주제, 주제분석 등 Fugard and Potts의 표본크기 도구에서 (오)개념(International Journal of Social Research Methodology, 2016)

(Mis)conceptualising themes, thematic analysis, and other problems with Fugard and Potts’ (2015) sample-size tool for thematic analysis

Virginia Brauna and Victoria Clarkeb

aSchool of Psychology, The University of Auckland, New Zealand; bDepartment of Health and Social Sciences,

University of the West of England, Bristol, UK



우리 중 한 명은 최근 한 학생과 주제 분석(TA)의 기원과 역사에 대해 대화를 나누고 있었다. 그 학생은 TA를 근거 이론의 변형으로 제시한 텍스트인 카운슬링과 심리치료의 질적 연구(McLeod, 2011)를 읽었다. 빅토리아는 TA가 내용 분석에서 진화했다고 생각했고, 따라서 근거 이론을 앞섰으며, 1930년대-1950년대에 심리치료 연구에서 TA의 변형을 발견했다는 것을 최근에 논의했다고 말했다. 그 학생은 무거운 한숨을 내쉬고 의자에 털썩 주저앉아, 그 모든 복잡함 속에서 질적 연구를 완전히 파악할 수 없는 그녀의 능력을 경멸했다. 이런 반응은 드물지 않다. 때때로 질적 연구를 배우고 실행하는 학생들은 당황스럽고 도전적이라고 생각한다; 단순한 '어떻게 해야하는가' 모델은 안심할 수 있는 확신을 줄 수 있는 것처럼 보일 수 있다. 그러나 단순화된 모델은 특히 어떤 분야나 접근법을 [자신 있게, 그러나 부분적 설명에만 기초한다면] 잘해봐야 난독이며, 최악의 경우 부실 연구를 낳을 뿐이다.

One of us (VC) was having a conversation with a student recently about the origins and history of thematic analysis (TA). The student had read Qualitative Research in Counselling and Psychotherapy (McLeod, 2011), a text which presents TA as a variant of grounded theory. Victoria commented that she thought that TA evolved from content analysis, and therefore predated grounded theory, and discussed her recent discovery of the use of a variant of TA in psychotherapy research in the 1930s–1950s. The student let out a heavy sigh and slumped in her chair, bemoaning her ability to ever fully grasp qualitative research in all its complexity. This reaction is not uncommon. Students learning and implementing qualitative research at times find it bewildering and challenging; simple models of ‘how to do things’ can appear to offer reassuring certainty. But simplified models, especially if based in confidently-presented-yet-partial accounts of the field or an approach, at best obfuscate and at worst lead to poor quality research.


우리의 학문(심리학)에서 학생들은 전형적으로 과학심리학의 규범, 가치관, 방법에 완전히 몰입한 후에야 질적 연구에 대해 배운다. 많은 사람들은 우리가 '양적 감수성'이라고 부르는 것을 놓기 어려워한다. 그러한 학생들과 질적 감성에 정통하지 않은 다른 학생들에게, TA 연구에서 표본 크기를 결정하는 푸가르드와 포츠(2015년) 도구는 직관적인 매력이 크다; 그것은 질적 연구인 불확실성의 바다에서 매달릴 수 있는 생명력을 제공한다. 따라서, 우리는 Hammersley와 마찬가지로, 푸가르츠와 포츠의 도구가 TA 연구의 표본 크기를 결정하고 평가하기 위해 자금 기관 및 다른 기관(예: 편집자, 검토자)에 의해 사용될 것이라는 우려를 공유한다. 우리는 그 도구가 질적 연구의 가정과 절차에 대한 더 많은 혼란과 더 많은 왜곡을 야기할 것을 우려한다. 여기서는 TA의 질적 샘플링에 대한 이 정량적 모델이 왜 문제가 되는지 간략하게 강조하기 위해 타인이 표현한 우려(Byrne, 2015; Emmel, 2015; Hammersley, 2015)를 기반으로 하며, TA에 대한 결함 있는 가정에 기초하고, 많은 TA 연구의 탐색적 및 질적 기질과 상충되는 정량적 논리에 젖어있다.

