Thematische analyse: de zes fasen van Braun and Clarke, uitgelegd (gids 2026)

Geschreven door Fengming Liu (UCL) · Beoordeeld door Prof. Shubin Yu (HEC Paris) · May 2026 · Bijgewerkt: 2026-05-30 · 16 min read

Thematische analyse is de methode waar de meeste kwalitatieve onderzoekers het eerst naar grijpen — en die het vaakst slordig wordt uitgevoerd. Goed gedaan is het een rigoureuze, transparante manier om betekenispatronen te vinden en te rapporteren over interviews, focusgroepen of open tekst. Deze gids doorloopt het fase voor fase, met het veelaangehaalde raamwerk van Braun and Clarke, en laat zien waar AI het werk nu versnelt zonder je oordeel te vervangen.

Voor de bredere analysecontext, zie onze gids Kwalitatieve data-analyse; voor de grondslagen, Kwalitatief onderzoek 101.

Wat is thematische analyse?

Thematische analyse is een methode om systematisch betekenispatronen — thema's — te identificeren, analyseren en rapporteren over een kwalitatieve dataset. Het is de meest flexibele en meest gebruikte kwalitatieve analysemethode omdat ze niet aan één theoretisch raamwerk is gebonden: ze kan over disciplines en paradigma's heen worden toegepast om te begrijpen hoe mensen een onderwerp ervaren en erover praten.

Een thema vat iets belangrijks over de data in relatie tot de onderzoeksvraag en vertegenwoordigt een patroonmatig antwoord of een patroonmatige betekenis over de dataset. Het doel is niet om samen te vatten wat er gezegd is, maar om te interpreteren wat het betekent.

Soorten thematische analyse

"Thematische analyse" is eigenlijk een familie van benaderingen. Drie kernonderscheiden bepalen hoe je het doet:

Inductief vs. deductief — thema's komen voort uit de data (inductief) of worden gestuurd door een bestaande theorie of codeboek (deductief). De meeste studies mengen beide.
Semantisch vs. latent — de analyse blijft bij de expliciete, oppervlakkige betekenis (semantisch) of interpreteert onderliggende aannames en ideeën (latent).
Reflexief vs. coderingsbetrouwbaarheid — thema's worden ontwikkeld via de actieve, reflexieve interpretatie van de onderzoeker, of via een gestructureerd codeboek met meerdere codeurs en overeenstemmingscontroles. Het latere werk van Braun and Clarke benadrukt de reflexieve vorm.

De zes fasen van Braun and Clarke

Het zesfasen-raamwerk is de ruggengraat van thematische analyse. De fasen zijn recursief, niet strikt lineair — je beweegt heen en weer naarmate je begrip zich ontwikkelt.

Vertrouwd raken met de data — lees en herlees de hele dataset, beluister opnames indien beschikbaar en noteer eerste ideeën. Je kunt geen patronen vinden in data die je niet goed kent.
Initiële codes genereren — werk systematisch door de data en hecht beknopte codes aan kenmerken die interessant of relevant lijken. Codeer inclusief en behoud wat omringende context.
Zoeken naar thema's — sorteer en groepeer codes tot kandidaatthema's en verzamel alle data die voor elk relevant is. Visuele hulpmiddelen zoals kaarten helpen hierbij.
Thema's beoordelen — toets kandidaatthema's aan hun gecodeerde fragmenten (hangen ze samen?) en aan de hele dataset (passen ze?). Splits, voeg samen of verwerp waar nodig.
Thema's definiëren en benoemen — schrijf een heldere definitie van waar elk thema wel en niet over gaat, en geef het een beknopte, informatieve naam. Elk thema moet een duidelijke focus hebben en een deel van het algehele verhaal vertellen.
Het rapport opstellen — weef de thema's tot een analytisch narratief, ondersteund door treffende, representatieve fragmenten, dat de onderzoeksvraag beantwoordt en aansluit op de literatuur.

Codes vs. thema's vs. onderwerpen

Deze worden vaak verward, en die verwarring verzwakt de analyse:

Een code is een kort label op een specifiek datasegment (bijv. "tijd rantsoeneren").
Een thema is een breder patroon, opgebouwd uit vele codes, dat een analytisch punt maakt (bijv. "controle wordt uitgeoefend via kleine dagelijkse afwegingen").
Een onderwerp is slechts een themagebied (bijv. "tijd"). Een thema zegt iets over een onderwerp; een onderwerp alleen niet.

