주제 분석을 위한 개념적 사고와 설계적 사고 (Qualitative Psychology, 2022)

Conceptual and design thinking for thematic analysis. 

Braun, V., & Clarke, V. (2022). Conceptual and design thinking for thematic analysis. Qualitative Psychology, 9(1), 3–26. https://doi.org/10.1037/qup0000196

 

 

 

 

안녕하세요, 연구자 여러분! 👋 질적 연구를 하시는 분들이라면 주제 분석(Thematic Analysis, TA)이라는 용어, 정말 많이 들어보셨을 거예요. 특히 Braun & Clarke(2006) 논문은 TA의 바이블처럼 여겨지죠. 그런데 최근(2021/2022) 이 두 분이 TA를 연구 디자인 단계에서부터 어떻게 '제대로' 설계하고 생각해야 하는지에 대해 아주 중요한 논문을 발표했습니다.

오늘은 <Conceptual and Design Thinking for Thematic Analysis> 논문을 통해, 우리가 TA에 대해 흔히 하는 오해와 성찰적 TA(Reflexive TA)를 잘 수행하기 위한 꿀팁을 정리해 드릴게요! 🧐

---

1. TA는 '방법론'이 아니라 '방법'입니다 🛠️

많은 분들이 TA를 근거 이론(Grounded Theory)이나 현상학처럼 하나의 거창한 방법론으로 생각하곤 합니다. 하지만 저자들은 TA가 이론에 얽매이지 않는 유연한 도구라고 강조해요.

"TA는 방법론(이론적으로 정보를 갖춘 연구 프레임워크)이라기보다는 방법(이론을 초월한 도구 또는 기법)에 더 가깝습니다." "TA is more akin to a method (a transtheoretical tool or technique) than a methodology (a theoretically informed framework for research)."

 

즉, TA는 유연한 도구이기 때문에 연구자가 어떤 철학적 입장을 취하느냐에 따라 연구 설계가 완전히 달라져야 한다는 뜻이죠. 그래서 연구 시작 전에 "나는 어떤 입장에서 이 도구를 쓸 것인가?"를 깊게 고민하는 개념적 사고(Conceptual Thinking)가 필수입니다!

2. TA의 세 가지 유파: 당신은 어디에 속하나요? 🤔

저자들은 TA를 크게 세 가지 학교(School)로 나눕니다.

1. 코딩 신뢰도 TA (Coding Reliability TA):
   • '정확성'과 '신뢰도' 중시.
   • 여러 명의 코더가 일치하는지 확인(Intercoder agreement).
   • 약간 양적 연구 느낌이 나는 (후기)실증주의((post)positivist) 기반입니다. (Small q)
2. 코드북 TA (Codebook TA):
   • 미리 정해진 틀(Codebook)을 사용.
   • 실용적인 응용 연구에서 많이 쓰입니다.
3. 성찰적 TA (Reflexive TA): ✨ (이 논문의 핵심!)
   • 연구자의 주관성을 적극 활용.
   • 유연하고 유기적인 코딩.
   • 질적 연구 고유의 가치를 중시합니다. (Big Q)

많은 연구자가 이 차이를 모르고 섞어서 쓰는 '실수'를 한다고 해요. Braun & Clarke가 지향하는 것은 바로 세 번째, 성찰적 TA입니다.

3. 성찰적 TA의 핵심: 주관성은 '편향'이 아닙니다! 💡

성찰적 TA에서 가장 중요한 마인드셋은 바로 연구자의 주관성(Subjectivity)을 바라보는 태도입니다.

"연구자의 주관성은 성찰적 TA를 위한 일차적인 '도구'입니다; 주관성은 관리되거나 통제되어야 할 문제가 아니라, 연구를 위한 자원입니다." "Researcher subjectivity is the primary 'tool' for reflexive TA; subjectivity is not a problem to be managed or controlled, it is a resource for research."

 

따라서 "연구자 편향(Researcher bias)"을 없애려고 노력할 필요가 없습니다. 오히려 나의 경험과 관점이 데이터 해석을 더 풍부하게 만드는 자원이 되니까요.

또한, 주제(Theme)에 대한 생각도 바꿔야 합니다. 주제는 데이터 속에 숨겨져 있어서 우리가 찾아내야 하는 보물찾기가 아닙니다.

"주제는 연구자가 그것들을 '발견'할 때 '나타나기' 위해 데이터 속에서 기다리고 있는 것이 아닙니다; 주제는... 연구자에 의해 생산되는 것으로 개념화됩니다." "Themes are not waiting in the data to 'emerge' when the researcher 'discovers' them; they are conceptualized as produced by the researcher."

 

주제는 발견(Discovery)이 아니라 생산(Production)과 구성(Construction)의 결과물이라는 점, 꼭 기억하세요! ✍️

4. 연구 설계: '포화'라는 말, 조심해서 쓰세요 🚫

연구 참여자를 몇 명이나 모아야 할까요? 많은 연구자가 "더 이상 새로운 내용이 안 나올 때까지(Saturation)"라고 답합니다. 하지만 저자들은 성찰적 TA에서 데이터 포화(Data Saturation) 개념을 비판합니다.

"이것은 성찰적 TA와 개념적으로 일관되지 않습니다... 그것은 사실상 연구자의 과업을 발견으로—발견되기를 기다리고 있는 주제를 인식하는 것으로—위치시키기 때문입니다." "It is not conceptually coherent with reflexive TA... because it effectively positions the researcher’s task as discovery—as recognizing themes that are waiting to be discovered."

 

대신 정보력(Information Power)이라는 개념을 제안합니다. 참여자 수가 중요한 게 아니라, 데이터가 얼마나 풍부하고 내 연구 질문을 답하기에 충분한 정보(Information Richness)를 담고 있느냐가 핵심이라는 것이죠.

5. 보고서 작성 팁: '방법' 말고 '방법론'이라고 쓰세요 📝

마지막으로 논문을 쓸 때의 팁입니다. 단순히 절차만 나열하는 'Method' 섹션보다는, 나의 이론적 배경과 성찰적 고민이 담긴 'Methodology'라는 제목을 쓸 것을 권장합니다. 그리고 결과 섹션 제목도 'Results(결과)'보다는 'Analysis(분석)'가 좋습니다. 결과는 왠지 고정된 정답 같은 느낌을 주지만, 분석은 연구자의 해석 과정을 보여주니까요.

"우리는 결과/발견 섹션에 대해 분석이라는 제목을 선호합니다. 왜냐하면 그것이 발견과 종결성을 모두 환기시키는 것을 피하기 때문입니다." "Our current preferred heading for the results/findings section is analysis because it avoids evoking both discovery and finality."

---

요약하자면! 📌

성찰적 TA를 잘하려면 다음 세 가지를 기억하세요.

1. 개념적 일관성(Conceptual Coherence): 내 연구의 철학적 배경과 분석 방법이 잘 맞는지 확인하기.
2. 성찰성(Reflexivity): 나의 주관성을 숨기지 말고 분석의 도구로 적극 활용하고 드러내기.
3. 적절한 설계: 기계적인 '포화'나 '신뢰도' 측정 대신, 데이터의 깊이와 정보력에 집중하기.

질적 연구는 정답을 찾는 과학이라기보다, 의미를 만들어가는 예술(Art)에 가깝습니다. Braun & Clarke의 조언대로 여러분만의 깊이 있는 통찰을 보여주는 멋진 연구 하시길 바랍니다! 💪

---

 

 

주제 분석(Thematic Analysis, TA)은 질적 심리학(qualitative psychology)에서 널리 실행되고 있습니다. TA가 근거 이론(grounded theory)이나 내러티브 분석(narrative analysis)과 같은 대부분의 다른 질적 분석 접근법과 구별되는 점은, 이것이 방법론(methodology, 연구를 위한 이론적 기반을 갖춘 프레임워크)이라기보다는 방법(method, 이론을 초월한 도구 또는 기법)에 더 가깝다는 것입니다. 근거 이론이나 내러티브 분석과 같은 접근법들은 분석적 기법뿐만 아니라 철학적 가정(philosophical assumptions), 이론적 프레임워크(theoretical framework)를 모두 포괄하며, 특정 유형의 연구 질문, 참여자/데이터 항목 선정 관행, 데이터 수집 방법 및 품질 절차로 나아간다는 점에서 "기성품(off-the-shelf)" 방법론이라고 불려왔습니다(Chamberlain, 2012). 이로 인해 일부 질적 방법론 학자들은 TA를 사용하는 것이 기성품 방법론을 사용하는 것에 비해 연구자들에게 더 많은 개념적 및 설계적 사고(conceptual and design thinking)를 요구한다고 주장하게 되었습니다(McLeod, 2015; Willig, 2013). Willig(2013)에게 있어 TA는 종종 인식되는 것처럼 "쉬운 선택(easy option)"(p. 66)이 아닌데, 그 이유는 연구자가 "연구 자체에 착수하기 전에 많은 개념적 작업(conceptual work)을 수행해야 하기"(p. 65) 때문입니다. McLeod(2015)는 TA를 "자신이 무엇을 달성하려고 하는지 알고 있다는 확신이 있는 연구자들에게 좋은 선택"(p. 147)이라고 설명했습니다.

 

방법(method)으로서의 TA의 지위는 때때로, 특히 질적 연구 초심자들에게 있어 좋은 관행(practice)에 대한 장애물로 구성되기도 합니다. 일부는 TA가 접근하기 쉬운 방법이라는 평판과 내재된 이론(inbuilt theory)의 부재가 결합하여, 연구자들이 이론적으로 명시적인 위치를 설정하지 않고 TA를 수행하는 실수를 저지르게 만들 수 있다고 주장했습니다(King & Brooks, 2017; Willig, 2013). Brown과 Locke(2017)는 TA가 응용 심리학 연구에서 인기 있는 이유는 연구자들이 "어떠한 방법론적 공포(methodological horrors)도 고려하지 않고 주제 내용(topic content)에 대해 질적 데이터를 분석"할 수 있다고 인식되기 때문이라고 시사했습니다(p. 425). 그러한 인식은 명시적인 개념적 기반(conceptual underpinning)이 없는 주제(themes)들을 보고하는 결과로 이어질 수 있습니다. 이는 잘못된 관행이며, Qualitative Psychology 저널의 투고 지침에서도 경험적 연구가 "(단순한 기술이나 주제의 보고와 대조되는) 적절한 개념화(adequate conceptualization)가 있는지"에 따라 평가될 것임을 명시적으로 언급하고 있습니다(American Psychological Association, 2020). 방법(method)으로서의 TA에 대한 우리의 관점은 더욱 낙관적입니다. TA의 사용은 연구자들의 숙고를 요구하므로, 사려 깊고 성찰적인 연구 관행(reflective research practice)—많은 품질 기준 및 지침에서 결정적으로 중요하다고 강조되는 관행(예: Elliott et al., 1999; Levitt et al., 2017; Yardley, 2015)—의 중요성이 강조됩니다. 우리는 이러한 입장에서 혼자가 아닙니다. 다른 학자들도 "생각 없는(thought-less)" 질적 연구를 허용한다는 이유로 기성품 방법론들의 "미리 결정된(predetermined)" 본질을 비판해 왔습니다(예: Chamberlain, 2012). 최상의 경우, TA는 진실성(integrity)으로 특징지어지는 성공적인 질적 분석을 위해 함께 모여야 할 다양한 요소들을 가시화할 뿐만 아니라, 그것들이 어떻게 연결되고 서로를 기반으로 구축되는지 고려하도록 돕습니다. TA는 질적 접근법으로서 초기에 가르쳐지거나 학습될 수 있기 때문에¹,  우리는 새로운 연구자들이 모든 (좋은) 연구 관행 뒤에 있는 개념적 사고(conceptual thinking)의 수많은 층위를 인식하고 (깊이 있게) 생각하도록 만들 중요한 기회—또는 의무—를 가지고 있습니다.

1 어떤 이들은 TA가 질적 연구의 "메커니즘(mechanics)"—개념적 및 설계적 사고—을 새로운 연구자들에게 가시화시켜 준다는 바로 그 이유 때문에 초기에 가르쳐져야 한다고 주장합니다. 이 점을 제기해 준 익명의 검토자에게 감사드립니다.

 

우리는 TA의 유연성을 가치 있게 여기지만, TA 연구를 개념화(conceptualizing)하고 설계(designing)하는 것이 특히 질적 연구 초심자들에게는 벅찰 수 있다는 점을 이해합니다. 왜냐하면 질적 방법론 문헌(qualitative methodological literature)은 방대하고 복잡하며, 수많은 모순되고 논쟁적인 설명들을 제공하기 때문입니다. 이 논문에서 우리는 TA, 특히 우리가 발전시킨 성찰적 접근(reflexive approach)(예: Braun & Clarke, 2006, 2012, 2019a)에 대한 개념적 및 설계적 사고에 관한 지침을 제공함으로써 그러한 연구자들을 지원하는 것을 목표로 합니다. 이를 위해 우리는 심리학 및 관련 학문의 TA 및 더 넓은 질적 방법론 문헌을 활용합니다.

 

개념적 및 설계적 사고(Conceptual and design thinking)는 연구 프로젝트의 모든 요소를 포함하며, 서로 다른 요소들이 함께 잘 작동할지를 평가하고, 내려진 선택에 대한 설명을 생산하는 것을 포함합니다(개요는 Box 1 참조). 질적 연구 설계의 일반적인 원칙은 일관성(coherence) 또는 "적합성(fit)"(Braun & Clarke, 2013; Willig, 2013)이며, 여기서 연구의 목표와 목적, 철학적(philosophical), 이론적(theoretical), 그리고 방법론적 가정(methodological assumptions), 그리고 방법(methods)이 서로 조화를 이룹니다(Chamberlain et al., 2011; Tracy, 2010). Levitt 등(2017)은 다음과 같은 경우를 포착하기 위해 방법론적 무결성(methodological integrity)이라는 유사한 개념을 제안했습니다.