In our discipline (psychology), students typically learn about qualitative research only after they have been fully immersed in the norms, values and methods of scientific psychology. Many find it difficult to let go of what we call a ‘quantitative sensibility’. For such students, and others not well versed in a qualitative sensibility, Fugard and Potts (2015) tool for determining sample sizes in TA research has great intuitive appeal; it provides a life-raft to cling to in the sea of uncertainty that is qualitative research. Thus, we share Hammersley’s (2015) concerns that their tool will be used by funding bodies and others (e.g. editors, reviewers) to determine and evaluate sample sizes in TA research. We fear it will result in further confusion about, and further distortion of, the assumptions and procedures of qualitative research. We here build on concerns expressed by others (Byrne, 2015; Emmel, 2015; Hammersley, 2015) to briefly highlight why this quantitative model for qualitative sampling in TA is problematic, based on flawed assumptions about TA, and steeped in a quantitative logic at odds with the exploratory and qualitative ethos of much TA research.


(오)개념적 주제 분석: 주제 분석은 하나의 접근법이 아니다.

(Mis)conceptualising thematic analysis: thematic analysis is not one approach


'테마 분석'은 여러 문헌을 통해서 다양한 것임이 알려졌음에도 불구하고, 푸가드와 포츠는 암시적으로 TA를 동질적 실체로 취급한다. 

Despite acknowledging diversity through reference to ‘thematic analyses’ , Fugard and Potts implicitly treat TA as a homogenous entity. 


우리는 TA에 대한 두 가지 광범위한 접근방식을 대조하는데, 이를 '코딩 신뢰성'(Boyatzis, 1998, Guest et al., 2012, Jofe, 2012), '유기적'(자체 및 기타) TA로 나눌 것이다.

we contrast two broad approaches to TA, which we call ‘coding reliability’ (authors such as Boyatzis, 1998; Guest et al., 2012; Joffe, 2012) and ‘organic’ (ourselves and others)



(오)개념적 주제: 모든 사람이 테마를 다이아몬드로 보는 것은 아니다.

(Mis)conceptualising themes: not everyone views themes as diamonds


푸가드와 포츠의 모델이 작동하려면 주제가 무엇인지, 그리고 어떻게 식별될 수 있는지에 대한 매우 특별한 아이디어가 필요하다. 본질적으로, 이 모델은 테마를 존재론적으로 real, discrete한 것으로 개념화해야 하며, 저 바깥 세상(혹은 데이터) 어딘가에 존재하여, 연구자들이 식별할 수 있는 것으로 개념화한다. 즉, 모래에 흩어진 다이아몬드처럼, 운이 좋은 사람이 발견해주기를 기다리는 것이다. (비록 그들의 논문에는, 비록 '테마'에 대한 다양한 정의가 있다; Emel, 2015)으로 개념화해야 한다. 푸가드와 포츠가 분석을 주제 발견의 과정으로 암묵적으로 간주한다는 사실은 그들이 사용한 언어로서 증명된다: 

    • '테마를 포착할 기회를 갖기 위해'(p.7; 우리가 강조), 

    • '테마를 인지하는 것을 돕기 위해'(p.9; 우리의 강조), 

    • '테마가 참여자에 의해 표현될 확률이 50%에 불과하고 공증적인 경우';연구자의 의견(p. 10; 우리의 강조) 

For Fugard and Potts’ model to work, a very particular idea of what a theme is, and how it can be identified, is required. Essentially, the model has to conceptualise themes as ontologically real, discrete things, out there in the world (or the data), identifiable by researchers – like diamonds scattered in the sand, waiting to plucked-up by a lucky passer-by (though within their paper, there are varied definitions of ‘a theme’; Emmel, 2015). That Fugard and Potts implicitly (as well as explicitly) regard analysis as a process of theme-discovery is evidenced in the language used: 

    • ‘to have a chance of capturing themes’ (p. 7; our emphasis); 

    • ‘in order to aid the recognition of a theme’ (p. 9; our emphasis); 

    • ‘if a theme only has a 50% chance of being expressed by the participant and noticed by the researcher’ (p. 10; our emphasis). 