Thematische analyse doen met AI-ondersteuning

AI kan de meest arbeidsintensieve fasen versnellen — in minuten initiële codes genereren over een grote dataset en ze clusteren tot kandidaatthema's — zodat de onderzoeker het interpretatieve werk van beoordelen, definiëren en uitwerken kan doen. Op een human-in-the-loop-manier gebruikt, behoudt dit het reflexieve oordeel dat de kern vormt van goede thematische analyse, terwijl de bottleneck verdwijnt. Zie GenAI-ondersteund kwalitatief onderzoek voor hoe je het rigoureus houdt.

Veelvoorkomende valkuilen

Thema's die slechts onderwerpen zijn — een lijst van themagebieden is geen analyse; een thema moet een punt maken.
Interviewvragen als thema's gebruiken — bevindingen ordenen naar de gestelde vragen in plaats van naar betekenispatronen.
Mager bewijs — thema's die niet door voldoende data worden gestaafd, of slechts door cherry-picked citaten.
Overlappende thema's — thema's die niet onderscheidend zijn, een teken dat de beoordelingsfase werd overhaast.
Vertrouwd raken overslaan — coderen voordat je de data echt kent.

Rigueur waarborgen

Thematische analyse wordt beoordeeld op trustworthiness, niet op statistiek. Versterk haar met een audit trail van coderingsbeslissingen, heldere themadefinities, representatieve (niet cherry-picked) fragmenten, reflexiviteit over je eigen invloed en — voor varianten met coderingsbetrouwbaarheid — controles van inter-codeurovereenstemming.

Een uitgewerkt voorbeeld

Vertrouwd raken — lees alle 18 interviews over welzijn bij thuiswerken tweemaal en noteer indrukken.
Coderen — genereer codes als "always-on-schuldgevoel", "vervaagde grenzen" en "rituelen die stoppen signaleren".
Zoeken — cluster codes tot kandidaatthema's zoals "grenzen moeten actief worden opgebouwd".
Beoordelen — toets thema's aan fragmenten en de hele dataset; voeg twee overlappende thema's samen.
Definiëren — benoem en definieer elk thema nauwkeurig.
Rapporteren — schrijf het narratief met representatieve citaten en koppelingen aan de literatuur.

Belangrijkste punten

Thematische analyse vindt en rapporteert systematisch betekenispatronen (thema's) over kwalitatieve data.
Ze varieert langs de dimensies inductief/deductief, semantisch/latent en reflexief/coderingsbetrouwbaarheid.
De zes recursieve fasen van Braun and Clarke lopen van vertrouwd raken tot het uitwerken.
Een thema maakt een analytisch punt; het is meer dan een code en meer dan een onderwerp.
AI kan codering en het zoeken naar thema's versnellen, maar de interpretatie blijft menselijk.

Veelgestelde vragen

Wat is thematische analyse?

Het is een flexibele kwalitatieve methode om systematisch betekenispatronen (thema's) te identificeren, analyseren en rapporteren over een dataset zoals interviews of open antwoorden, om te interpreteren wat de data betekent.

Wat zijn de zes fasen van thematische analyse volgens Braun and Clarke?

Vertrouwd raken met de data; initiële codes genereren; zoeken naar thema's; thema's beoordelen; thema's definiëren en benoemen; en het rapport opstellen. De fasen zijn recursief in plaats van strikt lineair.

Wat is het verschil tussen een code en een thema?

Een code is een kort label op een specifiek datasegment; een thema is een breder patroon, opgebouwd uit vele codes, dat een analytisch punt maakt over de dataset in relatie tot de onderzoeksvraag.

Wat is reflexieve thematische analyse?

Het is de door Braun and Clarke benadrukte benadering waarin thema's actief worden ontwikkeld via de interpretatie en reflexiviteit van de onderzoeker, in plaats van via een vast codeboek en inter-codeurovereenstemming.

Is thematische analyse inductief of deductief?

Het kan beide zijn of allebei. Inductieve analyse laat thema's voortkomen uit de data; deductieve analyse wordt gestuurd door bestaande theorie of een codeboek. Veel studies combineren de twee.

Kan AI thematische analyse doen?

AI kan snel initiële codes genereren en kandidaatthema's voorstellen over een dataset, maar het beoordelen, definiëren en interpreteren van thema's moet bij de onderzoeker blijven in een human-in-the-loop-workflow.