning how they came to be and in whose interests they serve. 

Gee의 담론 분석은 푸카울드식 접근법보다 언어의 구조에 더 세심한 주의를 기울이는 CDA의 또 다른 형태지만, 사회적, 문화적, 정치적 의미도 다룬다.9 Gee는 연구자들이 그들 자신의 연구 질문에 적응할 수 있는 27개의 도구(연구자가 데이터에 대해 요구하는 질문)를 정의한다. 컨텐츠 기반 접근법과 마찬가지로 데이터는 사용 중인 도구에 따라 반복적으로 읽고 주석을 달았다. 예를 들어, '아이덴티티 빌딩' 도구는 화자가 enact하려고 하거나 다른 사람들이 인식하도록 하기 위해 사회적으로 인식 가능한 신분은 무엇이며, 말하는 것에서 화자가 다른 사람을 어떻게 배치하고 있는지를 묻는다. 

Gee’s discourse analysis is another form of CDA that pays closer attention to the structure of language than the Foucauldian approach, but also deals with social, cultural and political meaning.9 Gee defines 27 tools (questions the researcher asks of the data) that researchers can adapt for their own research questions. Similar to content-based approaches, data are read and annotated in an iterative manner depending on the tool in use. For example, the ‘Identities Building’ tool asks what socially recognisable identities the speaker is trying to enact or to get others to recognise, and how the speaker is positioning others in what is said. 

대화 분석(CA)은 예를 들어 의사-환자 상담이나 소규모 그룹 학습 세션(표 1)에서 언어가 어떻게 사용되는지에 대한 언어학적 접근법이다.10 대화 분석은 억양, 침묵, 시선과 같은 비언어적 단서들과 어떻게 말을 할 것인가와 같은 상호작용의 구조를 조사한다. 대화 분석에는 식별된 상호작용 패턴을 설명하는 모델을 만드는 것을 목표로 하는 귀납 및 반복 분석 프로세스가 포함된다.

Conversation analysis (CA) is a linguistic approach to how language is used during natural (unscripted) social interactions: for example in a doctor–patient consultation or in a small group learning session (Table 1).10 Conversation analysis examines non-verbal cues such as intonation, silences and gaze, and the structure of the interaction, such as how turns to speak are taken. Conversation analysis involves an inductive and iterative analytical process that aims to produce a model to describe the patterns of interaction identified. 

시각 자료 분석

ANALYSING VISUAL DATA 

시각 자료는 그림, 그래픽 소설, 만화 또는 참가자들이 만든 사진을 포함한다(예: 그림 1 참조). 자료는 다르지만, 시각 자료는 내용이나 언어에 초점을 맞추어 면담 녹취록에 기술된 것과 같은 방법으로 접근할 수 있다. 콘텐츠를 찾을 때 다음과 같은 질문을 한다. 

• 그림이나 사진에 묘사된 것은? 

• 사진 속의 요소(사람, 동물, 생각의 거품)는 무엇인가? 

• 그들은 어떻게 상호 연관되어 있는가? 

Visual data include drawings, graphic novels, comics or photographs made by participants (for examples, see Figure 1). Although the materials are different, visual data can be approached in the same way described for interview transcripts, focusing on content or on language. When looking for content we ask: What is depicted in the drawing or photo? What are the elements (people, animals, thought bubbles) within the picture? and How are they interrelated? 

언어에 초점을 맞출 때, 우리는 형태, 색상, 아이콘, 은유 등의 사용을 묘사하면서 사용되는 시각적 언어visual language에 관심이 있다. 시각적 분석에서, 우리는 전형적으로 내용과 시각적 언어에 초점을 맞춘다. 우리는 그림에 있는 것에 대한 공개적인 설명(즉, 개방 코딩)으로 시작하고, 같은 연구 내에서 다른 그림들을 비교하면서 패턴이나 반복적인 모티브(즉, 집중적인 코딩과 분류)를 찾는 것으로 진행한다. 

When focusing on language, we are interested in the visual language used, describing, for instance, the use of shape, colour, icons and metaphors. In visual analysis, we typically combine a focus on content and visual language. We start with an open description of what is in the picture (i.e. open coding), and then proceed with comparing different pictures within the same study, looking for patterns or recurrent motifs (i.e. focused coding and categorising). 

결론

CONCLUSION 

우리는 질적 분석에 대해 생각할 수 있는 프레임워크와 다른 접근법이 어떻게 수행되었는지를 보여주는 예를 제공했다. 당신이 이용할 수 있는 옵션들을 중심으로 읽고, 다른 사람들이 그것을 어떻게 사용했는지, 그리고 그것들이 당신의 연구에 더 넓은 방법론적 의미를 가지고 있는지를 이해하는 것이 중요하다. 우리는 이 논문이 그 과정에 도움이 되기를 희망한다. 그러나 경험적인 학습보다 더 나은 것은 없다. 질적 분석 방법을 배우는 가장 좋은 방법은 좀 더 숙련된 연구자의 도움을 받아 그것을 하는 것이다.

We have provided a framework to think about qualitative analysis, and examples of how different approaches have been undertaken. It is important to read around the options available to you, to see how others have used them, and to understand whether they have broader methodological implications for your research. We hope that this paper will help with that process; however, nothing beats experiential learning. The best way to learn how to do qualitative analysis is to enlist the help of a more experienced researcher and just do it.

---

Clin Teach. 2019 Feb;16(1):7-12. doi: 10.1111/tct.12973. Epub 2018 Nov 25.

How to…analyse qualitative data in different ways.

Bennett D1, Barrett A2, Helmich E3.

Author information

1

University College Cork, Cork, Ireland.

2

Irish College of General Practitioners, Dublin, Ireland.

3

University of Groningen Medical Centre, Groningen, the Netherlands.

Abstract

In this paper, the fifth in a series on qualitative research in medical education, we discuss approaches to analysing qualitative data. We focus primarily on analysing transcribed interview and focus group data. We also touch on the analysis of visual data, a potentially fruitful alternative approach.

© 2018 John Wiley & Sons Ltd and The Association for the Study of Medical Education.

PMID:

 

30474356

 

DOI:

 

10.1111/tct.12973