Análisis temático a partir de transcripciones: las seis fases

El análisis temático produce temas estructurados y defendibles a partir de transcripciones de entrevistas cuando sigues un procedimiento claro. El marco reflexivo de seis fases de Braun y Clarke, publicado por primera vez en Qualitative Research in Psychology en 2006 y formalizado en su libro de 2022 Thematic Analysis: A Practical Guide, te proporciona ese procedimiento. Las seis fases no son una lista de verificación que marcas en orden; son iterativas, e irás y volverás entre ellas. Pero sí le dan a tu análisis una forma que puedes describir a un director de tesis o a un revisor por pares.

Las seis fases de un vistazo

El marco se estructura así:

1. Familiarización con los datos
2. Generación de códigos iniciales
3. Generación de temas iniciales
4. Revisión y desarrollo de los temas
5. Refinamiento, definición y denominación de los temas
6. Elaboración del informe

La trampa en la que caen la mayoría de los estudiantes de posgrado es tratar las fases uno a cinco como una preparación rápida y volcar todo su esfuerzo en la fase seis. La redacción avanza despacio cuando el análisis es pobre. Cuando el análisis es minucioso, la redacción casi se escribe sola.

Fase 1: Familiarización (empieza durante la transcripción)

La familiarización comienza en el momento en que interactúas con el audio, no cuando abres el archivo de la transcripción. Braun y Clarke señalan que la transcripción manual, cuando es viable, crea una inmersión profunda en los datos. Escuchar activamente una grabación antes o durante la transcripción te aporta matices tonales, vacilaciones y énfasis que el texto depurado elimina.

Una vez que tienes las transcripciones, el mínimo para una familiarización genuina son dos lecturas completas de cada una, tomando notas sobre la marcha. No hojear. Leer.

Una entrevista de 60 minutos produce típicamente entre 9.000 y 12.000 palabras de transcripción. Para un proyecto con 20 entrevistas, estás leyendo unas 200.000 palabras dos veces. Reserva de 25 a 40 horas solo para esta fase.

La precisión en el origen importa aquí. Si tu transcripción contiene errores frecuentes, estás construyendo tu modelo mental de los datos sobre una base defectuosa. Revisa cada transcripción contra el audio antes de que comience la familiarización. La guía de transcripción para investigación cualitativa cubre ese proceso de revisión en detalle.

Si necesitas tener las transcripciones listas rápidamente antes de empezar la familiarización, ConvertAudioToText genera una transcripción completa más un resumen generado por IA (audio en inglés) que te da una primera impresión estructurada de cinco minutos de cada entrevista antes de hacer la lectura en profundidad. El resumen no es un sustituto de la familiarización. Es una capa de orientación útil.

Fase 2: Generación de códigos iniciales

La codificación es donde la mayoría de los investigadores invierten la mayor parte de su tiempo analítico. Un código es una etiqueta breve que se adjunta a un fragmento de datos y captura de qué trata.

El análisis temático reflexivo es principalmente inductivo: los códigos emergen de los datos y no de un marco preexistente. Braun y Clarke describen los códigos como «interpretaciones provisionales», no extracciones fijas de un significado objetivo. Tu perspectiva como investigador moldea activamente aquello que notas. Eso no es un defecto del método; es una característica del análisis temático reflexivo (AT), que trata la subjetividad del investigador como un recurso analítico en lugar de una fuente de sesgo que eliminar.

Los elementos deductivos son posibles cuando tu pregunta de investigación los requiere, pero para un estudio fuertemente deductivo, el análisis de marco o el análisis de plantilla pueden encajar mejor que el AT reflexivo.

Para un proyecto típico de 20 entrevistas, espera entre 80 y 200 códigos iniciales en todo el conjunto de datos. El rango es amplio porque depende de la amplitud del tema y de con cuánta granularidad codifiques.

Herramientas para codificar

Puedes codificar en cualquier herramienta que te permita adjuntar etiquetas al texto:

Elige una herramienta y úsala para todo el proyecto. Cambiar a mitad del análisis cuesta semanas de reimportar y reorganizar.

Para una comparación detallada del software QDA dedicado frente a los enfoques asistidos por IA, la comparación de NVivo frente a la transcripción con IA cubre las ventajas y desventajas.

Fase 3: Generación de temas iniciales

Una vez que tienes tus códigos iniciales, los agrupas en temas candidatos. Aquí está el trabajo conceptual más pesado.

Un tema no es un tópico. Es un patrón presente en los datos que captura algo analíticamente significativo sobre tu pregunta de investigación. Un código nombra algo concreto en un pasaje; un tema nombra lo que ese algo, junto con cosas relacionadas, nos dice a través de múltiples participantes y múltiples entrevistas.

La disciplina en esta etapa consiste en anotar tus temas candidatos y luego revisar los códigos que quedan bajo cada tema preguntándote si realmente van juntos. Si varios códigos de un grupo tratan en realidad otra cosa, el tema debe dividirse.