연구 설계와 절차(예: 자전적 문화기술지[autoethnography], 담론 분석[discursive analysis])가 연구 목표(즉, 연구 문제/질문)를 뒷받침하고; 연구자의 탐구 접근법(즉, 세계관, 패러다임 또는 철학적/인식론적 가정[philosophical/epistemological assumptions]으로 묘사되는 연구 전통)을 존중하며; 주제와 연구자의 근본적인 특성에 맞춰 조정되어야 한다. (pp. 9–10)

 

경계가 정해진 방법론(delimited methodology)이 아닌, 유연한 방법(flexible method)으로서의 TA의 지위는 질적 연구 초심자들이 방법론적 무결성(methodological integrity)을 달성하는 데 있어 하나의 도전 과제를 제공합니다. TA 내부의 다양성(multiplicity)은 또 다른 도전 과제를 제공합니다. TA는 공통된 몇 가지 요소를 가진—동시에 철학적 가정(philosophical assumptions), 핵심 구성 개념(constructs)의 개념화, 그리고 분석 절차에 있어 상당한 차이점들을 가진—방법들의 가족(family of methods)으로 생각하는 것이 가장 좋습니다. 그러나 이러한 다양성은 종종 제대로 이해되지 않고 있으며, 드물게만 인정되고 있고, 출판된 연구들에서 개념적으로 일관성 없는 관행(conceptually incoherent practices)들이 겉보기에 "생각 없이" 뒤죽박죽 섞여 있는 상당한 증거들이 있습니다(Braun & Clarke, 2020).

 

이 논문은 두 섹션으로 나뉩니다.

 

• 첫 번째 섹션은 TA를 위한 개념적 사고(conceptual thinking)에 초점을 맞춥니다.
  • 성찰적 TA(reflexive TA)의 개념적 기반을 이해하고, 이것이 다른 유형의 TA와 관련된 기반들과 어떻게 다른지 이해하는 것은 방법론적 무결성을 위해 결정적으로 중요합니다. 우리의 논의는 TA의 세 가지 주요 "학파(schools)"에 대한 유형론(typology)을 중심으로 하며, 특히 우리의 성찰적 접근에 초점을 맞춥니다. 이 유형론은 방법들의 가족으로서 TA 내에 존재하는 주요 분기점 중 일부를 포착합니다. 이 섹션은 연구자들이 자신의 TA 접근법에 대해 숙고된 결정(deliberative decisions)을 내리고, 그 접근법을 알면서(knowingly) 사용하며, 내재된 연구 가치를 "소유(owning)"하도록(Elliott et al., 1999) 돕는 것을 목표로 합니다.
• 두 번째 섹션은 성찰적 TA에서의 설계적 사고(design thinking)를 중심으로 합니다.
  • 이는 연구 질문, 데이터 수집 방법 및 출처, 참여자 그룹/데이터 세트 구성(participant group/data set constitution) 및 크기, 윤리, 그리고 품질 기준 및 관행의 문제들을 다룹니다. 이 섹션은 연구자들이 방법론적 무결성을 갖춘 성찰적 TA 연구를 설계하도록 도울 것입니다. 우리는 성찰적 TA 연구를 위한 보고 기준(reporting standards)에 대한 논의로 끝을 맺습니다.

 

TA 연구를 위한 개념적 사고 (Conceptual Thinking for TA Research) 

하나의 가족(family)으로서 TA 방법들은 다음과 같은 특징들을 공유합니다:

 

• 이론적 유연성(theoretical flexibility) (비록 의미 있는 지식 생산 및 질적 연구의 개념화 방식에 대한 가정들에 의해 어느 정도 제약을 받기는 하지만);
• 코딩(coding) 및 주제 개발(theme development)의 절차;
• 분석에 대한 귀납적(inductive) 및 연역적(deductive) 지향의 가능성 (비록 이러한 지향들이 어떻게 개념화되는지에 대해서는 뚜렷한 차이가 있을 수 있지만); 그리고
• 명시적(manifest) (의미적[semantic] 또는 기술적[descriptive]) 의미—데이터의 표면에서 직접 관찰할 수 있는 의미—와 잠재적(latent) (암묵적[implicit] 또는 개념적[conceptual]) 의미—데이터 표면 아래에 있는 의미—모두를 코딩할 가능성 (Boyatzis, 1998; Braun & Clarke, 2006; Joffe, 2012).
• 동시에, 다양한 TA 접근법 사이에는 몇 가지 주목할 만한 차이점이 존재하며, 이는 경우에 따라 뚜렷하게 다른 개념화와 가치들에 의해 뒷받침됩니다.

 

질적 연구자에게 있어 도전 과제이자, 개념적으로 일관된 TA 연구 설계의 출발점은 자신이 선택한 TA 접근법의 세부 사항을 이해하고, 우리가 구상하는 TA 스펙트럼(TA spectrum) 상에서 그 접근법이 어디에 위치하는지를 파악하는 것입니다. 이것이 도전적인 이유는 구체적인 절차들이 일련의 기저에 깔린 연구 가치(research values)에 의존하고 그것을 암호화(encode)하고 있지만, 이러한 가치들이 항상 명시적으로 진술되지는 않기 때문입니다(Carter & Little, 2007 참조). 실제로, 일부 맥락, 특히 양적 실증주의(quantitative positivism)가 지배적인 맥락에서는, 연구 가치 자체가 단일하고 보편적인 것으로 가르쳐지거나 아예 당연한 것으로 가정되기도 합니다. 우리는 연구 가치에 대한 명료성을 양질의 (TA) 연구에 있어 근본적인 것으로 봅니다. 이는 연구 가치와 그에 연관된 존재론적(ontological) (실재와 존재에 대한 이론) 및 인식론적(epistemological) (의미 있는 지식과 지식 생산에 대한 이론) 가정들의 다양성 때문에 질적 연구에서 특히 중요합니다. TA가 하나의 방법이 아니라, 서로 다른 개념적 모델과 연구 가치들에 의해 뒷받침되는 방법들의 군집(cluster of methods)임을 이해하는 것은, 품질 기준 및 원칙들에서 강조되는 자신의 (이론적 및 방법론적) 관점을 "소유하는(owning)" 관행(Elliott et al., 1999)과 (이론적) 맥락에 대한 민감성을 입증하는 것(Yardley, 2015)을 촉진합니다.

주제 분석의 유형론: 코딩 신뢰도, 코드북, 그리고 성찰적 TA (A Typology of Thematic Analysis: Coding Reliability, Codebook, and Reflexive) 

우리는 TA의 세 가지 주요 학파를 구분하며, 이를 코딩 신뢰도(coding reliability), 코드북(codebook), 그리고 성찰적(reflexive) TA라고 부릅니다.² 우리는 이 유형들 간의 차이를 이해하는 데 있어 Kidder와 Fine(1987)의 "소문자 q(small q)"와 "대문자 Q(Big Q)" 질적 연구의 구분이 유용하다고 생각합니다.

 

• Small q는 질적 데이터를 다루지만 양적/(후기)실증주의적(quantitative/(post)positivist)³ 연구 가치와 관행에 의해 정보를 얻습니다.
• 반면 Big Q는 질적 데이터뿐만 아니라 질적 패러다임(qualitative paradigm)에 내재된 가치와 관행을 모두 포함합니다.
• 코딩 신뢰도 TA는 small q 질적 연구를 전형적으로 보여주며, 성찰적 TA는 Big Q를, 그리고 코드북 TA는 small q와 Big Q 사이 어딘가에 위치합니다.
• 이러한 유형들은 TA 스펙트럼 상에 위치하는 것으로 개념화될 수 있는데, 코딩 신뢰도 접근법은 스펙트럼의 small q/(후기)실증주의적 끝에, 성찰적 접근법은 다른 쪽 끝인 Big Q/비실증주의적(nonpositivist), 구성주의적(constructionist) 끝에 위치합니다(Terry & Hayfield, 2020 참조).⁴

 

이것이 TA의 "지형"에 대한 우리의 위치적 매핑(positioned mapping)이라는 점을 주목하는 것이 중요합니다. 우리는 해당 접근법들을 개발한 저자들이 반드시 인지할 방식으로 설명하는 것은 아니며, 명시되지 않은 가정들을 풀고 코드(codes)나 주제(themes)와 같은 핵심 개념이 이해되는 방식에서의 차이점을 끌어내려고 노력했습니다.

 

² 이 이름들은 각 유형의 코딩의 핵심 특징을 반영하며, 따라서 접근법들 간의 차이점 중 한 가지 요소만을 포착할 뿐이며, 실제 TA를 수행하는 관행의 한 요소만을 포착합니다.

³ 우리는 심리학 내에서 실증주의의 쟁점이 되는 영역을 알리기 위해 (후기)실증주의((post)positivist)라는 용어를 사용합니다. 일부는 주로 실증주의와 후기 실증주의를 양적 연구와 연관 지으며, Popper(1959)와 다른 학자들(예: Ponterotto, 2005)의 비판에 따라 양적 연구의 기본 패러다임이 이제는 (순진한[naïve]) 실증주의가 아니라 후기 실증주의라고 주장합니다. 다른 이들은 후기 실증주의가 양적 연구와 질적 연구 모두에 걸쳐 있다고 보며, 이를 비판적 실재론(critical realist) 존재론 및 합의적 질적 연구(consensual qualitative research, CQR)나 객관주의적 근거 이론(objectivist grounded theory)과 같은 질적 방법론들과 연관 짓습니다(예: Morrow, 2007). 우리의 (후기)실증주의 사용은 패러다임적 가치와 연결된 small q((후기)실증주의적)와 Big Q 질적 연구(Kidder & Fine, 1987) 사이의 구분을 반영합니다. 우리는 코딩 신뢰도 TA뿐만 아니라 CQR과 객관주의적 근거 이론을 small q 질적 연구의 예로 봅니다.

⁴ 이 유형론은 TA 가족(family) 내의 다양성 중 많은 부분을 포착하지만, 쉬운 분류를 거부하고 서로 다른 유형들의 요소를 결합하는 다른 (종종 특이한[idiosyncratic]) 접근법들도 존재합니다(예: Buetow, 2010; Malterud, 2012); 게다가 질적 데이터로부터 주제를 개발하기 위해 근거 이론의 코딩 기법과 다른 분석 관행(지속적 비교 분석[constant comparative analysis] 및 메모 작성[memo writing] 등)을 사용하는 것은—주제 코딩(thematic coding)(예: Flick, 2014; Gibbs, 2007)이라고 알려진 별도의 TA 접근법으로 구획되기도 하고 더 특이하게 사용되기도 하는데—여전히 비교적 흔합니다.

코딩 신뢰도 주제 분석 (Coding Reliability Thematic Analysis) 

코딩 신뢰도(coding reliability) 접근법은 분석 절차가 (후기)실증주의적 패러다임이나 연구 가치에 의해 뒷받침되어, 데이터 코딩의 "정확성(accuracy)" 또는 "신뢰도(reliability)"를 확립하는 데 지향점을 두고 있기 때문에 그렇게 명명되었습니다(Ponterotto, 2005 참조). 그 결과, 연구자의 주관성이나 "편향(bias)"을 통제하고, 측정의 신뢰도와 반복 가능성(replicability)을 확보하며, 가능한 한 객관적인(as-objective-as-possible) 지식을 생성하는 데 관심이 있습니다. 일부 코딩 신뢰도 저자들은 자신들의 접근법을 질적 기법 및 데이터 사용과 의미 있는 지식 생산에 관한 (후기)실증주의적 가치를 결합함으로써, 실증주의적(양적) 패러다임과 해석적(interpretive)(질적) 패러다임 사이의 "격차를 잇는(bridging the divide)" 것으로 프레임화합니다(예: Boyatzis, 1998; Guest et al., 2012). 이 small q 형태의 TA를 설명하면서, 우리는 코딩과 주제의 개념화, 연구자 주관성, 의미 있는 지식 생산, 그리고 품질 기준 및 관행에 초점을 맞춥니다.

 

코딩 신뢰도 TA는 전형적으로 다음 중 일부 또는 전부를 포함합니다.

 

• 주제(themes)는 어느 정도의 데이터 친숙화(familiarization) 이전이나 이후에, 분석 과정의 초기에 개발되며, 종종 데이터 수집 질문들을 반영합니다.
• 주제는 코딩 과정의 산출물(outputs)이라기보다는 사실상 투입물(inputs)로 간주됩니다. 주제는 (암묵적으로) "바위 속에 숨겨진 화석(fossil)"(King & Brooks, 2017, p. 220) 또는 연구자에 의한 "발견(discovery)"을 기다리며 데이터 속에 숨어 있는 "모래 속에 흩어진 다이아몬드(diamonds)"(Braun & Clarke, 2016, p. 740)로 개념화됩니다.
• 또한 주제는 의미 기반(meaning-based)이라기보다는 토픽(topic)으로 이해되는 경향이 있으며(다시 말해 암묵적으로), 특정 토픽과 관련하여 참여자들이 말한 것들의 요약이나 개요인 토픽 요약(topic summaries)으로 이해됩니다. 토픽들은 종종 데이터 수집 질문들과 밀접하게 매핑됩니다. 이는 토픽 요약인 "주제"가 사실상 데이터 수집 질문에 대한 응답들의 요약임을 의미합니다.
• 예를 들어, 인터뷰 질문이 아프리카계 여성들이 산후 우울증에 대한 전문적 지원에 접근하는 데 있어서의 장벽에 초점을 맞출 수 있으며, 이 질문의 토픽—지원 접근에 대한 장벽—이 "주제"의 초점이 됩니다. 이 "주제"는 사실상 참여자들이 논의한 모든 주요 장벽들의 요약입니다. 보고된 관찰들을 하나로 묶는 것은 응답들 전반에 걸쳐 명백한 공유된 의미(shared meaning)의 패턴이라기보다는 토픽(topic)—그 장벽들—입니다.
• 이러한 주제 개념화는 주제에 대해 어떻게 이야기되었는지를 상세히 분석하지 않고도 토픽을 식별하는 것이 비교적 간단하기 때문에, 초기 주제 개발/식별(즉, 실질적인 분석이 이루어지기 전)을 용이하게 합니다. 종종 토픽 외에는 토픽 요약 내의 의미들을 하나로 묶는 것이 거의 없습니다. 그러한 "주제들"은 약간의 데이터 친숙화 이후 귀납적(inductively)으로 개발될 수도 있고, 선행 연구나 이론으로부터 연역적(deductively)으로 개발될 수도 있습니다.

