Thematische analyse: stappenplan voor onderzoekers (2026)

Qualitati Research Team · 2026-03-05 · 14 min leestijd

Wat is thematische analyse?

Thematische analyse is een methode om patronen (thema's) in kwalitatieve data te identificeren, analyseren en rapporteren. Het is een van de meest gebruikte analysemethoden in kwalitatief onderzoek, vooral gewaardeerd om de theoretische flexibiliteit en toegankelijkheid. Anders dan methoden die aan een bepaald epistemologisch of theoretisch kader gebonden zijn, kan thematische analyse worden toegepast op uiteenlopende onderzoeksvragen, datatypen en paradigma's.

Virginia Braun en Victoria Clarke hebben thematische analyse in hun baanbrekende artikel uit 2006 geformaliseerd als een benoemde, systematische methode. Daarvoor werd thematische analyse vaak behandeld als een naamloze en slecht afgebakende praktijk. Hun bijdrage was het vaststellen van duidelijke procedurele richtlijnen die het analyseproces transparant en reproduceerbaar maken.

Thematische analyse gaat niet alleen over het vinden van herhaalde woorden of het tellen van frequenties. Een thema legt iets belangrijks over de data vast in relatie tot de onderzoeksvraag en vormt een patroon van betekenis over de hele dataset. Thema's worden actief door de onderzoeker geconstrueerd via langdurige betrokkenheid bij de data, en niet passief ontdekt.

Inductieve versus deductieve benaderingen

Thematische analyse kan inductief of deductief worden uitgevoerd. Bij een inductieve benadering worden coderen en de ontwikkeling van thema's door de data zelf gestuurd. Je begint zonder vooraf bepaalde categorieën en laat patronen uit het materiaal naar voren komen. Dit is vooral nuttig bij het verkennen van nieuwe onderwerpen waarvoor bestaande theorie beperkt is.

Bij een deductieve benadering breng je een bestaand theoretisch kader of een set concepten naar de data en codeer je daarop. Dit is nuttig wanneer je bestaande theorie wilt toetsen, uitbreiden of toepassen. Veel studies combineren beide benaderingen: ze beginnen met een theoretische sensibilisatie en blijven open voor onverwachte patronen.

De zes fasen van thematische analyse

Braun en Clarke onderscheiden zes fasen van thematische analyse. Deze fasen zijn niet strikt lineair; je beweegt heen en weer tussen ze naarmate je begrip toeneemt. Behandel ze als een recursief proces en niet als een starre volgorde.

Fase 1: Kennismaking met de data

Voordat je begint met coderen, verdiep je je in de data. Lees en herlees je transcripten, veldnotities of andere materialen. Als je de interviews zelf hebt afgenomen, ken je ze al enigszins, maar laat dat niet in de plaats komen van zorgvuldig herlezen. Luister naar audio-opnames als die beschikbaar zijn. Het doel is een intieme kennis van de diepte en breedte van je data.

Noteer tijdens de kennismaking eerste ideeën, opvallende observaties en mogelijke patronen. Deze notities zijn voorlopig en informeel, maar ze vormen de basis voor systematisch coderen. Haast deze fase niet. Onderzoekers die voldoende tijd in kennismaking steken, leveren consequent rijkere en genuanceerdere analyses op.

Fase 2: Initiële codes genereren

Coderen is het identificeren en labelen van betekenisvolle stukken data. Een code is een beknopt label dat de essentie van een datafragment vastlegt in relatie tot je onderzoeksvraag. Codes kunnen beschrijvend zijn (de inhoud samenvatten), interpretatief (betekenis afleiden) of patroongericht (terugkerende ideeën identificeren).

Werk systematisch door elk databestand heen en besteed evenveel aandacht aan elk stuk data. Codeer voor zoveel mogelijke potentiële thema's. Wees in deze fase inclusief; het is makkelijker codes later samen te voegen of te schrappen dan terug te gaan om data te hercoderen die je over het hoofd hebt gezien. Elk datafragment kan meerdere keren worden gecodeerd als het relevant is voor meer dan één idee.

Enkele praktische tips voor coderen:

Codeer de data, niet je aannames over wat de data zouden moeten zeggen
Houd codes specifiek genoeg om betekenisvol te zijn, maar breed genoeg om over databestanden heen toepasbaar te zijn
Voeg bij elke code een korte beschrijving toe om consistentie te bewaren
Bewaar de omringende context van elk gecodeerd fragment, zodat je het later correct kunt interpreteren
Gebruik een codeertool of software om je codes efficiënt te beheren; Qualitati's QDA-werkomgeving ondersteunt zowel handmatig als AI-ondersteund coderen

Fase 3: Thema's genereren

Zodra je een uitgebreide set codes hebt, begin je ze te ordenen tot potentiële thema's. Een thema is breder dan een code; het vangt een centraal ordenend concept dat meerdere verwante codes verenigt. Zie deze fase als het sorteren van je codes in stapels die een gemeenschappelijke rode draad delen.