이렇게 주제가 '발견discovery'된다는 생각은 많은 질적 학자들에게는 심각한 문제이다. 왜냐하면, 질적연구학자들은 주제란 분석 이전에 존재하는 것이 아니라, 연구자의 해석적 선택을 반영하여 테마를 연구자가 적극적으로 조작한 것으로 보기 때문이다. 주제란 탈맥락화되거나, 이미 존재하는 진리의 정확한 식별이 아니라, 독자에게 데이터의 설득력 있고 일관성 있게 제공되는 것이다.

This idea of discovery is deeply problematic to many qualitative scholars, who rather view themes as actively crafted by the researcher, reflecting their interpretative choices, instead of pre-existing the analysis. They are offered to the reader as a compelling and coherent reading of data, rather than (more or less) accurate identification of a decontextualized or pre-existing truth.


테마가 [상이한 데이터를 통합하는 코드에서 구성되고 데이터 집합에 걸쳐 어느 정도의 반복적 의미의 본질을 포착하는 의미 있는 실체]라고 개념화된다면, '발견'이라는 아이디어는 작동하지 않는다. 다이아몬드보다는 베이킹에서 나오는 최종 제품(예: 케이크)이 더 좋은 비유이다. 재료(침체), 공정 및 기술의 완전한 조합이 케이크를 생산하기 위해 결합된다. 케이크는 베이킹을 통해 '발견reveal'되는 것이 아니다. 즉, (주제든 케이크든) 정해진 범위 내에서 활동과 참여를 통해 만들어진다. 주제를 다이아몬드와 같은 것으로 보는 푸가드와 포츠의 모델은 (많은 질적 연구에서 지지받지 못하며, 많은 질적 연구자들에 의해 폐기되는) 일련의 개념적 실증주의-제국주의 가정(현실의 그 본질에 관한, 연구의 본질에 관한, 우리의 데이터가 우리에게 접근할 수 있는 것에 대한)을 요구한다. 질적 연구의 장점인 [새로운 아이디어, 이해, 구성의 공개적 탐구]는 어디에 있는가?

If themes are conceptualised as meaningful entities that are constructed from codes that unify disparate data, and capture the essence of some degree of recurrent meaning across a data-set (Braun & Clarke, 2013; DeSantis & Ugarriza, 2000), rather than things in the world that the researcher unearths, the idea of discovery does not work. The end-product from baking – e.g., a cake – offers a better metaphor than diamonds. A whole combination of materials (ingredients), processes and skills combine to produce a cake. Before baking, the cake isn’t waiting to be ‘revealed’ – it comes into being through activity and engagement, within set parameters. Fugard and Potts’ model, which relies on themes as diamonds, requires a series of conceptual positivist-empiricist assumptions (about that nature of reality, about the nature of research, about what our data give us access to) that don’t hold up across much qualitative researching, and which are discarded by many qualitative researchers. Where is the open exploration of new ideas, understandings and constructs that qualitative research excels at?


적어도 푸가드와 포츠의 모델은 매우 흔한 또 다른 '테마'의 문제적 개념화(=비록 테마로 주장하지만, 주제 보고가 아니라 토론한 topic이나 domain을 보고하는 것)를 반복하지는 않는다. 이러한 방식의 분석은 종종 주제 또는 소위 테마의 초점을 둘러싼 반응에 대한 기술 요약을 효과적으로 제공한다. – 잠재적으로 완전히 다른 다양한 의미들을 결합하는 것 – 예를 들어, '어린이에게 부여된 결과' 또는 '재활에 미치는 영향'과 같은 주제를 식별하는 분석(Kinsella & Woodall, 2016) – 이러한 (도메인 요약 방식의 주제는) 때로 참가자들이 토론하도록 요청받은 질문들을 중심으로 뭉치기도 한다. 만약 우리가 테마를 [핵심, 공유, 의미, 도메인 요약과 관련된 모든 것을 추출하는 것]으로 이해한다면, 테마는 제대로 개발되지 않거나 개념화되지 않을 것이다.