 

코딩 신뢰도 TA에 대한 귀납적 및 연역적 지향 모두에서, 미리 결정된 주제들에 데이터를 할당하는 것을 안내하기 위해 코드북(codebook) 또는 코딩 프레임(coding frame)이 구성됩니다.⁵

 

• 코드북은 일반적으로 코드/주제의 확정적인 목록, 각 코드/주제에 대한 코딩 라벨과 정의, 제외 사항을 포함하여 각 코드/주제를 식별하는 방법에 대한 지침, 그리고 각 코드/주제의 예시들로 구성됩니다. 우리가 "코드/주제"라고 사용하는 이유는 코딩 신뢰도 접근법에서는 코드와 주제 사이에 항상 명확한 구분이 있는 것은 아니기 때문입니다. 과정으로서의 코딩은 종종 "주제"와 구별되지만 그에 기여하는 분석적 실체인 "코드(code)"보다 더 전면에 내세워집니다.
• 코드북은 데이터의 전부 또는 일부에 적용되며, 이상적으로는 독립적으로 작업하는 다수의 코더(multiple coders)에 의해 수행됩니다. 그런 다음 코딩 신뢰도(coding reliability)의 척도를 제공하기 위해 코더 간 일치도(intercoder agreement) 수준이 계산됩니다(O’Connor & Joffe, 2020). 여기에는 "신뢰할 수 있는" 코딩이 가능하며, 두 명 이상의 연구자가 동일한 데이터 조각을 동일한 코드/주제에 할당하는 것이 이에 대한 의미 있는 척도라는 가정이 깔려 있습니다.
• 일부 코딩 신뢰도 연구자들은 이러한 지식으로 인한 코딩 과정의 "오염(contamination)"을 최소화하고 객관성(objectivity)을 극대화하기 위해, 연구 질문에 대해 "맹검(blind)" 상태이거나 연구 분야에 대한 사전 지식이 없는 코더를 사용할 것을 옹호합니다(예: Bond et al., 2008).
• 최종 데이터 코딩은 일반적으로 합의나 의견 일치에 의해 결정됩니다. 질적 가치가 여전히 주변적인 심리학과 같은 학문의 질적 연구자들이 겪는 어려움 중 하나는, 코딩 신뢰도 TA에서 우선시되는 (후기)실증주의적 품질 기준들이 성찰적 TA를 포함한 모든 형태의 TA에서의 품질 관행과 종종 동일시된다는 점입니다(Braun & Clarke, 2020). 대신, 그것들은 이론적으로 내재된 특정 연구 가치(research values) 세트를 반영합니다.

⁵ 코딩 신뢰도 TA 내에서의 연역적 접근은 종종 가설을 검증(testing)—반박하거나 확인—하기 위한 도구를 제공하는 것으로 개념화됩니다. 이 모델은 과학적 방법(scientific method)의 연역적 지향 및 가정과 일치합니다; 이것은 다른 많은 버전의 TA 및 실제로 Big Q 접근을 취하는 질적 접근법들에서의 연역 사용과는 상충됩니다. 

 

코드북 주제 분석 (Codebook Thematic Analysis) 

코드북(codebook) 접근법들은 TA 스펙트럼에서 코딩 신뢰도와 성찰적 접근법 사이 어딘가에 위치합니다.

• 이러한 접근법들은 코드북이나 코딩 프레임의 사용을 통한 보다 구조화된 코딩 접근법, (일부) 초기 주제 개발, 주제를 토픽 요약(topic summaries)으로 보는 (전형적인) 개념화—이 모두는 small q 코딩 신뢰도 접근법과 관련된 것들입니다—를 성찰적 TA의 Big Q 가치들(예: 연구자의 주관성(subjectivity)을 연구를 위한 자원(resource)으로 개념화하고, 데이터의 코딩과 해석을 본질적이고 피할 수 없는 주관적 관행으로 보는 것, 이에 대해서는 아래에서 더 논의함)과 결합합니다.
• 우리의 코드북이라는 라벨은 매트릭스(matrix)(예: Miles & Huberman, 1994; Nadin & Cassell, 2004), 프레임워크(framework)(예: Ritchie & Spencer, 1994), 네트워크(network)(예: Attride-Stirling, 2001), 그리고 템플릿(template)(예: King, 2012) 분석과 같은 접근법들을 포괄하며, 이들은 종종 응용 연구를 위해 개발되었고 그 안에서 인기가 있습니다.
• 코드북 TA에서 코드북은 일반적으로 코더 간 일치도 측정을 용이하게 하기 위해 사용되는 것이 아니라,
  • 미리 정해진 정보 요구 충족(일부 응용 연구 분야에서 일반적임),
  • 데이터의 서로 다른 부분을 코딩하는 데이터 분석가 팀의 협업(연구 훈련을 받지 않은 질적 초보자나 사용자/이해관계자가 팀에 포함될 가능성이 있음), 그리고/또는
  • 신속하고 "효율적인" 분석(자금 제공자/서비스의 촉박한 마감 기한 때문에)과 같은 실용적 고려사항(pragmatic considerations)을 지향합니다.
• 코드북은 데이터 코딩을 안내할 뿐만 아니라 발전 중인 분석을 기록하거나 도표화(chart)하는 데 사용됩니다.
• 일부 코드북 저자들은 코드북 접근법이 일부 질적 연구 가치들의 실용적 타협(pragmatic compromise)을 반영한다고 주장합니다. 질적 연구의 개방적이고, 탐색적이며, (때로는) 귀납적인 요소들은 위에서 상세히 설명한 것과 같은 실질적인 제약 조건들이 존재할 때 도전 과제가 됩니다(Smith & Firth, 2011).

성찰적 주제 분석 (Reflexive Thematic Analysis) 

성찰적 접근법은 Big Q 질적 패러다임(qualitative paradigms)의 가치를 우선시하며, 데이터 코딩과 분석의 불가피한 주관성(inevitable subjectivity), 그리고 코딩과 주제 생성(theme generation)에 있어서 연구자의 능동적인 역할(active role)을 강조합니다(예: Gleeson, 2011; Hayes, 2000). 이 논문에서 우리의 주된 초점은 성찰적 TA를 위한 개념적 및 설계적 사고에 있으므로, 다음 섹션에서 우리의 성찰적 접근법의 핵심적인 개념적 토대(conceptual foundations)를 다소 상세하게 개괄합니다.⁶

⁶ 우리는 성찰적 TA의 분석 과정 6단계—데이터 친숙화, 데이터 코딩, 코드와 코딩된 데이터로부터 초기 주제 생성, 주제 검토 및 개발, 주제 정의·명명 및 정교화, 보고서 작성—를 개괄하지 않습니다. 왜냐하면 이것들은 더 실천 지향적이기 때문입니다. 이 내용들은 다른 곳에서 광범위하게 논의되었습니다(예: Braun & Clarke, 2006, 2012 참조). 

성찰적 주제 분석의 개념화 (Conceptualizing Reflexive Thematic Analysis) 

우리의 Big Q 성찰적 TA 접근법은 (후기)실증주의적((post)positivist) TA의 기저에 깔린 가치들에 대한 비판과 거부로부터 발전했습니다(Braun & Clarke, 2019a). TA와 더 넓은 의미에서의 질적 연구(예: Morrow, 2007)는 종종 주관성(subjectivity)과 체험된 경험(lived experience)에 대한 연구(예: Flick, 2014), 그리고 현상학(phenomenology)(예: Guest et al., 2012; Joffe, 2012)과 동일시됩니다. 게다가, 심리학에서 질적 연구의 개념적 토대를 매핑할 때, 종종 서로 다른 질적 패러다임들을 경험(experience) 연구에 대한 서로 다른 지향점을 반영하는 것으로 프레임화하곤 합니다(예: 해석주의-구성주의(interpretivist–constructivist)와 이데올로기적-비판적(ideological–critical) 질적 패러다임 간의 구분이 흔히 이루어지지만, 둘 다 경험과 주관성 연구를 지향하는 것으로 개념화됩니다, Morrow, 2007 참조). 그러나 사회 구성주의(social constructionism)(Gergen, 2015 참조) 교육을 받은 연구자로서, 우리(그리고 다른 이들)는 TA와 질적 연구를 경험적 현상(experiential phenomena)에 대한 관심을 넘어 사회적 과정(social processes)과 의미의 사회적 구성(social construction)으로 확장되는 것으로 이해합니다.⁷ 우리는 TA 저자들 중에서 TA에 대한 경험적(experiential) 지향과 구성주의적(constructionist) 지향을 구분한다는 점에서 비교적 독특합니다(King, 2012; King & Brooks, 2017 참조).

⁷ 근거 이론(grounded theory)의 구성주의적 버전(예: Charmaz, 2006)과 내러티브 분석(narrative analysis)의 구성주의적 버전(예: Sparkes & Smith, 2008)에서도 유사하게 포착되는 지향점입니다. 

 

대체로 말해,

• 경험적 TA(experiential TA)(경험적 지향으로 사용될 때의 성찰적 TA를 포함하여)는 참여자들의 맥락적으로 위치지어진 경험(contextually situated experiences), 관점, 행동의 진실(truth) 혹은 진실들을 탐구하는 데 관심을 둡니다. 이는 전형적으로 어떤 형태의 실재론적(realist) (순진한[naïve] 및 비판적[critical]) 존재론(ontology)(Maxwell, 2012 참조)과, 해석주의-구성주의(interpretivism–constructivism), 이데올로기적-비판적(ideological–critical)(Morrow, 2007 참조), 맥락주의(contextualism)(Madill et al., 2000 참조) 및 현상학(phenomenology)(Willig, 2013 참조)을 포함하여 교차하고 중첩되는 다양한 인식론(epistemologies)에 의해 뒷받침됩니다.
• 언어에 대한 개념화는 경험적/구성주의적 구분에 있어 핵심입니다(Reicher, 2000).
  • 경험적 TA에서 언어는 사물의 진정한 본질이나 참여자들의 맥락적으로 위치지어진 고유한 실재(realities) 또는 진실을 반영하는 것으로 개념화됩니다(Braun & Clarke, 2013).
  • 언어에 대한 구성주의적 지향(constructionist orientations)은 특정한 의미 패턴과 언어적 관행의 수사적 함의(rhetorical implications)와 효과를 심문하는 데 관심을 둡니다(Braun & Clarke, 2013). 언어는 능동적(active)이고 상징적(symbolic)인 것으로, 단순히 의미를 반영하는 것이 아니라 창조하는(creating) 것으로 개념화됩니다. 구성주의적 TA에서 언어는 정보에 접근하기 위한 단순한 도관(conduit)으로 취급되지 않습니다.
  • 구성주의적 TA 연구는 다양한 형태를 취합니다; 연구자들은 상대주의적(relativist) 및 비판적 실재론적(critical realist) 존재론과 포스트모던(postmodern) 및 포스트구조주의적(poststructuralist) 인식론과 방법론을 모두 표방할 수 있습니다(Clarke & Braun, 2014).

성찰적 TA의 이론적 유연성(theoretical flexibility)은 종종 이론적 중립성(theoretical neutrality)으로 오인됩니다. 모든 형태의 TA와 마찬가지로, 성찰적 TA는 지식이 어떻게 (가장 잘) 생산되는지에 대한 다양한 이론적 기반의 가정(theoretically based assumptions)들을 반영하며(Mauthner & Doucet, 2003), 이것들은 질적 패러다임들과 연관되어 있습니다.

• 이러한 Big Q 입장은 "순수한(pure)" 귀납(induction)을 불가능하게 만듭니다; 연구자는 항상 철학적 메타이론적 가정(philosophical metatheoretical assumptions)과 자기 자신을 분석에 가져오며, 이는 귀납적 지향(inductive orientation)이 데이터에 "근거한(grounded)" 것으로 이해되는 것이 더 낫다는 것을 의미합니다.
• 성찰적 TA에서의 연역적 지향(deductive orientation)은 기존 이론을 데이터를 해석하는 렌즈(lens)로 사용하는 것을 포함합니다; 연역적 성찰적 TA는 기존의 이론적 프레임워크나 가설을 "검증(testing)"하는 것에 관한 것이 아닙니다.

성찰적 TA의 핵심 가정들은 다음 10가지 요점으로 요약될 수 있습니다:

1. 연구자의 주관성(Researcher subjectivity)은 성찰적 TA를 위한 일차적인 "도구(tool)"입니다; 주관성은 관리되거나 통제되어야 할 문제가 아니라, 연구를 위한 자원(resource)입니다(Gough & Madill, 2012). 편향되지 않거나 객관적인 지식 생성의 가능성을 암시하는 "연구자 편향(researcher bias)"이라는 개념은 성찰적 TA와 양립할 수 없는데, 왜냐하면 지식 생성은 본질적으로 주관적(subjective)이고 위치지어진(situated) 것이기 때문입니다.
2. 이에 따라, 데이터의 분석과 해석은 정확하거나 객관적일 수 없으며, 더 약하거나(예: 저개발된, 설득력 없는, 얄팍한, 피상적인, 얕은) 더 강할(예: 설득력 있는, 통찰력 있는, 사려 깊은, 풍부한, 복잡한, 깊이 있는, 미묘한 차이가 있는) 수 있습니다.
3. 양질의 코딩과 주제는 몰입(immersion) 또는 참여의 깊이, 그리고 거리두기(distancing)의 이중 과정에서 비롯되며, 이는 성찰(reflection)과 통찰(insight), 영감(inspiration)이 발전할 시간과 공간을 허용합니다.
4. 코딩의 품질은 다수의 코더에 의존하지 않습니다; 단일 코더/분석가(single coder/analyst)가 성찰적 TA에서는 일반적입니다. 좋은 코딩(및 주제 개발)은 단독으로 달성되거나, 코더 간의 합의보다는 성찰성(reflexivity)과 해석적 깊이(interpretative depth)를 향상시키고자 하는 협업을 통해 달성될 수 있습니다.
5. 주제(Themes)는 투입물(inputs)이 아니라 분석적 산출물(analytic outputs)이며, 코딩 이후에 그리고 코드들(이 또한 분석적 산출물임)로부터 개발됩니다; Saldaña(2013)가 언급했듯이, 주제는 "코딩의 결과물(outcome)이지... 그 자체로 코딩되는 무언가가 아닙니다"(p. 14).
6. 주제는 토픽과 관련된 의미의 요약이 아니라, 공유된 아이디어(shared idea)나 개념(중심 조직화 개념[central organizing concept])에 의해 고정된 의미의 패턴입니다.
7. 주제는 연구자가 그것들을 "발견(discovers)"할 때 "나타나기(emerge)" 위해 데이터 속에서 기다리고 있는 것이 아닙니다; 주제는 연구자가 데이터 세트와의 체계적인 분석적 참여를 통해, 그리고 개인적 위치(positioning) 및 메타이론적 관점 측면에서 데이터에 가져오는 모든 것을 통해 생산(produced)되는 것으로 개념화됩니다.
8. 데이터 분석은 항상 이론적 가정(theoretical assumptions)에 의해 뒷받침되며, 이러한 가정들은 인정되고 성찰되어야 합니다.
9. 성찰성(Reflexivity), 즉 연구에 있어서 연구자의 생성적 역할(generative role)에 대한 통찰과 그에 대한 명확한 표현은 양질의 분석에 핵심적입니다. 연구자는 "자신의 관점을 소유(own their perspectives)"하기 위해 노력해야 합니다(Elliott et al., 1999).
10. 데이터 분석은 과학(science)이 아니라 예술(art)로 개념화됩니다;⁸ 엄격함(rigor)의 프레임워크 내에서 창의성(creativity)이 과정의 중심입니다.