La mayoría de los estudios de AT reflexivo a escala de tesis producen de tres a seis temas iniciales en esta etapa, según patrones verificados en la investigación publicada. Menos de tres suele significar que los temas son demasiado abstractos. Más de seis suele significar que siguen a nivel de código en lugar de a nivel de tema.

Fase 4: Revisión y desarrollo de los temas

Esta es la primera prueba de sensatez. Tomas tus temas candidatos y los contrastas con dos niveles de evidencia.

Nivel uno: coherencia interna. Lee todos los extractos de datos codificados bajo un mismo tema. ¿Relatan una historia coherente? Si se sienten sueltos, el tema puede ser en realidad dos temas, o un tema y un subtema.

Nivel dos: ajuste con el conjunto completo de datos. Vuelve a las transcripciones originales, no solo a los extractos codificados. ¿Hay partes importantes de los datos que tus temas actuales no explican? Esa laguna es una señal.

Durante esta fase, los temas se dividen, se fusionan, cambian de nombre y se descartan. Calcula de una a dos semanas completas aquí, no dos días.

Fase 5: Refinamiento, definición y denominación de los temas

Al llegar a la fase cinco, tus temas deberían estar estables. Ahora escribes una definición concisa de cada uno. La definición de un tema incluye:

• Un nombre claro, de cuatro a ocho palabras
• Una descripción de dos o tres frases sobre lo que el tema captura
• De tres a cinco citas representativas
• Notas sobre cómo se relaciona el tema con los demás

Este documento se convierte en la columna vertebral analítica de tu redacción. En artículos cualitativos publicados, es habitual ver este material resumido en la sección de métodos o de primeros hallazgos.

Los nombres de los temas deben hacer un trabajo analítico, no limitarse a etiquetar un tópico. «Los participantes comentaron dificultades con la financiación» es una descripción de código, no un nombre de tema. Un nombre de tema enmarcaría qué tipo de dificultades, por qué importan y qué nos dicen.

Fase 6: Elaboración del informe

Si hiciste bien las fases uno a cinco, la redacción lleva de dos a cuatro semanas para un capítulo de tesis o un artículo de revista típicos. La sección de hallazgos suele organizarse en torno a tus temas, con cada tema anclado en las dos o tres citas más potentes de todo tu conjunto de datos.

Dos cosas distinguen las redacciones cualitativas sólidas de las débiles.

La primera es la selección de citas. Elige citas vívidas y específicas. Una cita genérica que podría venir de cualquier proyecto hace menos trabajo que una específica claramente ligada a la experiencia de tus participantes.

La segunda es el movimiento analítico. La descripción le dice al lector qué dijeron los participantes. El análisis le dice al lector qué significa eso a la luz de tu pregunta de investigación y de la literatura existente. Pasa cada tema por la pregunta: ¿qué nos dice esto que todavía no supiéramos?

Dónde encaja la IA y dónde no

Las herramientas de IA pueden acelerar partes del análisis temático. No pueden sustituir el juicio analítico.

Dónde ayuda la IA: en la transcripción, en generar un resumen de orientación inicial para cada entrevista, en sacar a la luz etiquetas de código candidatas que luego puedes evaluar y revisar, y en identificar pasajes similares entre entrevistas.

Dónde no ayuda la IA: en el juicio sobre qué significan los códigos en conjunto, qué capturan los temas de los datos y cómo se relacionan los hallazgos con la literatura. El libro de Braun y Clarke de 2022 es explícito: el AT reflexivo requiere la subjetividad comprometida del investigador durante todo el proceso. Eso no es una limitación de la IA actual; es una característica del método.

La comparación de transcripción con IA frente a humana cubre las ventajas y desventajas en precisión. La guía de codificación de entrevistas cualitativas cubre la codificación asistida por IA con más profundidad.

Mi opinión: la transcripción con IA ahorra tiempo de verdad al inicio del proceso, y los resúmenes con IA son una capa de orientación útil. Pero en cuanto intentas usar la IA para generar tus temas o escribir tu análisis, has abandonado el AT reflexivo por otra cosa. Indícalo con claridad en tu sección de métodos si sigues ese camino, porque los revisores lo preguntarán.

Presupuesto de tiempo para un proyecto de 20 entrevistas

Un presupuesto de tiempo defendible para el análisis temático de 20 entrevistas:

• Revisión de la transcripción (tras la generación con IA): 15 a 30 horas
• Familiarización (dos lecturas completas): 25 a 40 horas
• Codificación inicial: 60 a 100 horas
• Generación y revisión de temas: 30 a 50 horas
• Definición de temas: 10 a 20 horas
• Redacción: 60 a 100 horas

Total: de 200 a 340 horas. A 20 horas semanales, son de 10 a 17 semanas de trabajo concentrado. Esto es realista para un capítulo de tesis o un artículo de revista sustancial. No es realista hacerlo bien en cuatro semanas.

Tres patrones que aparecen en los rechazos de la revisión por pares

Temas que en realidad son códigos. «Los participantes comentaron dificultades con la financiación» es una descripción a nivel de código. Un tema nombraría el patrón subyacente: qué tipo de dificultades, en qué contexto, con qué significado.

