Análise Temática a Partir de Transcrições: As Seis Fases

A análise temática produz temas estruturados e defensáveis a partir de transcrições de entrevistas quando você segue um procedimento claro. O framework reflexivo de seis fases de Braun e Clarke, publicado pela primeira vez na Qualitative Research in Psychology em 2006 e formalizado no livro deles de 2022, Thematic Analysis: A Practical Guide, oferece esse procedimento. As seis fases não são uma lista de verificação que você marca em ordem; elas são iterativas, e você vai ir e voltar entre elas. Mas elas dão à sua análise uma forma que você pode descrever a um orientador ou a um revisor por pares.

As Seis Fases em Resumo

O framework se organiza assim:

1. Familiarização com os dados
2. Geração dos códigos iniciais
3. Geração dos temas iniciais
4. Revisão e desenvolvimento dos temas
5. Refinamento, definição e nomeação dos temas
6. Produção do relatório

A armadilha em que a maioria dos pós-graduandos cai é tratar as fases um a cinco como preparação rápida e colocar todo o esforço na fase seis. A redação anda devagar quando a análise é rasa. Quando a análise é completa, o relatório praticamente se escreve sozinho.

Fase 1: Familiarização (Ela Começa Durante a Transcrição)

A familiarização começa no momento em que você se envolve com o áudio, não quando abre o arquivo da transcrição. Braun e Clarke observam que a transcrição manual, quando viável, cria uma imersão profunda nos dados. Ouvir ativamente uma gravação antes ou durante a transcrição fornece pistas tonais, hesitações e ênfases que o texto limpo elimina.

Depois de ter as transcrições, o mínimo para uma familiarização genuína são duas leituras completas de cada uma, anotando ao longo do caminho. Não folheando. Lendo.

Uma entrevista de 60 minutos normalmente gera de 9.000 a 12.000 palavras de transcrição. Para um projeto com 20 entrevistas, você lê aproximadamente 200.000 palavras duas vezes. Reserve de 25 a 40 horas somente para esta fase.

A precisão na origem importa aqui. Se a sua transcrição contém erros frequentes, você está construindo seu modelo mental dos dados sobre uma base falha. Revise cada transcrição contra o áudio antes de a familiarização começar. O guia de transcrição para pesquisa qualitativa cobre esse processo de revisão em detalhes.

Se você precisa obter as transcrições rapidamente antes de começar a familiarização, o ConvertAudioToText gera uma transcrição completa mais um resumo gerado por IA (áudio em inglês) que dá a você uma primeira impressão estruturada de cinco minutos de cada entrevista antes da leitura profunda. O resumo não substitui a familiarização. É uma camada útil de orientação.

Fase 2: Geração dos Códigos Iniciais

A codificação é onde a maioria dos pesquisadores passa a maior parte do tempo analítico. Um código é um rótulo curto atribuído a um trecho de dados que captura do que ele se trata.

A análise temática reflexiva é primariamente indutiva: os códigos emergem dos dados, e não de um framework pré-existente. Braun e Clarke descrevem os códigos como "interpretações provisórias", não extrações fixas de significado objetivo. Sua perspectiva como pesquisador molda ativamente o que você percebe. Isso não é uma falha do método; é uma característica da AT reflexiva, que trata a subjetividade do pesquisador como um recurso analítico, e não como uma fonte de viés a ser eliminada.

Elementos dedutivos são possíveis quando sua pergunta de pesquisa os exige, mas para um estudo fortemente dedutivo, a análise de framework ou a análise de template podem ser mais adequadas do que a AT reflexiva.

Para um projeto típico de 20 entrevistas, espere de 80 a 200 códigos iniciais em todo o conjunto de dados. A faixa é ampla porque depende da amplitude do tema e do quão granularmente você codifica.

Ferramentas para Codificação

Você pode codificar em qualquer ferramenta que permita atribuir rótulos a textos:

Escolha uma ferramenta e use-a durante todo o projeto. Trocar no meio da análise custa semanas de reimportação e reorganização.

Para uma comparação detalhada entre softwares dedicados de análise qualitativa de dados e abordagens assistidas por IA, a comparação entre NVivo e transcrição por IA cobre os trade-offs.

Fase 3: Geração dos Temas Iniciais

Depois de ter seus códigos iniciais, você os agrupa em temas candidatos. Este é o trabalho conceitual pesado.

Um tema não é um tópico. É um padrão nos dados que captura algo analiticamente significativo sobre sua pergunta de pesquisa. Um código nomeia algo específico em um trecho; um tema nomeia o que aquilo e coisas relacionadas nos dizem através de múltiplos participantes e múltiplas entrevistas.