8 예술과 과학의 정의는 가변적이고 논쟁의 여지가 있지만, 여기서 우리는 우리의 과학의 경계 설정(demarcation)과 관련하여 (순진한[naïve]) 실재론적 실증주의 경험주의(realist positivist empiricism)를 환기시킵니다.

 

이 목록은 연구자의 주관성을 성찰적 TA의 가장 앞과 중심에 둡니다. 우리는 연구자의 주관성과 그에 부합하는 성찰성의 관행을 성공적인 성찰적 TA의 열쇠로 봅니다—그래서 성찰적(reflexive)이라는 라벨이 붙습니다. 여기서 우리는 연구를 보고할 때 정체성이나 경험 범주를 단순히 나열하는 것(예: Trainor & Bundon, 2020 참조)이 아니라, 연구자의 가정과 관행에 대한 깊이 있는(deep) 성찰적 질문(interrogation) 과정을 의미합니다.

 

예를 들어, 코딩(Coding)은 단순한 식별의 과정이 아니라 해석(interpretation)의 과정이며—연구자의 주관성이 이 과정에 연료를 공급합니다. 좋은 코딩(더 복잡하고 뉘앙스가 풍부한 코딩)은 종종 데이터와의 깊고 장기적인 참여(engagement)의 결과입니다; 코드는 통찰력이 이동하고 변화함에 따라 코딩 과정 전반에 걸쳐 유기적인 방식(organic way)으로 진화할 수 있고 또 그래야만 합니다. 개별 코드들은 범위가 확장되거나 축소될 수 있고, 다른 코드들과 함께 합쳐질 수도 있으며, 두 개 이상의 코드로 분할될 수도 있고, 코딩 라벨이 다듬어질 수도 있습니다. 이 유기적인 코딩 과정의 요점은 정확히 연구자의 발전하고 깊어지는 데이터 해석을 포착하는 것입니다. 심지어 코딩의 종착점에서도, 상황은 여전히 잠정적(provisional)입니다.

 

이러한 유기적인 과정은 데이터 코딩을 지시하기 위한 코드북(codebook)의 사용을 성찰적 TA와 양립할 수 없게 만듭니다. 코드북은 분석 과정의 시작 시점에 코딩을 제한할 수 있기 때문에(특히 코딩 신뢰도 실무자들이 선호하는 더 고정된 코드북의 경우), 이러한 유형의 데이터 참여를 허용하지 않습니다. 또한 코딩이 멈춘 후에 코드북을 개발하는 것(그리고 이 코드북을 사용하여 데이터를 다시 코딩하는 것)도 별 의미가 없는데, 왜냐하면 코딩에는 고정된 종착점(fixed endpoint)이 없으며, 데이터에 대한 추가적인 참여는 언제나 새로운 통찰로 이어질 수 있기 때문입니다(Trainor & Bundon, 2020이 이 점을 잘 보여줍니다).⁹

 9 이 유기적이고 발전적인 코딩 과정은 여전히 체계적인 추적(tracking)과 기록 보관을 필요로 합니다. 성찰적 TA에서 코딩 과정을 추적하는 방법에 대한 실질적인 조언은 Braun과 Clarke(2012)를 참조하고, 풍부하게 예시된 사례는 Trainor와 Bundon(2020)을 참조하십시오.

 

코드와 마찬가지로 주제(Themes)는 분석의 산출물로 이해됩니다; 주제를 매우 초기에 "식별(identification)"하는 것은 저개발된 주제(underdeveloped themes)와 분석적 조기 종결(analytic foreclosure)의 위험을 초래하며, 여기서 분석은 피상적인 결과 수준에서 멈추게 됩니다(Connelly & Peltzer, 2016). 코드로부터 개발된 주제들은 데이터, 연구자의 주관성, 이론적 및 개념적 이해, 그리고 훈련과 경험의 교차점에서 구성(constructed)됩니다.

 

• 데이터 세트는 그 안에 단 하나의 TA 분석만을 "담고(hold)" 있는 것이 아닙니다. 다수의 분석이 가능하지만, 연구자는 자신의 프로젝트에 가장 잘 맞는 특정 주제들을 결정하고 개발해야 합니다—분석의 목표와 목적, 그리고 이론적 및 철학적 기반이 이러한 가능성들을 어느 정도 제한할 것임을 인식하면서 말입니다.
• 기존의 이론, 개념, 지식은 데이터를 분석하기 위한 성찰적 TA 연구자의 자원(resources) 세트의 일부입니다. 분석 과정에서 각각이 얼마나 기여하는지는 분석이 성찰적 TA의 귀납적–연역적 스펙트럼(inductive–deductive spectrum) 어디에 위치하느냐에 달려 있습니다.
• 심지어 연역적 또는 이론 주도적(theory-driven) 지향에서도, 이것들은 미리 결정된 구조를 제공하여 그 안에서 데이터를 코딩하거나 데이터를 검증(test)하는 것이 아니라, 데이터 코딩과 분석을 위한 최종 주제의 탐색 및 결정을 안내(guide)하는 역할을 합니다.

 

성찰적 주제 분석을 위한 설계적 사고
(Design Thinking for Reflexive Thematic Analysis) 

설계적 사고(design thinking)는 일관성 있는 연구뿐만 아니라, 윤리 심사(ethics review), 연구 제안서(research proposals), 또는 연구비 신청(funding applications)과 같은 연구 평가의 여러 시점에서 필요합니다. 이러한 맥락에서 연구자는 자신이 무엇을 하려는지 의도를 드러내고, 자신의 설계 결정에 대한 정당성(justification)을 제시합니다. 성찰적 TA를 위한 연구 설계에는 단일한 출발점이나 경로가 존재하지 않습니다. 때로는 메타이론적 철학적 가정(metatheoretical philosophical assumptions)과 정치적 헌신(political commitments)이 출발점을 구성하기도 하는데, 이는 페미니스트 연구나 다른 정치적 지향을 가진 연구에서 빈번한 시작점입니다(Braun & Clarke, 2013 참조). 연구 질문(research questions) 또한 일반적인 출발점을 구성합니다. 

 

연구 질문을 설계의 출발점으로 사용한다는 것은, 그 질문이

 

• 데이터 수집 및 분석 방법의 선택,
• 참여자/데이터 세트 선정 전략(participant/data set selection strategies), 그리고
• 특정 철학적 메타이론, 방법론적(methodological) 및 설명적 이론(explanatory theories)
  • ...과 관련된 연구의 위치 설정을 안내해야 함을 의미합니다.

 

실제로는, 더 실용적(pragmatic)이고 심지어 정서적인 고려사항들이 연구 설계에서 전면에 등장하는 경우가 많습니다. 예를 들어, 학생 연구자가 이전에 사용해 본 적이 있어 다소 자신감이 있다는 이유로, 혹은 지도 교수가 선호하는 접근법이라는 이유로 특정 분석 지향을 선택하는 경우가 그렇습니다. 그러한 실용적 출발점들이 설계가 사려 깊게 고려되고 전반적인 설계가 개념적으로 일관성(conceptually coherent)이 있다면, 반드시 나쁜 설계로 이어지는 것은 아닙니다.

 

이러한 설계 일관성(design coherence)(Braun & Clarke, 2013; Willig, 2013), 또는 방법론적 무결성(methodological integrity)(Levitt et al., 2017)의 핵심 원칙은 TA 연구에서 매우 중요한데, 그 이유는 TA의 연구 설계에 내재된 한계나 처방(prescriptions)이 거의 없기 때문입니다. 일반적으로,

 

• 광범위한 철학적 메타이론, 방법론, 설명적, 그리고 정치적/이데올로기적 프레임워크 내에서 사용될 수 있는 이론적 유연성(theoretical flexibility)을 갖추고 있을 뿐만 아니라,
• TA는 광범위한 연구 질문을 다루고, 거의 모든 유형의 데이터를 분석하며,
• 더 동질적(homogenous)이거나 이질적(heterogeneous)인 참여자 그룹/데이터 세트로부터 수집된 작거나 큰 데이터 세트를 분석하는 데 사용될 수 있습니다(King & Brooks, 2017).

 

우리는 성찰적 TA를 위한 설계적 사고에 대한 논의를 연구 질문에서 시작하여, 데이터 수집 방법 및 출처, 참여자 그룹/데이터 세트 구성(participant group/data set constitution) 및 크기, 품질 기준 및 관행으로 이어가며, 성찰적 TA를 위한 보고 기준(reporting standards)의 개요로 마무리할 것입니다.

연구 질문 (Research Questions) 

연구는 연구자가 데이터 분석을 통해 이해하고자 하는 것이 무엇인지를 포착하는 질문에 의해 안내됩니다. 질적 연구자들은 다양한 범위의 현상을 이해하는 데 관심이 있습니다; 이것들은 서로 다른 "유형"의 질문들로 군집화될 수 있습니다(Braun & Clarke, 2013 참조).

 

• 성찰적 TA는 이러한 연구 질문 유형의 대부분을 다룰 수 있습니다(Table 1 참조). 만약 연구자가 이해하고자 하는 것의 "본질(essence)"이 이러한 연구 질문 유형 중 하나에 부합한다면, 성찰적 TA는 개념적으로 일관성 있는 설계 내에서 사용되는 한 그들의 연구에 적합한 방법일 가능성이 높습니다.
• 성찰적 TA가 다룰 수 없는 유형의 질문들은 언어 관행(language practice) 및/또는 내러티브 구조에 대한 기술적 이해를 요구하는 질문들입니다. 이러한 질문들은 일부 유형의 담론 심리학적(discursive psychological)(예: Wiggins, 2017), 대화 분석적(conversation analytic)(예: Schegloff, 2007) 그리고 내러티브(narrative)(예: Reissman, 2007) 접근법들과 관련이 있습니다; 그러한 접근법들이 해당 질문들을 다루기에 가장 적합합니다.

 

표 1. 성찰적 주제 분석에 적합한 연구 질문의 유형 체계 

연구 질문의 초점	예시
사람들의 맥락에 따른 생생한 삶의 경험 및 주관적 현상에 대한 해석	미국 내 보스니아 난민들의 차별 경험 (Komolova et al., 2020); 고국을 떠나온 것에 대한 남아프리카 이주민들의 죄책감과 수치심 (Ivey & Sonn, 2020)
특정 맥락에서 특정 현상에 대한 특정 집단의 견해, 인식, 이해, 관점, 욕구, 동기 (흔히 삶의 경험에 관한 질문과 결합됨)	영국 내 전력망 기술에 대한 대중의 인식과 상징적 연상 (Devine-Wright & Devine-Wright, 2009); 아프리카계 미국인 여대생의 미(美)의 기준과 신체 이미지에 대한 고민 (Awad et al., 2015)
특정 현상의 형태와 질감에 영향을 미치는 요인이나 사회적 과정	성인기로 이행하며 고등 교육을 시작하는 젊은 남성들에게 대인 관계를 의미 있게 만드는 과정과 요인, 그리고 이러한 관계가 그들의 인생 계획에 미치는 영향 (Arbeit et al., 2016); 일차 의료 기관에서 신체 활동 중재 도입에 영향을 미치는 요인들 (Huijg et al., 2015)
사람들이 세상에서 하는 일—맥락에 따라 다양하게 개념화되는 행동이나 실천, 그리고 그에 대한 의미 부여	사별 가족 치료를 받는 가족들의 대화에서 나타나는 애착 불안의 서사적 지표인 비일관성 (Willcox et al., 2019); 초보 아빠들이 온라인 채팅방에서 사회적 지지를 요청하고, 제안하고, 받는 방식 (Fletcher & StGeorge, 2011)
특정 현상을 규제하는 (종종 암묵적인) 맥락 중심의 규칙과 규범	스포츠 문화적 가치와 불문율이 리듬체조 내 과사용 부상의 발생과 경험에 미치는 영향 (Cavallerio et al., 2016); 엘리트 청소년 축구 선수들의 조직 문화 경험이 그들의 정체성 발달과 행동을 형성하는 방식 (Champ et al., 2020)
특정 맥락에서 특정 '사회적 대상'이나 현상의 재현(Representation), 그리고 그에 따른 함의나 영향	대통령의 정치 연설에서 '테러리스트'라는 범주가 구축되는 도덕적 차원과 이것이 대테러 정책을 정당화하는 데 미치는 함의 (Pilecki, 2017); 미국 주류 언론에 비친 아이티 여성의 재현 방식 (Rendón & Nicolas, 2012)
특정 맥락에서 특정 '사회적 대상', 주체적 위치(Subject positions) 또는 기타 사회적 현상의 사회적 또는 담론적 구성, 그리고 그에 따른 함의와 영향	반규범적인 체모 관리 실천에 대한 사람들의 구성과 의미 부여 (Jennings et al., 2019); 체중 감량 프로그램에 참여하는 고령 비만 남성들이 자신의 신체와 신체 변화를 구성(인식)하는 방식 (Gough et al., 2016)

 

참여자의 경험과 의미 만들기(sense-making)(이해, 인식, 동기, 욕구, 견해 등으로 다양하게 묘사됨)를 탐구하는 데 중점을 둔 질문들은 심리학자들에게 가장 흥미로운 것으로 보입니다.

 

• 경험적 현상(experiential phenomena)에 초점을 맞춘 다른 질문들에는
  • 사람들의 행동이나 관행(그들이 하는 일), 그리고 이에 대한 그들의 의미 만들기,
  • 특정 현상을 형성하고 영향을 미치는 요인과 과정, 그리고
  • 인간 행동이나 관행을 규제하고 지배하는 규칙과 규범을 이해하는 것과 관련된 질문들이 포함됩니다.
• 구성주의적 연구 질문(Constructionist research questions)은 전형적으로 사회적(그리고 심리사회적) 세계에서의 의미 만들기를 심문합니다. 이들은 종종
  • 실재의 사회적 구성(social construction of reality),
  • 관심 현상을 둘러싸고 구성하는 의미 프레임워크(meaning frameworks) 또는 담론(discourses), 그리고 이것들의 함의에 중심을 둡니다(Gergen, 2015).