Fugard and Potts’ model, at least, does not reiterate another very common and in our view problematic conceptualisation of a ‘theme’: the reporting not of themes, but of topics or domains of discussion, albeit claiming them as themes. Such analysis often effectively provides descriptive summaries of the responses around the topic or focus of the so-called theme – combining a wide range of, potentially radically different, meanings – for example, analysis which identifies themes such as ‘perceived outcomes for children’ or ‘perceived impact on rehabilitation’ (Kinsella & Woodall, 2016) – sometimes clustered around the questions participants have been asked to discuss. If we understand themes as reflecting data extracts all related to a core, shared, meaning, domain-summaries constitute underdeveloped or poorly-conceptualised themes (Connelly & Peltzer, 2016; Sandelowski & Leeman, 2012). 


푸가드와 팟츠의 모델을 뒷받침하는 논리는 이러한 '도메인' 접근방식에 적용될 수 없다. 즉, 목적적 표본 추출에서, 모든 사람들은 '(그들이) 인식한 결과'나 '(그들이) 인식한 영향'과 같이 그들이 논의하도록 요청받은 것들에 대해 어떤 종류의 관점을 가질 가능성이 높다. 'theme prevalence'와 같은 개념은 완전히 무관한 것이다.

The logic behind Fugard and Potts’ model cannot apply to this ‘domain’ approach: in purposively sampled participants, everyone will likely have some kind of view on things they are asked to discuss, like ‘perceived outcomes’ or ‘perceived impacts,’ making the idea of ‘theme prevalence’ irrelevant.


테마: 식별된 것인가 또는 개발된 것인가?

Themes: identified or developed?


주제가 무엇인지, 그리고 주제가 무엇을 나타내는지에 대한 명확성은 품질 TA에 필수적이다. 테마의 '다이아몬드' 모델은 잠재적으로 TA에 대한 '코딩 신뢰성' 접근방법에 적합하다. 테마를 '캡처', '인식' 및 '공지화'할 수 있다면(게스트, 번스, 2006 참조), 개념적으로 주제는 연구자의 분석 및 해석적 노력이 있기 이전에 이미 존재한다고 볼 수 있다. 다소 정량적인 논리 내에서 질적 분석을 효과적으로 수행하는 이러한 접근방식에서 테마는 분석 프로세스 초기에 데이터 및/또는 이론과의 참여를 통해 개발된다. 코딩은 확인된 주제의 증거를 찾는 과정으로 개념화된다. 구조화된 코드북은 둘 이상의 연구자가 가장 잘 수행하는 코딩 프로세스를 안내한다. 즉, 높은 신뢰성은 코딩이 실제로 존재하는 중요한 테마를 성공적으로 포착했다는 품질 보증을 제공한다. 이러한 컨센서스 코딩 접근법이 가정하는 것은 [주제분석이라는 노력을 통해 우리는 상호 동의하고 드러낼 수 있는 현실이 있음]을 가정한다: 즉, 다이아몬드는 찾는 것이고, 모을 수 있고, 같은 형태끼리 분류될 수 있다.

Clarity around what a theme is, and what it represents, is vital for quality TA. The ‘diamond’ model of a theme does potentially fit with ‘coding reliability’ approaches to TA – if themes can be ‘captured’, ‘recognised’ and ‘noticed’ (see Guest, Bunce, & Johnson, 2006), they conceptually pre-exist the analytic and interpretive efforts of the researcher. In these approaches, which effectively do qualitative analysis within more or less quantitative logic, themes are developed early in the analytic process, through engagement with data and/or theory. Coding is conceptualised as a process of searching for evidence of identified themes. A structured code-book guides the coding process, which is best undertaken by more than one researcher – high inter-rater reliability offers quality assurance that coding has successfully captured salient themes, which really are there. This consensus coding approach assumes a reality we can agree on, and reveal, through our TA endeavours: the diamonds can be identified, collected, and sorted into piles of like-type.


