Análise temática: guia passo a passo com seis fases e exemplos

Você já transcreveu entrevistas, leu páginas e páginas de respostas abertas e percebeu que tudo parece interessante, mas nada ainda parece "análise". A análise temática costuma travar exatamente aí: estudantes de graduação e mestrado têm dados suficientes, algumas citações boas, talvez até uma pergunta qualitativa bem formulada, mas não sabem como passar de trechos soltos para códigos, temas e uma seção de resultados coerente. O problema não é falta de esforço; muitas vezes é falta de um procedimento visível. Sem etapas claras, a análise temática vira uma mistura de marca-texto, intuição e medo de "inventar" temas que não aparecem nos dados.

A análise temática é um método qualitativo para identificar padrões de sentido nos dados e transformá-los em temas interpretáveis. Na versão mais usada, associada a Braun e Clarke, o processo passa por seis fases: familiarização, codificação, busca de temas, revisão, definição/nomeação e redação. O objetivo não é contar palavras, mas construir uma leitura bem justificada dos dados em relação à pergunta de pesquisa.

Neste guia

• O que é análise temática e quando ela serve para um trabalho acadêmico?
• Como fazer análise temática em seis fases segundo Braun e Clarke?
• Como preparar os dados antes de começar a codificar?
• Como criar códigos e transformar códigos em temas?
• Como escrever resultados de análise temática com exemplos?
• Quais erros estudantes cometem com mais frequência ao fazer análise temática?
• Como conferir a qualidade da análise temática antes de entregar?

O que é análise temática e quando ela serve para um trabalho acadêmico?

Análise temática é um método de pesquisa qualitativa usado para encontrar, organizar e interpretar padrões de significado em um conjunto de dados. Ela serve quando o seu material contém linguagem, experiências, percepções, argumentos ou narrativas que precisam ser analisados além de uma contagem simples. Em trabalhos de graduação e mestrado, aparece com frequência em entrevistas, grupos focais, respostas abertas de questionários e análise documental.

Definição em linguagem direta

Tema é um padrão de sentido relevante para a pergunta de pesquisa, não apenas um assunto que aparece muitas vezes. Código é uma etiqueta curta atribuída a um trecho de dado para marcar uma ideia, ação, percepção, emoção ou situação. Codificação é o processo de percorrer os dados e atribuir códigos aos trechos que ajudam a responder à pergunta de pesquisa.

Por exemplo, em uma pesquisa de psicologia social sobre ansiedade acadêmica entre estudantes que trabalham, uma resposta como "eu chego em casa exausta e ainda preciso estudar de madrugada" poderia receber códigos como "cansaço após trabalho", "estudo noturno" e "sobrecarga de papéis". Esses códigos ainda não são temas. Um tema possível, depois de comparar vários trechos, poderia ser "a rotina dupla como fonte de desgaste psicológico".

A análise temática permite trabalhar com dados que não cabem bem em números isolados. Ela ajuda a mostrar como participantes constroem sentido, justificam escolhas, enfrentam dificuldades ou descrevem experiências. Por isso, é comum em pesquisas de ciências sociais, saúde, educação, administração, comunicação, serviço social e áreas interdisciplinares.

Quando escolher esse método

A análise temática funciona bem quando você quer responder perguntas do tipo "como", "de que modo", "quais percepções", "quais experiências" ou "quais sentidos". Se a pergunta pede medir frequência, testar associação estatística ou comparar médias, talvez um desenho quantitativo faça mais sentido. Se você ainda está decidindo entre pesquisa qualitativa, quantitativa e teórica, vale comparar caminhos no fluxo visual para escolher entre pesquisa quantitativa, qualitativa e teórica.

Em enfermagem, por exemplo, uma estudante pode investigar como pacientes idosos relatam dificuldades para seguir orientações de medicação após a alta hospitalar. A análise temática permitiria identificar padrões como "confusão com horários", "dependência de familiares" e "medo de efeitos colaterais". Em educação, outra pesquisa poderia examinar como professoras do ensino médio percebem o uso de celulares em sala, chegando a temas como "celular como distração negociada" ou "uso pedagógico condicionado à infraestrutura".

A análise temática também pode ser usada em documentos. Em um trabalho de administração, relatórios de sustentabilidade de empresas podem ser analisados para compreender como organizações apresentam responsabilidade ambiental. Nesse caso, os dados não vêm de entrevistas, mas ainda podem ser codificados por padrões de linguagem e argumento.

Como fazer análise temática em seis fases segundo Braun e Clarke?

A análise temática Braun e Clarke costuma ser apresentada em seis fases: familiarização com os dados, geração de códigos iniciais, busca de temas, revisão dos temas, definição e nomeação dos temas, e redação do relatório. As fases não são uma escada rígida; é comum voltar a etapas anteriores quando um tema não se sustenta. O valor do método está em registrar decisões analíticas e mostrar como os temas nasceram dos dados.

As seis fases em sequência prática

Os passos da análise temática podem ser organizados assim:

1. Familiarize-se com os dados: leia transcrições, respostas ou documentos várias vezes, anotando impressões iniciais.
2. Gere códigos iniciais: marque trechos relevantes e atribua códigos curtos, próximos dos dados.
3. Busque temas: agrupe códigos relacionados e observe padrões mais amplos.
4. Revise os temas: verifique se cada tema funciona em relação aos trechos codificados e ao conjunto completo de dados.
5. Defina e nomeie os temas: escreva o foco de cada tema e escolha nomes claros, analíticos e específicos.
6. Redija os resultados: apresente temas, interpretação e trechos de dados que sustentam a análise.