 

TA 연구에서의 연구 질문에 대해 주목해야 할 한 가지 중요한 점은 다음과 같습니다: 어떤 경우에는 질문들이 처음부터 (다소) 고정되어 있고 엄격하게 고수될 수 있습니다. 이는 특히 일부 형태의 응용 연구와 더 (후기)실증주의적 TA의 경우에 그렇습니다. 대조적으로, 성찰적 TA에서의 연구 질문은 연구 과정 전반에 걸쳐 진화(evolve)하는 것이 더 일반적입니다. 초기 연구 질문(들)은 꽤 개방적일 수 있으며, 데이터 수집과 분석이 진행됨에 따라 더 초점이 맞춰지거나 확장되거나 심지어 초점이 이동할 수도 있는 "출발점(starting point)"을 구성합니다. 그것들은 분석을 위한 출발점이지 반드시 종착점은 아닙니다. 성찰적 TA는 패턴화된 의미의 해석과 연구 질문 사이의 "대화(dialogue)"를 포함합니다. 연구 질문을 연마하고 정교화하는 것은 나쁜 품질의 관행이나 나쁜 설계의 지표가 아니라, 더 깊은 통찰이 생성되는 과정의 지표입니다.

데이터 수집 방법 (Methods for Data Collection) 

성찰적 TA 연구에는 데이터 수집 방법이나 출처에 대한 내재된 제한이 거의 없습니다.

 

• 인터뷰(예: Robinson-Wood et al., 2020)나 포커스 그룹(focus groups)(예: Tebbe et al., 2018)과 같이 더 전통적이고 광범위하게 사용되는 방법들부터,
• 개방형/질적 설문 응답(open-ended/qualitative survey responses)(예: Blackie et al., 2020) 및 요청된 일기(solicited diaries)(예: Schnur et al., 2009)와 같은 다른 자기보고 기법들에 이르기까지 광범위한 데이터 출처가 출판된 TA 연구에서 사용되어 왔습니다. 또한
• 이야기 완성(story completion)(예: Jennings et al., 2019) 및 시각적 방법(visual methods)(예: Devine-Wright & Devine-Wright, 2009)—이미지 분석을 위해 특별히 개발된 성찰적 TA 형태(예: Gleeson, 2011)를 포함하여—과 같은 혁신적이고 창의적인 방법들, 그리고
• 심리치료 세션(예: Willcox et al., 2019), 온라인 포럼 게시물(예: Fletcher & StGeorge, 2011), 정치 연설(예: Pilecki, 2017)과 같은 "자연주의적(naturalistic)"이고 기존에 존재하는 데이터 출처들도 포함됩니다.
• 분석은 (명확한 근거가 있다면) 인터뷰와 설문 데이터처럼 두 가지 이상의 다른 데이터 유형에 걸쳐 수행될 수도 있습니다.

 

성찰적 TA의 이론적 유연성(theoretical flexibility)은 이것이 문화기술지적 설계(ethnographic designs)(예: Devaney et al., 2018)와 기억 작업(memory work)(예: Delgado-Infante & Ofreneo, 2014)과 같은 참여적 방법론(participatory methodologies)에 통합될 수 있음을 의미합니다.

 

• "지역사회에 위치한(community-located)" 모델 내에는 다양한 연구 설계가 존재합니다. 여기에는
  • 지역사회를 참여시키지만 연구자가 주도하고 지휘하는 "지역사회 기반 및 위치(community based and located)" 연구에서부터,
  • 보다 완전히 "참여적(participatory)"이며 참여자를 공동 연구자(co-researchers)로 참여시키고 연구자와 지역사회 참여자 간의 "권력 공유(power-sharing)" 모델을 따르는 연구(Coughlin et al., 2017 참조)에 이르기까지 다양합니다.
• TA는 이 두 가지 광범위한 모델 모두에서 사용될 수 있습니다. TA의 상대적 접근 용이성(절차와 산출물 측면 모두에서)과, 앞서 언급된 "방법론적 공포(methodological horrors)"(Brown & Locke, 2017, p. 452)를 비켜갈 수 있는 잠재력—여기서는 알고서 하는 것이며, 실용적이고 정치적인 목적(예: 지역사회 구성원들이 분석에 기여하도록 촉진하는 것)을 위해—은 이것이 권력 공유형 참여적 방법론에 특히 잘 적합함을 의미합니다(예: Rowley et al., 2020).

 

데이터 품질(Data quality)은 성찰적 TA를 위한 또 다른 중요한 설계 고려사항입니다. 왜냐하면 양질의 분석은 충분한 양의 데이터보다도 양질의 데이터를 확보하는 것에 달려 있기 때문입니다(Connelly & Peltzer, 2016). 데이터는 이상적으로 풍부하고, 뉘앙스가 있으며, 복잡하고 상세해야 합니다. Connelly와 Peltzer는 "표면적 인터뷰(at-surface interviewing)"(p. 53)를 데이터 품질이 낮은 이유 중 하나로 강조했는데, 이는 프롬프트(prompts)와 탐색적 질문(probes), 그리고 연구자와 참여자 간의 관계에 거의 또는 전혀 주의를 기울이지 않은 것을 의미합니다. 데이터 품질은 분석이 시작되기 전에 고려해야 할 중요한 사항입니다. 데이터 수집 방법과 연구 질문, 이론적 프레임워크, 분석적 지향, 그리고 참여자 생성 데이터의 경우 참여자 그룹의 특성 및 요구 간의 적합성(fit)을 고려하는 것이 중요합니다.

 

또한 방법들이 어떻게 사용될 것인지 고려하는 것도 중요합니다. 예를 들어,

 

• 코딩 신뢰도 연구자들은 인터뷰에 대해 비교적 구조화되고 일관된 접근을 우선시합니다—"데이터 포화(data saturation)"의 결정과 더 구조화된 코딩 접근을 용이하게 하고, 코딩 신뢰도 TA의 (후기)실증주의적 개념적 기반과 조화를 이루기 위해 동일한 질문을 동일한 순서로 묻습니다(예: Guest et al., 2006).
• 대조적으로, 성찰적 TA는
  • 그 질적 감수성(qualitative sensibility)에 따라, 실제 대화의 더 "어수선한(messier)" 흐름과 더 유사한, 인터뷰에 대한 유연하고 유동적인 접근을 우선시합니다:¹⁰
  • 질문과 주제는 신중하게 고려되지만, 인터뷰는 연구자와 참여자 간의 상호작용과 의미의 공동 구성(co-construction)을 중심에 둡니다; 연구자가 참여자의 전개되는 이야기에 자발적으로 반응할 수 있는 상당한 여지가 있습니다.
  • 목표는 "느슨함을 유지하면서 과녁을 맞추는 것(on target while hanging loose)"(Rubin & Rubin, 1995, p. 42)이며, 획일적으로 구조화된 설명이 아니라 각 참여자의 이야기에 대한 심층적인 탐구를 얻는 것입니다.

 

인터뷰나 포커스 그룹과 같은 상호작용적 방법(interactive methods)의 데이터 수집을 사용하는 경우, 초기 인터뷰나 포커스 그룹의 전사본(transcripts)을 검토하여 그것들이 풍부하고 "과녁을 맞춘(on target)" 데이터를 생성하고 있는지 확인하는 것이 필수적입니다. 경험이 없는 연구자들은 이에 대해 멘토나 조언자에게 피드백을 요청해야 합니다—인터뷰와 포커스 그룹 진행(moderation)은 대부분의 사람들에게 "자연스럽게" 다가오지 않는 숙련된 활동입니다(몇 가지 제안은 Braun & Clarke, 2013 참조; Connelly & Peltzer, 2016은 충분한 탐색적 질문이 있는 인터뷰와 없는 인터뷰의 전사본 예시를 유용하게 제공합니다). 질적 설문조사, 요청된 일기, 비네트(vignettes), 이야기 완성(Braun et al., 2017 참조)과 같은 비상호작용적 데이터 수집 도구를 사용하는 경우, 데이터의 "적합성(fit)"과 "품질(quality)"을 평가하기 위해 파일럿 실행(piloting)이 중요합니다. 그러한 방법들에서 풍부함(richness)은 종종 각 데이터 항목 내에서뿐만 아니라 데이터 세트 전체에 걸쳐 평가됩니다. 연구 설계와 일정 내에 이러한 검토나 파일럿 실행을 설계해 넣는 것이 중요합니다.

10 Conversation analysts (e.g., Schegloff, 2007) would point to the patterning and structure of real-world interactions; our emphasis on looseness or messiness here does not negate this aspect.

 

참여자 그룹/데이터 세트 선정 및 구성
(Participant Group/Data Set Selection and Constitution) 

또 다른 중요한 설계 고려사항은 데이터 세트의 선정(selection)(혹은 연구의 개념화에 따라 생성[generation] 또는 구성[construction])입니다. 이는 프로젝트를 위한 참여자 모집을 통해서든, 관심 주제에 대한 소셜 미디어 게시물 선정을 통해서든, 혹은 무수히 많은 다른 방법 중 하나를 통해서든 이루어집니다.

 

• 양적 및 (후기)실증주의적((post)positivist) 연구 용어로는 이것이 "표본(sample)"—질적 연구(우리 자신의 연구 일부를 포함하여)에서도 여전히 만연한 프레임—을 구성합니다. 데이터를 표본으로 개념화하는 것은 관련된 정보가 전체 가능한 출처들("모집단[population]")로부터 선택되었으며, 이 표본이 연구 질문을 다루는 데 사용된다는 아이디어를 반영합니다. 여기서 우리는 참여자 그룹/데이터 세트 선정 전략, 참여자 그룹/데이터 세트의 크기, 그리고 (크기에 대한) 정당화(저자들이 표본[sample]을 사용하는 경우 우리는 그들의 언어를 유지함)를 논의함에 있어, 이러한 단순한 재현적 추론(representational inference)을 피하고자 합니다.

 

그에 앞서, 우리는 TA에서의 강조점이 개별 사례 내의 의미보다는 사례 전반에 걸친 주제(themes), 즉 패턴화된 의미(patterned meaning)에 있다는 점을 주목합니다. 따라서 참여자 그룹/데이터 세트는 패턴화된 의미에 관한 주장을 정당화할 수 있을 만큼 충분히 커야 합니다. 이는 소수의 사례, 심지어 단일 사례(예: Josselson, 2009)의 구체적인 특성을 깊이 있고 상세하게 분석하는 내러티브 분석(narrative analysis)과 같은 더 개별 기술적(idiographic) 접근법들과는 대조적입니다.¹¹

¹¹ 성찰적 TA는 소수의 사례, 심지어 단일 사례에 초점을 맞추는 사례 연구(case study research)에서도 사용되어 왔습니다(예: Cedervall & Åberg, 2010; Manago, 2013 참조). 게다가, 일부 연구자들은 성찰적 TA를 내러티브 방법론(narrative methodologies) 및 절차와 결합하여 내러티브 구조와 "사례 전반(across case)"의 의미 패턴화 모두에 관심을 갖는 독특한 "하이브리드(hybrid)" 방법을 생산해 냈습니다(예: Palomäki et al., 2013; Ronkainen et al., 2016). 

 

TA가 전형적으로 데이터 항목 전반에 걸친 의미에 관심을 둔다는 주의사항과 함께, 성찰적 TA(reflexive TA) 연구에는 특별한 참여자 그룹/데이터 세트 선정 요건이 없습니다. 이는 데이터 항목의 수에 관해서나, 흔히 "표집(sampling)" 방법 또는 전략이라 알려진 참여자 그룹/데이터 세트가 선정되는 방식에 관해서나 마찬가지입니다. Robinson(2014)의 표집에 대한 4단계 "범패러다임적(pan-paradigmatic)" 가이드는 성찰적 TA에서 참여자 그룹/데이터 세트를 선정하고 생성하는 다양한 측면을 생각해보는 데 유용한 출발점을 제공합니다:

• 포함 기준(inclusion criteria)(참여자나 데이터 항목이 반드시 갖춰야 할 속성)과 배제 기준(exclusion criteria)(자격을 박탈하는 속성)을 사용하여 "표집 우주(sampling universe)"를 정의하십시오. 기준이 구체적일수록 표집 우주는 (특정 측면에서) 더 동질적(homogenous)이 될 가능성이 높습니다.
  • 예를 들어, "자녀가 없는 사람"에서 "자발적으로 자녀를 갖지 않은(childfree by choice) 사람"으로, 다시 "자발적으로 자녀를 갖지 않은 남성"으로 이동하는 것은 풀(pool)을 특정 방식으로 좁힙니다.
• 무엇이 이상적인지(연구 목적, 분석적 지향, 이론적 기반과 조화를 이루는 것)와 무엇이 실용적인지(practical)(예: 시간, 자원, 또는 지역적—제도적 및 연구 분야—맥락의 규범이나 기대)를 성찰하여 표본 크기(sample size)(또는 크기 범위)를 결정하십시오.
• 포함시킬 항목이나 참여자를 선정하기 위한 표집 전략(sampling strategy)을 개발하십시오.
• 표집 우주로부터 참여자를 모집하거나 항목을 선택하여 표본을 조달(source)하십시오.

참여자/데이터 항목 선정 전략
(Strategy for Selecting Participants/Data Items) 

질적 패러다임 내에서 수행되는 질적 연구에서, 연구의 목표, 그리고 그에 따른 참여자/데이터 항목 선정은 일반적으로 "모집단(population)"에 대한 어떤 "양적 재현(quantified representation)"을 제공하는 것(Gaskell, 2000)이라기보다는, 그 안의 의미의 범위(range)와 다양성(diversity)의 일부를 포착하는 것입니다. 그리고 연구 질문(들)에 대한 심층적인 탐구를 허용하여, 결과의 "전이 가능성(transferability)"(Spencer et al., 2003)에 대한 기회를 극대화하는 것입니다. 편의 표집(convenience sampling)과 유목적 표집(purposive sampling)(Patton, 2015; Sandelowski, 1995)으로 알려진 것들이 TA 연구에서 가장 흔한 참여자/데이터 항목 선정 전략으로 보입니다.