이와는 대조적으로, 푸가드와 포츠의 모델은 온전한 질적 논리와 절차에는 무효하다. 이는 [코딩과 테마 개발 과정이 유기적이고 탐구적이며 본질적으로 주관적이며 능동적이고 창의적이며 성찰적 연구자 참여를 수반하는 '유기적' TA]를 말한다. 분석 과정 – 테마 개발의 재귀적 프로세스에 이은 엄격한 코딩 - 그들의 연구 질문에 가장 잘 맞는 분석을 개발하기 위해 데이터를 'tussling with'하는 연구를 포함한다(해머슬리, 2015년, 참고: 종종 진화하고 분석 과정 전반에 걸쳐 다듬어진다). 케이크를 만들려고 하는 제빵사를 상상해 보라. 이들은 부엌에 서서, 눈 앞에 놓인 재료들의 배열(기술과 다른 요소들)을 조사한다. 제빵사가 어떤 종류의 케이크를 구울 것인가에 대한 결정은 이러한 여러 요소들의 교차점을 반영한다. 유기적 TA에서도 분석은 마찬가지다.

In contrast, Fugard and Potts’ model doesn’t work for the fully qualitative logic and procedures of ‘organic’ TA, where coding and theme development processes are organic, exploratory and inherently subjective, involving active, creative and reflexive researcher engagement. The process of analysis – rigorous coding followed by a recursive process of theme development – involves the researching ‘tussling with’ the data to develop an analysis that best fits their research question (which often will evolve and become refined throughout the analytic process, as Hammersley, 2015, notes). Imagine the wannabe cake baker: standing in their kitchen, surveying the array of ingredients (as well as skills and other factors) at hand-their decision of what sort of cake to bake reflects the intersection of many factors. The same goes for analysis in organic TA.


샘플 크기 논리의 (오)개념

(Mis)conceptualising the logic of samples


Pugard와 Potts는 주제 관련성이 빈도에 따라 예측되는 모델을 생산한다. 따라서 가장 덜 선명한 테마의 빈도를 결정하여 필요한 표본 크기를 결정한다. 해변을 얼마나 걸어가야 그곳에 무작위로 흩어져 있는 여섯 종류의 다이아몬드를 찾을 수 있을까? 그것은 일반성과 복제성의 논리 내에 암묵적으로 위치하는 입력-출력 모델이다. 그러나 유기적 TA에서 빈도는 테마 개발의 유일한(또는 심지어 일차적) 결정요소가 아니다: (일부) 데이터 항목들을 넘나드는 것은 중요하지만, 연구 질문을 다루는 것과 관련성이 핵심이다. 가장 중요한 것은 TA를 [데이터 집합 전체에 걸쳐 패턴 있는 의미를 식별하는 방법]으로 인식하는 것이다. TA는 idiographic 또는 case study 방법으로서 의도된 것이 아니다(사례 연구 연구에 사용되었지만, 2010년). 그리고 단일 인스턴스는 테마의 증거가 아니다 – 가장 흔한 '테마'의 인스턴스를 식별할 가능성에 근거한 모델 뒤의 논리인 것 같다.

Fugard and Potts produce a model where theme relevance is predicated on frequency – and so you determine the frequency of the least-prevalent theme, to determine the sample size you will need. How far along that beach will you need to walk, before you find all six types of diamonds randomly scattered there? It’s an inputs–outputs model, implicitly located within the logic of generalisability and replicability. But in organic TA, frequency is not the only (or even primary) determinant for theme development: patterning across (some) data items is important, but relevance to addressing the research question is key. What is fundamental is the recognition of TA as a method of identifying patterned meaning across a data-set – it’s not intended as an idiographic or case study method (although it has been used in case study research, Cedervall & Åberg, 2010). And a single instance is not evidence of a theme – which seems to be the logic behind a model based on likelihood of identifying an instance of the least common ‘theme’.