A disciplina nesta etapa é escrever seus temas candidatos e, então, olhar os códigos que caem sob cada tema e perguntar se eles realmente pertencem juntos. Se vários códigos de um agrupamento tratam, na verdade, de algo diferente, o tema precisa ser dividido.

A maioria dos estudos de AT reflexiva em escala de dissertação produz de três a seis temas iniciais nesta etapa, conforme padrões verificados em pesquisas publicadas. Menos de três geralmente significa que os temas estão abstratos demais. Mais de seis geralmente significa que eles ainda estão no nível de código, e não no nível de tema.

Fase 4: Revisão e Desenvolvimento dos Temas

Esta é a primeira checagem de sanidade. Você pega seus temas candidatos e os testa contra dois níveis de evidência.

Nível um: coerência interna. Leia todos os trechos de dados codificados sob um único tema. Eles contam uma história coerente? Se parecerem soltos, o tema pode ser dois temas, ou um tema e um subtema.

Nível dois: aderência ao conjunto completo de dados. Volte às transcrições originais, não apenas aos extratos codificados. Há partes significativas dos dados que seus temas atuais não explicam? Essa lacuna é um sinal.

Temas são divididos, mesclados, renomeados e descartados durante esta fase. Planeje de uma a duas semanas completas aqui, não dois dias.

Fase 5: Refinamento, Definição e Nomeação dos Temas

Na fase cinco, seus temas devem estar estáveis. Agora você escreve uma definição enxuta para cada um. A definição de um tema inclui:

• Um nome claro, de quatro a oito palavras
• Uma descrição de duas a três frases do que o tema captura
• De três a cinco citações representativas
• Notas sobre como o tema se relaciona com os outros temas

Este documento se torna a espinha dorsal analítica da sua redação. Em artigos qualitativos publicados, você frequentemente verá esse material resumido na seção de métodos ou de resultados iniciais.

Os nomes dos temas devem fazer trabalho analítico, não apenas rotular um tópico. "Os participantes discutiram desafios com financiamento" é uma descrição de código, não um nome de tema. Um nome de tema enquadraria que tipo de desafios, por que eles importam e o que eles nos dizem.

Fase 6: Produção do Relatório

Se você fez as fases um a cinco com rigor, a redação leva de duas a quatro semanas para um capítulo típico de dissertação ou artigo de periódico. A seção de resultados geralmente segue seus temas, com cada tema ancorado pelas duas ou três citações mais fortes de todo o seu conjunto de dados.

Duas coisas separam redações qualitativas fortes das fracas.

A primeira é a seleção de citações. Escolha citações vívidas e específicas. Uma citação genérica que poderia vir de qualquer projeto faz menos trabalho do que uma específica claramente ligada à experiência dos seus participantes.

A segunda é o movimento analítico. A descrição diz ao leitor o que os participantes disseram. A análise diz ao leitor o que isso significa à luz da sua pergunta de pesquisa e da literatura existente. Submeta cada tema à pergunta: o que isso nos diz que ainda não sabíamos?

Onde a IA Ajuda e Onde Ela Não Ajuda

Ferramentas de IA podem acelerar partes da análise temática. Elas não podem substituir o julgamento analítico.

Onde a IA ajuda: transcrição, geração de um resumo de orientação inicial para cada entrevista, identificação de rótulos de código candidatos que você pode avaliar e revisar depois, identificação de trechos semelhantes entre entrevistas.

Onde a IA não ajuda: o julgamento do que os códigos significam em conjunto, o que os temas capturam sobre os dados e como os resultados se relacionam com a literatura. O livro de Braun e Clarke de 2022 é explícito em dizer que a AT reflexiva exige a subjetividade engajada do pesquisador ao longo de todo o processo. Isso não é uma limitação da IA atual; é uma característica do método.

A comparação entre transcrição por IA e humana cobre os trade-offs de precisão. O guia de codificação de entrevistas qualitativas aborda a codificação assistida por IA com mais profundidade.

Minha opinião: a transcrição por IA é uma economia de tempo real no início do processo, e os resumos por IA são uma camada útil de orientação. Mas no momento em que você tenta usar a IA para gerar seus temas ou escrever sua análise, você abandonou a AT reflexiva por outra coisa. Diga isso claramente na sua seção de métodos se seguir esse caminho, porque os revisores vão perguntar.