 

• 편의 표집은 연구자가 쉽게 접근할 수 있는 "사례(cases)"(참여자 또는 데이터 항목)를 선정하는 것을 포함합니다.
  • 실제로 이는 종종 프로젝트를 광고하고, 우연히 응답한 누구라도 참여자 그룹을 구성하게 됨을 의미합니다. 심리학자들은 흔히—그리고 문제적으로—연구 참여 제도를 통해 심리학과 학부생들을 모집해 왔는데, 이는 편의 표본의 또 다른 형태입니다(Arnett, 2008).
  • 편의 표집은 종종 가장 덜 엄격하고 정당화하기 힘든 참여자 선정 방법으로 간주됩니다(Sandelowski, 1995)—특히 관심 있는 더 넓은 집단이 구체적으로 심리학 학생들이 아닐 때 그렇습니다. 그러나 이러한 비판이 참여자/데이터 항목 선정 전략으로서의 인기를 꺾지는 못했으며, 편의 전략 내에서 다양성을 촉진할 수 있는 방법들(예: 연구가 광고되는 장소와 방식)이 존재합니다.
• 유목적 표집은 조사 중인 현상에 대한 이해를 극대화할 잠재력을 가진 "정보가 풍부한(information-rich)" 사례들(Patton, 2015)을 의도적으로 선정하는 것을 포함할 수 있습니다.
  • 유목적으로 선정된 참여자 그룹/데이터 세트는 구성 면에서 동질적(homogenous)이거나 이질적(heterogeneous)일 수 있습니다; 의도적으로 다양성을 추구하는 것은 최대 변이(maximum variation)(Sandelowski, 1995) 또는 이질성(heterogeneity)(Fassinger, 2005) 표집이라고 불립니다(Onwuegbuzie & Leech, 2007 참조).
  • 참여자 그룹/데이터 항목 선정 전략들은 결합될 수 있고 흐릿해질 수 있습니다; 실제 세계의 관행은 교과서적인 설명과 특별히 같지 않은 경우가 많습니다. 성찰적 TA를 위한 이상적인 "표집" 전략은 없습니다: 성찰적 TA 설계 일관성 관점에서 가장 중요한 것은, 연구자가 자신의 전략이 무엇인지, 왜 그것을 선택했는지, 그것의 강점과 한계를 이해하고, 그것이 어떻게 그리고 왜 연구 질문(들)을 의미 있게 다룰 데이터 세트를 제공하는지를 명확히 표현(articulate)할 수 있어야 한다는 점입니다. 이는 참여자 그룹/데이터 세트 크기와 연결됩니다.

 

참여자 그룹/데이터 세트 크기
(Participant Group/Data Set Size) 

참여자 그룹/데이터 세트는 얼마나 커야 할까요? 이는 TA뿐만 아니라 질적 연구 전반에 걸쳐 까다로운 질문입니다(예: Malterud et al., 2016; Morse, 2000; Sim et al., 2018 참조). TA를 위한 참여자 그룹/데이터 세트 크기를 결정하는 것은 참여자나 데이터 항목의 "정확한 숫자(correct number)"를 식별하는 것만큼 간단하지 않습니다. 우선 고려해야 할 데이터 유형이 있고, 각 데이터 항목의 "분량(volume)" 및 풍부함에 대한 관련 고려사항뿐만 아니라, 동질성과 이질성에 대한 고려사항도 있습니다.

 

• 더 큰 참여자 그룹/데이터 세트는 연구의 범위(scope)가 비교적 넓고, 주제가 잠재적으로 "파악하기 어렵거나(difficult to grab)"(Morse, 2000, p. 4) 참여자들에게 민감하며, 관심 있는 더 넓은 집단 내에 상당한 다양성이 존재할 때 유용할 수 있습니다.
• 더 작은 참여자 그룹/데이터 세트(예: 10회 이하의 인터뷰)로 작업할 때는, 동질성(예를 들어 인구통계, 경험, 위치 및 기타 여러 가지에 기반할 수 있음; Robinson, 2014)이 주제 개발을 촉진하는 데 도움이 될 수 있습니다. 그러나 동질적인 참여자 그룹/데이터 세트를 생산하기 위해 명시적으로 설계된 포함 및 배제 기준조차도 의미 만들기(sense-making)의 동질성을 보장할 수는 없습니다.

또한 연구의 목적과 맥락(Morse, 2000 참조), 그리고 출판 가능성을 둘러싼 규범(Dworkin, 2012)과 같은 실용적 고려사항(pragmatic considerations)도 있습니다.

 

 

• 맥락은 무엇이 관리 가능한지를 결정하는 것의 일부입니다—분석은 단순히 완료 가능한 것이 아니라 잘 수행되어야 합니다. 구체적인 마감 기한이 있는 연구의 맥락에서는, TA에 타당성(validity)을 부여할 만큼 충분한 넓이와 깊이를 가진 데이터 세트와, 마감 기한 전에 데이터를 의미 있게 분석할 시간 사이의 균형을 맞출 필요가 있습니다.
• 연구자들은 끊임없이 압도감을 느끼거나 "데이터에 빠져 익사하는(drowning in data)" 기분을 느껴서는 안 되며, 데이터를 제대로 다루지 못해서도 안 됩니다(비록 이런 일이 일어날 수 있지만, Braun & Clarke, 2020).
• TA 연구는 교과서적인 방식으로 연구를 실행하는 데 필요한 모든 자원, 시간, 기술을 갖춘 "완벽한(perfect)" 조건 하에서 수행되는 경우가 거의 없으므로, 참여자 그룹/데이터 세트 크기 결정은 필연적으로 경쟁하는 우선순위들—실용적/실제적(pragmatic/practical)인 것과 방법론적/이론적(methodological/theoretical)인 것—을 협상하면서 생겨나는 타협을 포함합니다.

 

질적 연구에서의 참여자 그룹/데이터 세트 선정에 관한 일반적인 지침들은 성찰적 TA 연구에 유용하지만(예: Malterud et al., 2016; Morse, 2000), 질적 연구 지형의 모호한 본질(fuzzy nature)(Madill & Gough, 2008)을 반영하듯, 참여자 그룹/데이터 세트 크기를 결정하기 위해 널리 합의된 정확한 기준은 없습니다. 게다가, "연구의 목표를 충족시키기에 적절한 표본 크기를 구성하는 것은 연구자에 의한 지속적인 해석(ongoing interpretation) 과정이 필수적이다. 그것은 반복적이고, 맥락 의존적인 결정이다"(Sim et al., 2018, p. 630). 심지어 분석 전이라도 참여자 그룹/데이터 세트 크기를 결정하기 위한 더 정확한 기준을 제공하는 것처럼 보이는 두 가지 공식은 포화(saturation)와 통계적 모델(statistical models)입니다. 이것들은 TA 방법론 문헌에서 널리 논의되었으므로, 우리는 이제 성찰적 TA에 대한 이 두 가지의 관련성을 탐구합니다.

포화 (Saturation) 

"데이터가 포화되었다(The data were saturated)"는 TA 연구에서 가장 널리 사용되는 참여자 그룹/데이터 세트 크기 근거 중 하나이며, 종종 너무 자명한 것으로 받아들여져 정의조차 되지 않습니다(Braun & Clarke, 2019b). "데이터 포화(data saturation)" 또는 "정보 중복성(information redundancy)" 개념은 근거 이론(grounded theory)의 방법론과 밀접하게 정의되고 연결된 "이론적 포화(theoretical saturation)"(Glaser & Strauss, 1967)에서 진화한 것으로 보입니다(O’Reilly & Parker, 2013). 이론적 포화는 근거 이론에서의 이론적 표집(theoretical sampling) 관행 및 동시적인 데이터 수집·분석과 불가분의 관계에 있습니다(Morse, 2015; O’Reilly & Parker, 2013).

 

데이터 포화(Fusch & Ness, 2015)와 그 변형인 코드 포화(code-saturation)(Hennink et al., 2017), 주제 포화(theme-saturation)(Guest et al., 2006), 그리고 의미 포화(meaning-saturation)(Hennink et al., 2017)는 이제 TA 연구에서 데이터 세트 생성을 위한 "골드 스탠다드(gold standard)"(Guest et al., 2006, p. 60)로 자리 잡았습니다. 그러나 데이터 세트의 적절성에 대한 일반적 척도(generic measure)로서의 사용은 문제가 있는데, 왜냐하면 그것이 성찰적 TA와 철학적으로나 방법론적으로 일관되지 않기 때문입니다.¹² Morse(1995)에게 있어 데이터 적절성은 "새로운 정보가 얻어지지 않을 때까지 데이터를 수집하는 것"(p. 147)으로 조작화(operationalized)되었습니다; 이러한 "새로운 것이 없음(no new)"이라는 개념은 포화의 다양한 종류(데이터, 코드, 또는 주제) 전반에 걸쳐 공통적입니다. 그러나 주장된 포화의 정의와 의미가 종종 모호할 뿐만 아니라, 정확히 어떻게 포화가 달성되었는지가 논의되지 않는 경우가 흔합니다(Bowen, 2008). 포화에 대한 주장—어떤 방식으로든 정의 및/또는 설명되었든 아니든—은 종종 TA 연구에서 데이터 수집을 중단하는 근거로 제공됩니다(예: Grabe et al., 2015; Staneva & Wittkowski, 2013). 그것은 종종 데이터 분석과는 별개이며, 분석에 선행하는 것으로 위치지어집니다(Saunders et al., 2017).

12 포화의 개념이나 사용은 많은 일반적인 질적 품질 지침 및 기준에서 참조됩니다(예: Levitt et al., 2018; Morrow, 2005); 가장 좋은 것들은 포화와 같은 기준이 보편적으로 적용 가능하거나 이론적으로 중립적이지 않다는 점을 명확히 합니다(예: Levitt et al., 2018). 

 

데이터 포화에 대한 주장은 (알고서 했든 의도치 않게 했든) TA 연구에서 표본 크기에 대한 수사적으로 강력한 근거로 작동합니다.

 

• 이 용어의 대부분의 사용은 연구자가 추가적인 데이터를 수집함으로써 새로운 통찰(new insights)이 생성되지 않는 데이터 수집의 지점에 도달한다는, 앞서 언급된 아이디어를 환기시키는 것으로 보입니다. 이것은 성찰적 TA 관점에서 볼 때 문제가 되는데, 왜냐하면 그것은 사실상 연구자의 과업을 발견(discovery)으로—발견되기를 기다리고 있는 주제를 인식하는 것으로—위치시키기 때문입니다. 이는 성찰적 TA에서 주제나 연구 과정이 개념화되는 방식이 아닙니다(Braun & Clarke, 2019b).¹³
• 질적 연구를 발견이 아닌 지식 생성(generation) 또는 구성(construction)의 성찰적 과정으로 개념화하는 것 내에서는, 지속적인 데이터 참여를 통해, 혹은 다른 관점에서 데이터를 읽음으로써(Ho et al., 2017이 잘 보여주듯이) 발전되는 새로운 이해(new understandings)(Mason, 2010)에 대한 잠재력이 항상 존재합니다. 만약 우리가 분석을 데이터와의 참여를 통해 그리고 (분석 시점의) 우리의 위치설정(positionings)과 일치하여 발전되는 분석적 통찰(analytic insight)의 과정으로 상상한다면, "포화시키는 것(saturate)"이 가능하다는 개념은 말이 되지 않게 됩니다(Malterud et al., 2016).

 

13 근거 이론 내에서의 포화에 대한 더 구성주의적인 재작업에 대해서는 Charmaz(2006)를 참조하십시오.

 

지난 10년 정도 동안, 포화를 결정하기 위한 구체적인 지침의 부재에 대한 우려는 몇몇 저자들로 하여금 포화를 "조작화(operationalize)"하고, TA 연구에서 포화 또는 특정 수준의 포화에 도달하기 위해 얼마나 많은 인터뷰(또는 포커스 그룹)가 충분한지를 결정하려고 시도하게 만들었습니다(예: Guest et al., 2006; Hagaman & Wutich, 2017; Hancock et al., 2016; Hennink et al., 2017). 그러한 지침들은 TA 참여자 그룹/데이터 세트 크기에 대한 근거로 채택되어 사용되어 왔지만, 성찰적 TA를 위한 지침으로는 적합하지 않습니다. 왜냐하면 그것들은 성찰적 TA의 개념적 기반, 가치, 그리고 관행과 상충하는 (때로는 인정되지 않은) 가정들을 포함하고 있기 때문입니다(Braun & Clarke, 2019b). 이것들은 다양한 방식으로 분명해집니다.

 

대부분은 코딩 신뢰도(coding reliability) 또는 코드북(codebook) 버전의 TA를 사용하며—비록 더 넓은 접근법의 특정 반복(iteration)으로 인정되는 경우는 드물지만—실재론적 존재론(realist ontology)과 (후기)실증주의적 연구 가치를 입증합니다. 데이터 수집은 종종 다소 구조화되고 표준화되어 있으며, 생성된 데이터는 응용적 초점을 가지고 다소 구체적입니다. "발견(discovery)" 모드 내에서, 주제는 분석 이전에 존재하며 연구자가 참여자로부터 끌어내거나 분석 과정을 통해 밝혀내는 실체로 암묵적으로 개념화됩니다(Saunders et al., 2017). 주제는 종종 인터뷰 질문을 반영하는 토픽 요약(topic summaries)이자 분석적 투입물(analytic inputs)입니다. 연구 질문과 관련된 중요성과 의미보다는 빈도(Frequency)가 전형적으로 주제/코드의 일차적 혹은 유일한 결정 요인입니다; 이에 대한 근거는 거의 설명되지 않습니다.

 

비록 우리는 성찰적 TA 연구자들이 데이터 포화 개념을 아예 피하는 것이 더 낫다고 생각하지만(Braun & Clarke, 2019b 참조), 이것이 실용적으로 항상 가능한 것은 아님을 인식합니다. 이러한 경우 양질의 관행을 위해 결정적인 것은, 포화가 정확히 무엇을 의미하는지 정의되고, 연구자가 그러한 포화가 정확히 어떻게 결정되었는지에 대해 명확히 하는, 알고서 하는 사용(knowing use)을 입증하는 것입니다.