Citas elegidas a dedo. Los temas sólidos tienen a varios participantes hablando de ellos desde todo el conjunto de datos. Si un tema descansa en citas de dos de veinte participantes, es una observación atípica, no un tema.

Descripción sin análisis. La sección de hallazgos se lee como un resumen de lo que dijeron los participantes, dejando al lector preguntándose «¿y qué?». Pasa cada tema por la pregunta de qué nos dice más allá de repetir los datos. Ese movimiento es el análisis.

Para profundizar en cómo construir una base de transcripciones cualitativas rigurosa, la guía de precisión de la transcripción y la guía sobre diarización de hablantes cubren el lado técnico de conseguir transcripciones limpias y atribuidas antes de que empiece el análisis.

Preguntas frecuentes

¿Cuál es la diferencia entre el análisis temático original de 2006 de Braun y Clarke y su enfoque de análisis temático reflexivo?

Las seis fases no cambian. El encuadre filosófico cambió significativamente en sus trabajos de 2019 y 2022. En el análisis temático (AT) reflexivo, los temas son patrones construidos por el investigador, no entidades descubiertas en los datos. La subjetividad del investigador se trata como un recurso analítico, no como una fuente de sesgo que haya que poner entre paréntesis. La codificación orientada a la fiabilidad interevaluador es explícitamente incompatible con el AT reflexivo porque el método asume que dos analistas producirán legítimamente códigos distintos a partir de los mismos datos. Si tu institución o tu director de tesis espera IRR, aclara si se refieren a otra rama del AT o a un método completamente distinto.

¿Cuántos temas debe producir un análisis temático?

La mayoría de los estudios publicados de AT reflexivo a nivel de tesis producen de tres a seis temas principales, cada uno con dos a cuatro subtemas. Menos de tres sugiere que los temas pueden ser demasiado amplios para tener peso analítico. Más de seis suele significar que todavía estás a nivel de código en lugar de a nivel de tema. El número correcto es el que represente con precisión los patrones de tu conjunto de datos concreto.

¿Se pueden usar herramientas de IA para codificar transcripciones cualitativas?

Las herramientas de IA pueden generar etiquetas de código candidatas y detectar pasajes similares en distintas transcripciones. Esos resultados son puntos de partida útiles para la codificación propia del investigador, no sustitutos de ella. El AT reflexivo requiere específicamente el juicio comprometido del investigador durante todo el proceso de codificación. Si usas códigos generados por IA, debes evaluarlos, revisarlos y hacerte cargo de cada uno desde el punto de vista analítico. Documenta cómo usaste las herramientas de IA en tu sección de métodos.

¿El análisis temático requiere software especializado como NVivo o ATLAS.ti?

No. El análisis temático puede hacerse en Word con control de cambios y comentarios, en una hoja de cálculo con una fila por aplicación de código, o en transcripciones impresas con rotuladores fluorescentes. El software QDA especializado (NVivo, MAXQDA, ATLAS.ti) acelera los proyectos grandes y facilita las jerarquías de códigos y las consultas, pero el trabajo analítico es tuyo sea cual sea la herramienta. Para proyectos de menos de 5 entrevistas, Word suele ser la opción más sencilla.

¿Cómo se manejan los errores de transcripción antes de comenzar el análisis temático?

Revisa cada transcripción contra el audio original antes de empezar la familiarización. Presta especial atención a los nombres propios, los términos técnicos y cualquier pasaje donde el hablante dudara, se solapara con otro hablante o hablara en voz baja. Los errores que permanecen en tus transcripciones se convierten en errores en tus códigos y finalmente en tus temas. La precisión de la transcripción con IA varía según la calidad del audio y el acento; trata siempre la transcripción generada por IA como un primer borrador que requiere revisión, no como un documento final.

Fuentes

• Braun, V. and Clarke, V. (2006). Using Thematic Analysis in Psychology. Qualitative Research in Psychology, 3, 77-101. https://www.tandfonline.com/doi/abs/10.1191/1478088706qp063oa
• Braun, V. and Clarke, V. (2022). Thematic Analysis: A Practical Guide. SAGE. https://uk.sagepub.com/en-gb/eur/thematic-analysis/book248481
• Skimle. Reflexive Thematic Analysis: What Changed with Braun and Clarke's Updated Approach. https://skimle.com/blog/reflexive-thematic-analysis-braun-clarke-guide
• Surviving Research. Reflexive Thematic Analysis in NVivo: Step-by-Step Guide. https://survivingresearch.com/step-by-step-example-of-the-braun-and-clarke-reflexive-thematic-analysis-approach-using-nvivo/
• Lumivero. NVivo: AI Qualitative Data Analysis Software. https://lumivero.com/products/nvivo/
• Skimle. MAXQDA vs ATLAS.ti in 2026. https://skimle.com/blog/maxqda-vs-atlas-ti-qualitative-analysis-software-2026