Pugard and Potts'는 TA의 표본 크기에 대한 우리의 권고사항(Braun & Clarke, 2013)이 적게는 2개에서 400개까지이며, '2개와 400개 사이에서 값을 선택하는 방법은 불분명하다'(p. 669)고 명시하고 있다. 학생 교과서에 제공된 샘플링 지침을 사용하여 [자금 지원 및 다른 유형의 연구 제안서를 작성할 때 표본 크기를 추정할 때 기존의 TA 실무자들이 어둠 속에서 허우적거리고 있다는] 인상을 작성하는 수사학적 설명에 대해 우리가 갖고 있는 걱정거리와는 별개로, 그 사이의 공간으로부터 가치를 선택하는 방법을 안내할 것이 많이 있다.

Fugard and Potts’ noted that our recommendations (Braun & Clarke, 2013) for sample size in TA range from 2 to over 400, and state ‘it is unclear how to choose a value from the space between’ (p. 669). Quite apart from any concerns we might have about the rhetorical decontextualisation of using sampling guidance provided in a student textbook to create the impression that established TA practitioners are floundering in the dark when it comes to estimating sample sizes when writing funding and other types of research proposals, there is much to guide how one chooses a value from the space between. 


질적 연구(예: 코이네, 1997; 말테루드, 시에르마, & 과소라, 2015; Morse, 2000)에서 '표본 크기'에 대해 강력하고 풍부한 논의와 표본 추출의 이면에 대한 논리('표본'의 개념조차 논쟁)가 있으며, 더 큰 표본이 사실적으로 더 낫다는 (실증주의적) 암시나 주장에 대한 도전도 있다. 표본 선정 기준은 (사후)실증 논리에 의해 결정되지 않으며, 일반적으로는 그렇게 할 수 없다. 더욱이 대부분의 사람들은 표본 크기가 '공식이나 perceived redundancy로는 예측할 수 없다'는 데 동의하며(Malterud et al., 2015, 페이지 2), (샘플 크기란) 질적 연구자들이 데이터 수집을 하면서 실제적이고 비판적, 성찰적, 평가적 방식으로 종종 재점검revisit하는 것이다. TA에 대한 유기적이고 유연한 접근방식을 사용한다면 [그리고 잠재적인 프로젝트나 데이터 소스의 크기의 범위가 다양하다면] 표본크기는 상당히 다를 것으로 예상되며, 표본크기가 다양한 것이 적절하다.


There is robust and rich discussion around ‘sample sizes’ in qualitative research (e.g. Coyne, 1997; Malterud, Siersma, & Guassora, 2015; Morse, 2000), as well as the logic behind sampling (even the idea of ‘sampling’ itself is contested), and challenges to the (positivist) implication or claim that larger samples are de facto better. The criteria for choosing a sample are not determined by the logic of (post)positivism, and generally cannot be. Moreover, most would agree that sample size ‘cannot be predicted by formulae or perceived redundancy’ (Malterud et al., 2015, p. 2), and is something qualitative researchers often revisit during data collection, in a live and critically-reflexive, evaluative way. With an organic and flexible approach to TA, and a very wide range of potential project sizes, and data sources, it is expected and appropriate that samples would vary considerably in size. 