통계적 공식 (Statistical Formula) 

Fugard와 Potts(2015)는 TA에서 표본 크기를 전향적(prospectively)으로 결정하기 위한 양적 도구를 개발했습니다. 가장 덜 만연한 주제의 예상 모집단 주제 유병률(population theme prevalence), 원하는 주제 사례(instances)의 수, 그리고 연구의 검정력(power)을 연구자가 결정해야 하는 이 도구는 여러 질적 연구자들로부터 비판적인 논평을 불러일으켰습니다(예: Braun & Clarke, 2016; Hammersley, 2015). 표본 크기나 데이터 포화를 전향적으로 결정하기 위한 다른 똑같이 문제가 있는 공식과 도구들도 출판되었습니다(예: Galvin, 2015; Tran et al., 2017). 이러한 도구들의 많은 다른 측면들은 그것들을 성찰적 TA와 개념적으로 양립 불가능(conceptually incompatible)하게 만듭니다. 그러나 TA의 서로 다른 유형 간의 근본적인 개념적 차이를 깨닫지 못하는 사람들이 그러한 도구들로 TA 연구 설계를 평가하려 할 위험이 있습니다(Hammersley, 2015). 따라서, 우리는 성찰적 TA를 사용하는 연구의 "정확한(correct)" 데이터 세트 크기를 결정하거나 상상하기 위해 이러한 통계적 도구 중 어떤 것도 사용하는 것을 권장하지 않는다는 점을+ 매우 분명히 하고자 합니다.

 

성찰적 TA에서 참여자 그룹/데이터 세트 크기 결정 및 정당화
(Determining and Justifying Participant Group/Data Set Size in Reflexive TA) 

성찰적 TA에서 참여자 그룹/데이터 세트 크기를 정당화하는 실패 없는 방법(failsafe way)은 없습니다. 우리는 크기 결정을 어떤 이상화된 개념의 "일반화 가능성(generalizability)"에 근거하려는, 그리고 암묵적으로 '크면 클수록 좋다'는 생각과 통계적 일반화 가능성(statistical generalizability)이 모든 연구의 이상형이라는 생각에 "동조하는(buying into)" (후기)실증주의적 유혹((post)positivist temptation)을 피할 것을 권장합니다(단, 질적 연구에서 일반화 가능성이 어떻게 재구성될 수 있는지에 대한 중요한 논의는 Smith, 2017을 참조하십시오). 대신, (윤리 심사 등의 목적을 위해 데이터 분석에 앞서) 참여자 그룹/데이터 세트 크기를 추정하기 위한 개념적 모델로서, 우리는 Malterud 등(2016)의 정보력(information power) 개념이 유용하다고 봅니다. 이는 정밀한 계산이라기보다는, 연구자가 데이터 세트의 "정보적 풍부함(information richness)"과 그것이 연구의 목표 및 요구사항과 어떻게 맞물리는지를 성찰하도록 초대합니다—서로 다른 목적은 표본 크기에 대한 서로 다른 접근법을 요구합니다. 이러한 성찰을 사용하여, 다음과 같은 연구는:

• 광범위한 목표(broad aim);
• 비구체적이거나 적은 포함 기준(inclusion criteria);
• 더 귀납적(inductive)이고 탐색적(exploratory)인 접근;
• 각 참여자나 데이터 항목으로부터 생성된 더 얇은(thinner) 데이터;
• 데이터 세트 전반(across)에 초점을 맞춘 분석; 그리고
• 초심자 연구자(novice researcher)에 의해 수행되는 분석

일반적으로 적절한 정보력을 갖기 위해—즉, (질적으로) 의미 있는 무언가를 말할 수 있기 위해—더 큰 참여자 그룹/데이터 세트를 필요로 할 것입니다. 대조적으로, 더 좁은 목표, 더 구체적인 모집단/데이터 세트 초점, 아마도 더 연역적(deductive)인 접근, 그리고 "더 두터운(thicker)" 혹은 더 풍부한 개별 데이터 항목을 가진 연구는 일반적으로 더 적은 데이터 항목을 필요로 할 것입니다. 이러한 측면들은 독립적이고 합산적으로 작동하는 것이 아니라, 잠재적으로 상호작용하는(interacting) 것으로 보아야 합니다(Sim et al., 2018). 이는 데이터 수집 도중이나 친숙화(familiarization) 또는 코딩 이후와 같은 현장에서의(in situ) 데이터 세트 평가를 연구 시작 전의 명확한 결정보다 더 중요하게 만듭니다.

 

데이터 세트의 적절성을 생각할 때 유용할 수 있는 또 다른 개념은 "이론적 충분성(theoretical sufficiency)"입니다. 포화(saturation)를 이해의 완전성과 고정된 지점을 암시하는 "불행한 은유(unfortunate metaphor)"(p. 257)라고 묘사했던 근거 이론가 Ian Dey(1999)에 의해 개발된 이론적 충분성은, 연구자가 이론을 구축하기 위해 충분하거나 적절한 깊이의 이해에 도달했을 때 데이터 수집을 멈춘다는 개념을 포착하기 위한 것입니다. 이를 프레임화하는 유사한 방식으로는 "개념적 밀도(conceptual density)" 또는 "개념적 깊이(conceptual depth)"(Nelson, 2017)가 있습니다. "이론 구축(building theory)"이 목표인지 여부와 관계없이, 이러한 개념들은 의미-풍부함(meaning-richness)을 데이터 세트(의 크기) 타당성의 핵심으로 강조합니다. 우리에게 있어, 정보적 또는 의미적 충분성(informational or meaning sufficiency)은 TA에서 데이터 수집을 중단할 시점을 위한 유용한 개념으로 보이며, 이는 오직 성찰적으로(reflexively) 그리고 현장에서(in situ) 결정될 수 있는 것입니다.

 

데이터 수집에 앞서 참여자 그룹/데이터 세트 크기를 결정하는 것이 어렵다는 우리의 인정에도 불구하고, 기관생명윤리위원회(institutional review boards), 학위 위원회, 자금 지원 기관의 요구사항을 충족시키기 위해, 그리고 시간과 자원을 계획해야 하는 실질적인 필요 때문에, 참여자 그룹/데이터 세트 크기에 대한 어떤 지표(indication)를 제공해야 할 실용적 필요(pragmatic need)가 종종 존재합니다. 우리는 연구자들이 참여자 그룹/데이터 세트 크기 범위(size range)를 제공하고, 최종 크기는 데이터 수집 중이나 분석 과정의 초기 단계 후에 결정할 것을 제안합니다(학생 프로젝트를 위한 몇 가지 제안은 Braun & Clarke, 2013 참조).

TA 연구를 위한 윤리적 사고 (Thinking Ethically for TA Research) 

윤리(Ethics)는 모든 연구 설계 및 관행의 핵심 요건이며, 절차적(procedural)인 동시에(참여자와 관련하여 우리가 하는 일), 연구의 정치학, 연구자와 참여자 간의 권력 관계(power relationship), 그리고 연구자의 가치와 관련된 더 사회정치적(socio-political)인 것입니다. 연구 윤리는 미국심리학회(American Psychological Association, 2017)나 뉴질랜드심리학회(New Zealand Psychological Society, 2012)의 규정들과 같은 윤리 강령 내에 성문화(codified)되어 있으며, 기관의 윤리 심사를 통해 적용됩니다. 윤리적 지침은 특정 탐구 양식(modes of inquiry)(예: 온라인 연구; Association of Internet Researchers, 2012), 연구 참여자(예: 원주민 인구 [예: Smith, 2013] 또는 아동 [예: Shaw et al., 2011]), 또는 협력 조직(일부—특히 보건 및 의료 조직—는 자체적인 윤리 심사 절차와 요건을 가질 수 있음)과 관련하여 변경될 수 있습니다. 강조해야 할 핵심 사항은 윤리 강령이 최소한의 요건(minimal requirements)을 나타낸다는 점입니다. 영국심리학회(British Psychological Society, 2009)는 "생각하는 것은 선택 사항이 아니며(thinking is not optional)"(p. 5; 강조는 저자), "어떤 강령도 심리학자들이 자신의 전문적이고 윤리적인 판단을 사용해야 할 필요성을 대체할 수는 없다"(p. 4)고 언급했습니다.

 

분석적 접근법으로서의 TA 사용은 그 자체로(per se) 윤리적 논의를 거의 필요로 하지 않지만, 질적 연구 전반, 특히 질적 패러다임 내에서의 연구는 중요한 윤리적 고려사항들을 제기합니다. 질적 연구 맥락에서의 윤리 논의—데이터가 연구자에게 미치는 정서적 영향 포함—에 친숙해지는 것이 중요합니다(예: Brinkmann & Kvale, 2017; Denzin & Giardina, 2016; McClelland, 2017; Miller et al., 2012). 윤리에 대해 더 폭넓게 생각해보면, 질적 연구의 설계와 수행은 종종 차이(difference), 권력(power)(Karnieli-Miller et al., 2009) 및 통제의 문제, 그리고 우리가 참여자와 어떻게 관계 맺고 그들을 어떻게 재현(represent)하는지(Fine, 1992)와 같은 복잡하고 "모호한(fuzzy)" 윤리적 및 도덕적 고려사항들을 포함합니다. 이러한 고려사항 중 어느 것도 구체적으로 TA 연구만의 필수적인 특징은 아니지만, 우리는 TA 연구자들이 질적 연구와 연구 윤리에 대해 복잡하고 세련된 성찰적 접근(reflexive approach)을 추구할 것을 장려합니다. 특히 차이의 문제와 관련하여 참여자와 관계 맺고 재현하는 데 있어 모범 사례(best practice)를 예시하고, 진정으로 포용적(inclusive)이고, 문화적으로 민감(culturally sensitive)하며, 정치적으로 기민한(politically astute) 연구를 수행하기 위해서입니다.

품질 기준 및 관행 (Quality Standards and Practice) 

우리가 설계적 사고를 위해 마지막으로 고려하는 영역은 품질(quality)이며, 이는 개념적 사고와 깊이 교차하며 논의를 다시 그곳으로 되돌립니다. 우리가 여기서 논의하는 품질 보증 전략들은 Big Q 질적 패러다임의 이론적 가정과 가치들(Braun & Clarke, 2013)에 의해 정보를 얻으며, 코딩이나 주제 식별의 "정확성(accuracy)"을 결정하기보다는 성찰(reflection), 엄격함(rigor), 체계적이고 철저한 접근, 그리고 훨씬 더 깊은 참여의 깊이(depth of engagement)를 장려하는 데 초점을 맞춥니다.

 

품질에 대한 판단은 과정(process)과 결과(outcome) 모두와 관련됩니다. 우리는 연구자들이 연구 설계에 통합하는 품질 관행(quality practices)과, 연구자들이 준수하려고 노력하며 검토자, 편집자, 심사위원이 질적 연구의 품질을 평가하는 데 사용하는 품질 기준(quality standards) 및 척도 모두에 초점을 맞춥니다. 흔히 모든 형태의 질적 연구에 적용되는 보편적 품질 기준(universal quality criteria)이 있다고 가정됩니다—우리는 앞서 코딩 신뢰도 척도가 모든 형태의 TA에 관련이 있다는 문제가 있는 가정에 대해 언급했습니다. 이러한 가정은 전형적으로 질적 연구를 주관적 경험의 연구와 동일시하는 (제한된) 개념화와 (후기)실증주의적 연구 가치에 의해 뒷받침됩니다. 예를 들어, 많은 품질 기준과 표준은 신뢰성(credibility) 확인의 한 형태로 "참여자 검토(member checking)" 또는 "참여자 타당성 검증(participant validation)"을 포함합니다(예: Elliott et al., 1999; Morrow, 2005). 어떤 경우에는 이 품질 관행이 모든 형태의 질적 연구와 개념적으로 일관되지 않다는 인정 없이(Reicher, 2000), 또는 이 관행을 실행하는 데 따르는 실질적이고 실용적인 어려움에 대한 고려 없이(Braun & Clarke, 2013) 그렇게 합니다. 따라서 품질 관행과 기준은 개념적 사고를 필요로 하는 연구 설계의 또 다른 측면입니다—연구자들은 특정 표준과 관행에 내재된 이론적 가정(theoretical assumptions)을 성찰하여 그것들이 자신의 연구 설계 및 성찰적 TA 사용과 일관성이 있는지 결정해야 합니다.

 

비록 이러한 품질 기준 중 일부 측면이 성찰적 TA에 잘 번역되지 않거나 전혀 번역되지 않더라도, 그럼에도 불구하고 우리는 Elliott 등(1999)의 체크리스트 기준(checklist-criteria) 출판 가능성 지침, 광범위한 질적 연구 방법 및 접근법에 적용되도록 의도된 Yardley(2015)의 훨씬 더 느슨하고 유연한 원칙(flexible principles), Tracy(2010)의 8가지 "빅 텐트(big tent)" 유연한 기준, 그리고 APA 저널 보고 표준(Levitt et al., 2018)이 유용하다고 생각합니다. 성찰적 TA—그리고 사실 더 넓은 의미의 질적 연구—에 있어 그러한 "기준"들은 경직된 방식으로 적용되도록 설계된 것이 아니라, 품질에 대해 일반적으로 생각하고 특정 성찰적 TA 연구에 적용되어야 할 적절한 품질 기준에 대해 생각하기 위한, 재해석이 가능한 유연한 자원(flexible resources)으로 설계되었습니다(Sparkes & Smith, 2009). 다른 곳에서, 우리는 연구자들이 자신의 성찰적 TA 관행의 품질과 엄격함을 성찰할 수 있는 15개 항목의 체크리스트(Braun & Clarke, 2006)와, 출판을 위해 성찰적 TA 연구를 평가하는 검토자 및 편집자를 위한 지침(Braun & Clarke, 2020)을 제공했습니다.

 

성찰적 TA를 위해, 우리는 연구 과정 전반에 걸친 깊이 있고, 참여적이며, 비판적으로 열려 있는 성찰성(reflexivity)의 중요성을 강조합니다. 연구자가 다음을 성찰하고, 이해하려고 노력하며, 심문하는 것의 중요성 말입니다:

 

• 자신의 가치와 개인적 위치(personal positioning);
• 연구 주제에 대한 자신의 가정과 기대;
• 그리고 (참여자가 있는 설계의 경우) 참여자에 대한, 그리고 참여자와의 관계(Wilkinson, 1988은 이를 개인적 성찰성[personal reflexivity]이라 칭함);
• 자신의 설계 및 방법론적 선택(기능적 성찰성[functional reflexivity]); 그리고
• 자신의 학문적 위치와 관점(학문적 성찰성[disciplinary reflexivity]).