Gebruik visuele hulpmiddelen om dit proces te ondersteunen. Mindmaps, tabellen of thematische kaarten helpen je relaties tussen codes te zien en kandidaatthema's te identificeren. Sommige codes vormen hoofdthema's, andere subthema's, en sommige passen nergens en kunnen voorlopig in een restcategorie worden geplaatst.

Gooi in dit stadium niets voortijdig weg. Je genereert kandidaatthema's, je finaliseert ze nog niet. Houd de drempel voor opname laag en laat de volgende fase de verfijning doen.

Fase 4: Thema's beoordelen

Deze fase omvat twee niveaus van beoordeling. Ten eerste beoordeel je de gecodeerde fragmenten binnen elk thema. Vormen ze een samenhangend patroon? Zo niet, dan moet het thema mogelijk worden herzien: misschien moet het in twee thema's worden gesplitst, moeten sommige fragmenten naar een ander thema worden verplaatst, of is het thema zelf niet houdbaar en moet het worden losgelaten.

Ten tweede beoordeel je de thema's in relatie tot de volledige dataset. Lees je data opnieuw met je kandidaatthema's in gedachten. Geven de thema's de betekenissen in de dataset als geheel accuraat weer? Zijn er belangrijke patronen die je thema's missen? Dit niveau van beoordeling kan ertoe leiden dat je data opnieuw codeert of nieuwe thema's genereert.

Een bruikbare toets: kun je duidelijk beschrijven wat elk thema is en wat het niet is? Als je de grenzen van een thema niet kunt verwoorden, heeft het verdere verfijning nodig.

Fase 5: Thema's definiëren en benoemen

Zodra je een bevredigende set thema's hebt, definieer en verfijn je elk ervan. Schrijf een gedetailleerde analyse van elk thema: welk verhaal vertelt het? Hoe past het in het bredere verhaal dat je over je data vertelt? Wat is de reikwijdte en inhoud ervan? Identificeer de kern van elk thema en zorg dat elk thema duidelijk afgebakend is en niet te veel overlapt met andere.

Kies namen die beknopt, pakkend en meteen informatief zijn. Een goede themanaam geeft de lezer een idee waar het thema over gaat. Vermijd namen van één woord die te vaag zijn en te lange namen die moeilijk te onthouden zijn. Overweeg om deelnemerstaal in je themanamen te gebruiken, zodat ze in de data verankerd blijven.

Fase 6: Het verslag schrijven

De laatste fase bestaat uit het verweven van je analytische verhaal en datafragmenten tot een samenhangend, overtuigend verslag. Je verslag moet verder gaan dan het beschrijven van thema's; het moet een argument opbouwen in relatie tot je onderzoeksvraag. Elk thema moet worden geïllustreerd met levendige, goed gekozen datafragmenten die de punten die je maakt onderbouwen.

Verankeer je analyse in de bredere literatuur. Hoe verhouden je thema's zich tot bestaand onderzoek en theorie? Waar bevestigen, verbreden of betwisten ze eerdere bevindingen? Het verslag moet de lezer overtuigen dat je analyse betrouwbaar, systematisch en inzichtelijk is.

Veelvoorkomende fouten bij thematische analyse

Ook ervaren onderzoekers maken fouten bij thematische analyse. Bewustzijn van veelvoorkomende valkuilen helpt je ze te vermijden.

Vragen uit de dataverzameling als thema's gebruiken: Je interviewvragen zijn geen thema's. Thema's moeten uit de data voortkomen en mogen de structuur van je interviewleidraad niet spiegelen.
Zwakke of onovertuigende analyse: Datafragmenten alleen parafraseren zonder interpretatie is geen analyse. Je moet verder gaan dan beschrijving om uit te leggen wat de data betekenen.
Te veel of te weinig thema's: Een zeer groot aantal thema's wijst op onvoldoende abstractie. Te weinig thema's kan erop duiden dat je de complexiteit van de data onvoldoende hebt vastgelegd. Streef naar een beheersbaar aantal dat voldoende dekking biedt zonder overlap.
Inconsistentie tussen data en claims: Zorg dat je analytische claims worden ondersteund door de datafragmenten die je presenteert. Bevindingen overdrijven of claims doen die verder gaan dan het bewijs, ondermijnt de geloofwaardigheid.
Geen onderscheid maken tussen het semantische en het latente niveau: Semantische thema's beschrijven de expliciete inhoud van de data. Latente thema's gaan dieper en identificeren onderliggende aannames, conceptualiseringen of ideologieën. Wees duidelijk op welk niveau je werkt en blijf daarbij consistent.
Thematische analyse als een passief proces behandelen: Thema's "komen" niet vanzelf uit de data naar voren. Jij, de onderzoeker, construeert ze actief door je betrokkenheid bij de data. Erken je rol in het vormgeven van de analyse.