더욱이, 테마를 발견되기를 기다리는 다이아몬드로 개념화하지 않는다면, 우리는 "뭔가를 놓칠지도 모른다"는 생각에 의존할 필요가 없고, 따라서 푸가드와 포츠의 모델에서 결정된 비교적 큰 표본 크기를 고집할 필요도 없다. 큰 것이 반드시 좋은 것은 아니다. 표본이 클수록 데이터 내에 포함된 복잡성과 뉘앙스를 정의하지 못할 위험이 커진다. 우리가 감독하는 학생 연구원들과 출판된 연구자들은 일상적으로 테마를 생성하고 작은 표본들로부터 복잡한 분석을 개발한다. 이것은 단지 유기적인 TA의 테마가 발견되기 보다는 구성되기 때문만은 아니다. 세밀한 코딩Fine-grained coding 과정이 다양성과 뉘앙스를 포착하고, 공유된 의미의 (연구 질문에 대한) 유의한 패턴을 개념화할 수 있는 토대를 제공하기 때문이다. 우리가 가져야 할 것은 그 주제들이 무엇을 의미하는지, 그리고 우리가 그것들을 어떻게 그리고 왜 중요하게 취급하는지에 대한 명확한 개념화다. 이것은 미리 정해진 샘플 크기보다 더 중요하다.

Moreover, if we do not conceptualise themes as diamonds waiting to be discovered, we don’t have to rely on the idea of a truth we might miss – and hence do not need to chase the relatively large sample sizes (for interview-based qualitative research) that Fugard and Potts’ model produces. Bigger isn’t necessarily better. The bigger the sample, the greater the risk of failing to do justice to the complexity and nuance contained within the data. The student researchers we supervise, as well as published researchers, routinely generate themes and develop complex analyses from smaller samples. This isn’t just because themes in organic TA are constructed rather than found. It is because a process of fine-grained coding captures diversity and nuance, and provides a foundation for conceptualising possibly significant patterns (for research questions) of shared meaning. What we have to have is a clear conceptualisation of what those themes represent, and how and why we treat them as significant. This is more important than some predetermined sample size.


왜 우리는 고장나지 않은 것을 고치려고 노력해야 하는가?

Why should we try to fix what isn’t broken?


질적 연구는 풍부하고 견실한 분야로, 정량적 연구와 다른 기준을 가지고 있다. 정량적 표준과 프로세스에 질적 연구를 '적합'하려는 시도는 불필요할 뿐만 아니라, 위험하기까지 하다. ((질적연구) 패러다임은 그 자체로 이미 '퀄리티 표준'을 개발하고 품질과 표본 크기와 같은 것들에 대한 대화를 지속하는 데 있어서 잘 수행되어왔다(예: 마딜, 조던, & 셜리, 2000; 레이셔, 2000; 트레이시, 2010). 

Qualitative researching is a rich and robust field, with criteria that differ from those in quantitative studies. Attempts to ‘fit’ qualitative research into a quantitative standards and processes are not just unnecessary – the paradigm itself has done well both at developing ‘quality standards’ and at keeping conversations about things like quality and sample sizes live (e.g. Madill, Jordan, & Shirley, 2000; Reicher, 2000; Tracy, 2010) – they are also risky. 


질적인 연구자로서, 우리는 푸가드와 포츠의 모델이 본질적으로 무의미할 뿐만 아니라 심각한 문제를 일으킨다고 본다특히 (이 모델이) 질적 패러다임 내에서 운영되는 연구자들의 목소리와 내부 논리를 능가하는 권위의 목소리가 될 경우 더욱 그러하다. 비록 이 모델이 '신뢰성 코드화' TA에 어떤 가치를 제공할지는 모르지만, 우리는 이 모델을 우리의 '유기적' 버전의 TA에 사용하는 것은 권장하지 않는다. 

As qualitative researchers, we find Fugard and Potts’ model not only essentially meaningless (we do not recommend its use with our ‘organic’ version of TA … though it may offer something of value to ‘coding reliability’ TA), but also deeply troubling – especially if it becomes a voice of authority that trumps the voices and internal logic of researchers operating within a qualitative paradigm.







Commentary

(Mis)conceptualising themes, thematic analysis, and other problems with Fugard and Potts’ (2015) sample-size tool for thematic analysis

Pages 739-743 | Received 12 May 2016, Accepted 26 May 2016, Published online: 16 Jun 2016


+ Recent posts