 

그리고 실제로 이 모든 것들이 연구 과정 및 생산된 지식과 어떻게 교차하고, 그것을 형성하는지에 대해서도 성찰해야 합니다. 더 정치적으로 지향된 연구에서는, 연구의 권력 역학(power dynamics)을 강조하는 성찰성의 개념화 또한 중요합니다(예: Ramazanoğlu & Holland, 2002). 우리에게 있어 성찰성은 (Big Q) 연구 관행의 맞물린(meshed-in) 모드로 개념화하는 것이 가장 좋습니다; 이것이 낯설다면, 접근하기 쉬운 출발점으로 Finlay와 Gough(2003)를, 성찰적 TA를 수행할 때의 예시로 Trainor와 Bundon(2020)을 참조하십시오.

 

연구자 성찰성(Researcher reflexivity)은 많은 품질 기준과 척도에서 강조됩니다—예를 들어 Elliott 등(1999)은 출판 가능성 지침에 "자신의 관점 소유하기(owning one’s perspective)"를 포함시켜, 연구자들이 자신의 이론적 지향과 개인적 기대를 명시할 필요성을 강조했습니다. 성찰성의 불완전성(incompleteness)—완전한 통찰은 거의 불가능함—과 우리 관점의 다양성(multiplicity)을 인정하며, 우리는 이것을 연구자가 자신의 관점을 "소유(own)"하려고(인정하고 책임을 진다는 의미에서) 노력하는 것으로 재구성합니다. 이러한 성찰 중 일부는 이상적으로 연구 보고서에 포함되어, 독자에게 연구 맥락의 일부 측면을 가시화해야 합니다. 그러나 우리는 다른 이들(Levitt et al., 2018)과 마찬가지로, 저널의 엄격한 단어 수 제한이 질적 연구의 보고를 다양한 방식으로 제약하며, 성찰성이 종종 그러한 제한 내에 머물기 위해 "희생(sacrificed)"되는 것임을 인식합니다. 성찰성은 또한 텍스트 안으로 개별 연구자의 목소리를 가져오기 때문에, "과학적(scientific)" 글쓰기 관행에 교육받은 이들에게는 문체적으로 대면하기 힘든 것일 수 있습니다.

 

우리가 강력히 권장하는 하나의 품질 관행은 연구 과정 전반에 걸쳐 연구자의 성찰과 통찰을 기록하기 위한 성찰 일지(reflexive journal)를 유지하는 것이며, 또한 글쓰기 관행 자체를 성찰성을 심화시키는 도구로 사용하는 것입니다. 논의된 바와 같이, 품질 관행에 대한 관심은 성찰적 TA 과정 전반에 내재되어 있습니다—유기적이고 개방적인 코딩, 주제 검토 및 정교화, 그리고 분석 단계들의 순환성(recursivity)과 같은 절차들은, 연구자로 하여금 피상적이고 뻔한 것을 넘어서는 의미 있고 유용한 분석을 생산하기 위해 데이터와의 장기적이고 깊은 참여(prolonged and deep engagement)가 필요함을 민감하게 인식하도록 의도된 것입니다.

 

성찰적 TA 보고를 위한 모범 사례 (Best Practice for Reporting Reflexive TA) 

성찰적 TA의 품질에 대한 논의를 돕기 위해, 우리는 이제 성찰적 TA 보고를 위한 모범 사례에 대해 간략히 논의합니다. 이것은 연구자가 개념적 및 설계적 사고의 관행에 철저히 참여한 성찰적 TA 연구가 이상적으로 어떻게 보고되어야 하는지를 포착합니다.¹⁴ 우리의 목표는 다음을 지원하는 것입니다: (a) 연구자들이 최고 수준의 성찰적 TA 서면 보고서를 생산하는 것; 그리고 (b) 검토자, 편집자, 심사위원들이 성찰적 TA 서면 보고서를 적절하게 평가하는 것. 전반적으로, 우리는 방법론 섹션에서 일인칭을 사용하는 것과 같이 개별 연구자의 "목소리(voice)"를 텍스트로 가져오는 글쓰기 스타일을 권장합니다. 이 섹션의 목적을 위해, 우리는 주장된 개념적 또는 다른 입장들이 실제 보고된 관행 및 분석과 일치한다고 가정합니다.

¹⁴ 적어도 현재의 맥락에서, 이러한 모범 사례 지침들은 부분적으로 열망적인(aspirational) 것으로 남아 있습니다. 이것들은 (후기)실증주의적 규범과 가치를 지향하는 더 넓은 학계의 수용된 보고 기준들과 여러 면에서 차이가 있습니다(Levitt et al., 2018 참조). 

서론 (Introduction) 

논문의 서론 섹션은 기존 연구, 관련 이론, 그리고 더 넓은 맥락(예: 사회적, 문화적, 정책적, 정치적, 미디어, 그리고 건강)을 참조하여 연구에 대한 맥락화(contextualization)와 정당성(rationale)을 제공해야 하며, 전통적인 문헌 고찰(literature review)을 포함할 수도 있고 포함하지 않을 수도 있습니다. 기존 문헌을 종합하는 목적은 반드시 지식의 "격차(gaps)"를 식별하는 것이 아니라, 현재 연구를 맥락화하는 것입니다; 이러한 이유로 우리는 섹션 제목이 필요한 경우 문헌 고찰보다는 서론을 권장합니다. 성찰적 TA에 적절한 연구 질문(Research question)은 명확하게 표현되어야 하며, 분석에서 보고된 TA의 형태와 개념적으로 일치해야 합니다(초기의 더 광범위한 연구 질문을 정교화하는 과정을 논의하는 것이 유용할 수 있습니다).

방법론 (Methodology) 

우리는 연구 과정에 대한 이론적으로 내재되고 성찰적인 설명을 신호하기 위해 방법(method)보다는 방법론(methodology)이라는 제목을 선호합니다.

 

• 연구의 개념적 기반(conceptual underpinnings)—존재론적(ontological) 및 인식론적(epistemological) 가정; 데이터 분석에 정보를 제공하는 방법론적(methodological), 설명적(explanatory), 그리고 정치적/이데올로기적(political/ideological) 이론—은 명확하게 식별되어야 하며, 이론이 어떻게 데이터 분석에 정보를 제공했는지 논의되어야 합니다.
• 성찰적 TA에 대한 구체적인 지향—귀납적(inductive)<>연역적(deductive); 의미적(semantic)<>잠재적(latent) 의미—은 명시적이어야 하며, 일반적이라기보다는 위치지어진(situated) 방식, 즉 프로젝트에 구체적인 방식으로 설명되어야 합니다.
• 성찰성(Reflexivity)은 글쓰기 스타일, 과정 전반에 걸친 성찰적 관행(예: 일지 작성)에 대한 논의, 그리고 적절한 경우 주제 및 참여자와 관련한 연구자의 개인적 위치(personal positioning)에 대한 고려를 통해 분명히 드러나야 합니다(Trainor & Bundon, 2020 참조). 후자는 재현(representation)을 둘러싼 것을 포함하여 더 넓은 질적 연구 윤리(ethics)¹⁵와 연결됩니다.
• 참여자 그룹/데이터 세트는 명확하고 풍부하게 위치지어져야 하며(익명성을 훼손하지 않으면서), 참여자 그룹/데이터 세트의 구성과 크기에 대한 약간의 설명 및 정당성이 제공되어야 합니다—포화(saturation)나 통계적 모델(statistical models)에 대한 언급 없이 말입니다(Braun & Clarke, 2019b 참조).
• 적절한 경우, 방법/데이터 출처의 선택이 연구 과정과 생산된 지식을 어떻게 형성했는지가 고려될 수 있습니다. 분석 과정은 일반적인 방식이 아닌 위치지어진(situated) 구체적인 방식으로, 그리고 최신 용어를 사용하여 기술되어야 합니다(Braun & Clarke, 2019a 참조).
• 성찰적 TA 과정에 적합한 다양한 품질 조치들(예: 주제 검토 및 정교화)이 어떻게 실행되었는지 포함되어야 합니다. 저자가 한 명 이상인 경우, 각 저자가 분석에 어떻게 기여했는지 논의되어야 합니다.

15 윤리적 논의는 공식적인 심사 절차와 같은 더 표준적인 학문적 절차들도 포함할 것입니다.

 

 

분석 (Analysis) 

결과/발견(results/findings) 섹션에 대해 우리가 현재 선호하는 제목은 분석(analysis)입니다. 왜냐하면 그것이 발견(discovery)과 종결성(finality)을 모두 환기시키는 것을 피하기 때문입니다. 이 섹션은—주제 보고 시 분석적 관찰들이 기존 연구 및 이론과 관련하여 맥락화된다는 의미에서 종종 논의(discussion)를 포함하는데—앞으로 나올 분석에 대한 간략한 개요(그림이나 표, 또는 단순한 설명이나 목록; 주제 간의 관계를 전달하는 데 사용될 수도 있음)로 시작해야 합니다. 분석적 서사(analytic narrative)는 데이터의 의미와 중요성을 설명해야 하며, 데이터의 바꿔쓰기(paraphrasing)와 데이터와 "언쟁하는 것(arguing with)" 모두를 피해야 합니다. 주제 빈도 수(Theme frequency counts)는 피해야 하며, 특히 분석적 내용과 구조에 대한 근거로 사용해서는 안 됩니다. 성찰적 TA는 빈도를 중요성과 동일시하지 않기 때문입니다. 다수의 참여자가 연구 질문과 관련 없는 것을 말하거나 쓸 수 있는 반면, 소수의 참여자는 결정적인 것을 말하거나 쓸 수 있습니다. 게다가 질적 데이터의 정량화(quantification)는, 심지어 단순한 빈도 수의 형태일지라도, 종종 간단하지 않습니다. 왜냐하면 데이터 수집이 전형적으로 참여자나 데이터 항목 전반에 걸쳐 정밀한 비교 가능성을 갖추고 엄격하게 구조화되거나 체계화되어 있지 않기 때문입니다.

 

주제들은 데이터에 대한 일관성 있는 전반적인 "이야기(story)"를 형성해야 하며, 전반적인 이야기를 가장 잘 전달하는 순서로 제시되어야 합니다.

 

• 우리는 일반적으로 단일 보고서에서 2~6개의 주제(하위 주제 포함)를 논의할 것을 권장합니다; 더 많은 주제는 저개발된 분석(underdeveloped analysis)을 시사합니다.
• 하위 주제(subthemes)를 신중하게 사용하십시오; 지나치게 정교한 주제 구조 또한 마찬가지로 저개발을 시사합니다(Connelly & Peltzer, 2016 참조). 각 주제는 풍부하고, 복잡하며, 다면적(multifaceted)이어야 하며(즉, 하나 이상의 분석적 관찰로 구성됨), 뚜렷한 핵심 의미(core meaning) 또는 중심 조직화 개념(central organizing concept)을 가져야 합니다(주제는 토픽 요약[topic summaries]이어서는 안 됩니다).
• 주제 간의 중첩(경계 흐림)은 거의 없거나 없어야 합니다. 각 주제의 이름은 각 주제의 "본질(essence)"을 전달해야 합니다;
• 한 단어 이름은 피해야 합니다. 각 주제에 대한 상세한 논의는 데이터 추출물(data extracts)이 더 예시적으로 사용되든 분석적으로 사용되든 관계없이, 데이터 추출물과 분석적 서사(해석)의 균형을 포함해야 합니다.¹⁶
• 생생하고 설득력 있는 데이터 추출물은 패턴화를 입증하기 위해 데이터 세트 전반에서 추출되어야 합니다; 제시된 데이터 추출물은 분석적 주장에 "부합(fit)"(또는 "증거가 됨[evidence]")해야 합니다. 표에 데이터 추출물을 제시하는 것은 피해야 합니다.

 16 데이터의 분석적 사용은 데이터 추출물이 분석적 관찰을 예시하기 위해 더 일반적으로 사용되는 것이 아니라, 특정 데이터 추출물의 구체적인 특징에 대한 상세한 분석을 포함합니다(Braun & Clarke, 2013 참조).

 

결론 (Conclusion) 

마지막 결론(또는 때로는 논의) 섹션에서, 분석적 결론과 함의는 주제들로부터 발생하거나 주제들을 가로질러야 하며, 주제 그 자체가 분석적 결론은 아님을 반영해야 합니다—주제별(theme-by-theme) 맥락화는 피해야 합니다(이는 종종 결과와 논의가 결합되었어야 함을 나타내는 신호입니다). 이 섹션은 또한 설계 선택이 생산된 지식을 어떻게 형성(하고 아마도 제한)했는지에 대한 평가적 성찰(evaluative reflection)을 포함해야 하며, 연구의 한계와 전반적인 분석에 대한 더 넓은 성찰도 포함해야 합니다; 통계적 확률적 일반화 가능성(probabilistic generalisability)의 결여에 대한 주장은 피해야 합니다.

요약 (Summary) 

이 논문에서, 우리는 TA가 단일한 이론적 토대를 가진 단일한 접근법이 아님을 강조했습니다; 우리는 TA의 세 가지 다른 학파를 개괄하고 성찰적 TA(reflexive TA)에 초점을 맞췄습니다. 건전한 성찰적 TA 관행은 연구의 개념적 토대에 대한 깊은 사고와 효과적인 계획—우리가 개념적 및 설계적 사고(conceptual and design thinking)라고 칭하는 과정—에 달려 있습니다. 구체적으로, 우리는 성찰적 TA가 데이터를 분석하는 데 사용되는 질적 프로젝트를 구성하는 다양한 측면들에서 일관성(coherence) 또는 적합성(fit)의 중요성을 강조했습니다; 이러한 요소들을 고려하는 것은 방법론적 무결성(methodological integrity)(Levitt et al., 2018)으로 특징지어지는 TA 연구를 생산하는 데 도움이 될 것입니다. 성찰적 TA의 유연성을 감안하여, 우리는 이것이 다룰 수 있는 다양한 유형의 연구 질문, 작업할 수 있는 다양한 데이터 유형을 언급했으며, 데이터 세트 구성 및 크기와 관련된 문제들을 논의했습니다. 특히, 우리는 TA 데이터 세트 크기의 근거로서 (주장된) 데이터 포화(data saturation)의 만연한 사용과, 분석에 앞서 데이터 세트 크기를 결정하기 위한 통계적 모델(statistical models)의 사용을 비판적으로 논의했습니다. 대신, 우리는 참여자 그룹/데이터 세트 크기에 대한 결정의 핵심으로서 데이터의 정보적 풍부함(information richness)에 대해 비판적이고 성찰적으로, 그리고 위치지어진 방식(located way)으로 생각하는 것을 강조했습니다. 우리는 또한 윤리성(ethicality)의 중요성과, 양질의 관행을 돕기 위한 성찰적 일지 작성(reflexive journaling)의 사용을 언급했습니다.

---