Hulpmiddelen voor thematische analyse

Thematische analyse kan worden uitgevoerd met niets meer dan uitgeprinte transcripten en gekleurde pennen, maar softwaretools kunnen de efficiëntie en organisatie aanzienlijk verbeteren, vooral bij grote datasets.

Traditionele CAQDAS-software (Computer-Assisted Qualitative Data Analysis Software) zoals NVivo en ATLAS.ti biedt krachtige functies voor coderen en opzoeken. Ze kunnen echter duur zijn, een steile leercurve hebben en veel handmatig werk vergen.

Nieuwere platforms integreren AI om het analyseproces te ondersteunen. Qualitati's ThemeLens-functie gebruikt AI om initiële codes voor te stellen en potentiële patronen te identificeren, terwijl de onderzoeker de regie over de uiteindelijke analyse houdt. Dit kan vooral waardevol zijn in de initiële coderingsfase, waar de hoeveelheid data overweldigend kan zijn.

Welke tool je ook gebruikt, onthoud dat software de analyse niet voor je doet. Ze ordent en faciliteert je betrokkenheid bij de data. Het intellectuele werk van interpretatie blijft het jouwe.

Reflexieve thematische analyse: het bijgewerkte kader van Braun en Clarke

Sinds hun oorspronkelijke artikel uit 2006 hebben Braun en Clarke hun benadering verder ontwikkeld, nu aangeduid als "reflexieve thematische analyse". Dit bijgewerkte kader benadrukt een aantal belangrijke punten:

Subjectiviteit van de onderzoeker is een bron, geen probleem. Je perspectief, aannames en theoretische uitgangspunten vormen je analyse. In plaats van subjectiviteit te willen elimineren, erken en benut je haar.
Coderen is een open, organisch proces. Codes zijn geen vaste labels die op data worden geplakt, maar evoluerende, door de onderzoeker gegenereerde instrumenten om de data te begrijpen.
Thema's zijn analytische uitkomsten, geen invoer. Je begint niet met thema's en zoekt data die erbij passen. Thema's ontwikkelen zich via coderen en worden laat in het proces gefinaliseerd.
Er is geen juist aantal thema's. Kwaliteit hangt af van de diepgang en samenhang van de analyse, niet van het halen van een bepaald aantal.

Thematische analyse in de praktijk: tips voor onderzoekers

Om thematische analyse van hoge kwaliteit te produceren, kun je de volgende best practices overwegen:

Plan voldoende tijd in. Thematische analyse is iteratief en tijdrovend. Reserveer meer tijd dan je denkt nodig te hebben, vooral voor kennismaking en coderen.
Houd een reflexief dagboek bij. Documenteer je analytische beslissingen, veranderende interpretaties en reflecties gedurende het hele proces. Dit vergroot de transparantie en ondersteunt je claims over zorgvuldigheid.
Organiseer peer debriefing. Bespreek je codes en thema's met collega's of begeleiders. Frisse blikken kunnen blinde vlekken onthullen en je analyse versterken.
Gebruik je onderzoeksvragen als anker. Bij grote datasets is het makkelijk verdwaald te raken in interessante maar zijdelingse patronen. Keer regelmatig terug naar je onderzoeksvragen om de focus te bewaren.
Presenteer je analyse, niet alleen je thema's. Beperk je in je verslag niet tot het opsommen van thema's met illustratieve citaten. Bouw een argument, vertel een verhaal en laat zien hoe je thema's met elkaar samenhangen.

Aan de slag met je thematische analyse

Thematische analyse is een van de toegankelijkste en meest veelzijdige methoden die kwalitatieve onderzoekers ter beschikking staan. Of je nu interviewtranscripten, focusgroepdata, open antwoorden uit enquêtes of documenten analyseert, het zesfasenkader biedt een helder, systematisch pad van ruwe data naar betekenisvolle bevindingen.

Als je interviewdata verzamelt voor je thematische analyse, overweeg dan hoe je interviewvragen de beschikbare data vormgeven. Goed ontworpen, open vragen leveren rijkere data op en uiteindelijk inzichtelijkere thema's.

Voor onderzoekers die hun kwalitatieve workflow willen stroomlijnen, van dataverzameling tot analyse, biedt Qualitati een geïntegreerd platform dat interviewafname, transcriptie en thematisch coderen op één plek ondersteunt. Bekijk de prijsopties om een abonnement te vinden dat past bij je onderzoeksbehoeften.