Orçamento de Tempo para um Projeto de 20 Entrevistas

Um orçamento de tempo defensável para a análise temática de 20 entrevistas:

• Revisão da transcrição (após geração por IA): 15 a 30 horas
• Familiarização (duas leituras completas): 25 a 40 horas
• Codificação inicial: 60 a 100 horas
• Geração e revisão dos temas: 30 a 50 horas
• Definição dos temas: 10 a 20 horas
• Redação: 60 a 100 horas

Total: 200 a 340 horas. A 20 horas por semana, isso dá de 10 a 17 semanas de trabalho focado. Isso é realista para um capítulo de dissertação ou um artigo substancial de periódico. Não é realista fazer bem feito em quatro semanas.

Três Padrões Que Aparecem em Rejeições na Revisão por Pares

Temas que na verdade são códigos. "Os participantes discutiram desafios com financiamento" é uma descrição no nível de código. Um tema nomearia o padrão subjacente: que tipo de desafios, em que contexto, com que significância.

Citações escolhidas a dedo. Temas fortes têm múltiplos participantes falando sobre eles em todo o conjunto de dados. Se um tema se apoia em citações de dois de vinte participantes, ele é uma observação atípica, não um tema.

Descrição sem análise. A seção de resultados parece um resumo do que os participantes disseram, deixando o leitor perguntando "e daí?". Submeta cada tema à pergunta do que ele nos diz além de reenunciar os dados. Esse movimento é a análise.

Para saber mais sobre como construir uma base rigorosa de transcrições qualitativas, o guia de precisão de transcrição e o guia de diarização de falantes explicada cobrem o lado técnico de obter transcrições limpas e atribuídas antes de a análise começar.

Perguntas Frequentes

Qual é a diferença entre a análise temática original de 2006 de Braun e Clarke e a abordagem de AT reflexiva deles?

As seis fases permanecem inalteradas. O enquadramento filosófico mudou significativamente nos trabalhos deles de 2019 e 2022. Na AT reflexiva, os temas são padrões construídos pelo pesquisador, e não entidades descobertas nos dados. A subjetividade do pesquisador é tratada como um recurso analítico, e não como uma fonte de viés a ser colocada entre parênteses. A codificação com confiabilidade entre avaliadores é explicitamente incompatível com a AT reflexiva, porque o método assume que dois analistas legitimamente produzirão códigos diferentes a partir dos mesmos dados. Se a sua instituição ou orientador espera confiabilidade entre avaliadores (IRR), esclareça se eles querem dizer um ramo diferente da AT ou um método completamente diferente.

Quantos temas uma análise temática deve produzir?

A maioria dos estudos publicados de AT reflexiva em nível de dissertação produz de três a seis temas principais, cada um com dois a quatro subtemas. Menos de três sugere que os temas podem ser amplos demais para carregar peso analítico. Mais de seis frequentemente significa que você ainda está na granularidade de código, e não de tema. O número certo é aquele que representa com precisão os padrões do seu conjunto de dados específico.

É possível usar ferramentas de IA para codificar transcrições qualitativas?

Ferramentas de IA podem gerar rótulos de código candidatos e identificar trechos semelhantes entre transcrições. Esses resultados são pontos de partida úteis para a própria codificação do pesquisador, não substitutos dela. A AT reflexiva exige especificamente o julgamento engajado do pesquisador ao longo de todo o processo de codificação. Se você usa códigos gerados por IA, precisa avaliar, revisar e assumir analiticamente cada um deles. Documente como você usou ferramentas de IA na sua seção de métodos.

A análise temática exige software especializado como NVivo ou ATLAS.ti?

Não. A análise temática pode ser feita no Word com controle de alterações e comentários, em uma planilha com uma linha por aplicação de código, ou em transcrições impressas com marca-textos. Softwares especializados de análise qualitativa de dados (NVivo, MAXQDA, ATLAS.ti) aceleram projetos grandes e facilitam hierarquias de códigos e consultas, mas o trabalho analítico é seu independentemente da ferramenta. Para projetos com menos de cinco entrevistas, o Word costuma ser a escolha mais simples.

Como lidar com erros de transcrição antes de começar a análise temática?

Revise cada transcrição contra o áudio original antes de iniciar a familiarização. Preste atenção especial a nomes próprios, termos técnicos e qualquer trecho em que o falante hesitou, se sobrepos a outro falante ou falou baixo. Erros que permanecem nas suas transcrições viram erros nos seus códigos e, eventualmente, nos seus temas. A precisão da transcrição por IA varia conforme a qualidade do áudio e o sotaque; trate sempre a transcrição por IA como um primeiro rascunho que requer revisão, não como um documento final.

Fontes

• 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