Na prática, essas fases se misturam. Você pode começar com um código chamado "falta de tempo", depois perceber que ele aparece em contextos diferentes: cuidado com filhos, jornada de trabalho, deslocamento, tarefas domésticas e prazos acadêmicos. O código inicial pode se dividir, migrar para outro grupo ou virar parte de um tema maior.

Braun e Clarke sem transformar o método em fórmula

A proposta de Braun e Clarke é muito usada porque oferece um caminho compreensível para estudantes, mas ela não deve ser tratada como receita automática. A análise temática pode ser mais indutiva, quando os temas emergem de uma leitura próxima dos dados, ou mais dedutiva, quando você codifica com base em conceitos já definidos na literatura. Também pode focar sentidos mais semânticos, próximos do que participantes dizem explicitamente, ou sentidos mais latentes, quando interpreta pressupostos e ideias implícitas.

Em um TCC de serviço social sobre acesso a benefícios públicos, uma análise semântica poderia identificar "dificuldade com documentos" e "fila de atendimento". Uma análise mais latente poderia discutir "burocracia como experiência de desconfiança institucional", desde que os dados sustentem essa leitura. O segundo caminho exige mais cuidado teórico e uma justificativa metodológica mais clara.

Se o seu trabalho ainda não tem uma pergunta qualitativa bem delimitada, a análise tende a ficar dispersa. Antes de codificar, confira se a pergunta realmente pede uma resposta qualitativa; o funil visual para pergunta de pesquisa qualitativa ajuda a ajustar escopo, população, fenômeno e contexto.

Como preparar os dados antes de começar a codificar?

Antes de codificar, organize o corpus, confira a qualidade das transcrições, anonimize participantes e defina qual material será analisado. Essa preparação evita retrabalho e reduz o risco de misturar trechos irrelevantes com dados centrais. Também é o momento de alinhar pergunta de pesquisa, método de coleta e forma de análise.

Corpus, recorte e rastreabilidade

Corpus é o conjunto de dados que será analisado. Pode incluir 8 entrevistas, 30 respostas abertas de questionário, 12 documentos institucionais ou uma combinação justificada de materiais. O corpus precisa ser delimitado: se você coletou 20 entrevistas, mas analisará apenas 12, explique o critério de seleção.

Uma boa preparação inclui criar um sistema de identificação simples. Em vez de usar nomes reais, use códigos como P1, P2, P3 para participantes ou D1, D2, D3 para documentos. Em pesquisas com pessoas, remova informações que permitam identificação, como nomes de escolas, hospitais, cargos muito específicos ou localidades pequenas, quando isso puder expor participantes.

Também vale separar os dados por tipo. Se você fez entrevistas e analisou documentos, não trate tudo como se tivesse o mesmo peso. Entrevistas mostram experiências relatadas; documentos mostram discursos institucionais, normas ou registros. A análise pode aproximar esses materiais, mas precisa reconhecer suas diferenças.

Leitura inicial com anotações úteis

A familiarização não é uma leitura passiva. Leia o material completo pelo menos uma vez sem codificar formalmente, apenas anotando ideias. Na segunda leitura, registre observações mais analíticas: repetições, contrastes, contradições, metáforas, justificativas e trechos que parecem responder diretamente à pergunta.

Um diário analítico simples pode ter três colunas: "trecho ou localização", "observação inicial" e "possível relação com a pergunta". Isso ajuda a documentar decisões. Em um trabalho de mestrado sobre equipes remotas em pequenas empresas, uma fala como "a reunião virou prova de que eu estava trabalhando" pode gerar a observação "monitoramento travestido de alinhamento", que depois pode se tornar código ou alimentar um tema.

Se os dados vieram de entrevistas, o roteiro também importa. Perguntas muito vagas produzem respostas difíceis de analisar. Para planejar coletas futuras, veja o fluxo visual para montar um roteiro de entrevista qualitativa, especialmente se você ainda está antes da fase de campo.

Como criar códigos e transformar códigos em temas?

Crie códigos marcando trechos relevantes dos dados com etiquetas curtas e consistentes; depois, agrupe códigos que apontam para um padrão de sentido maior. Um tema não é uma lista de tópicos, mas uma interpretação organizada que ajuda a responder à pergunta de pesquisa. A passagem de códigos para temas exige comparação constante entre trechos, códigos e objetivo do estudo.

Códigos bons são específicos o suficiente

Um código útil precisa dizer mais do que "problema", "opinião" ou "dificuldade". Ele deve capturar o que está acontecendo no trecho. Veja uma comparação concreta:

Versão fraca do código	Versão mais forte do código	Trecho de dado que poderia gerar o código
"tempo"	"estudo concentrado apenas de madrugada"	"Só consigo estudar depois que meus filhos dormem, quase meia-noite."
"medo"	"medo de errar medicação em casa"	"No hospital a enfermeira conferia, em casa eu fico insegura com os horários."
"tecnologia"	"plataforma digital vista como vigilância"	"O gestor dizia que era para organizar, mas todo mundo sabia que ele acompanhava quem estava online."
"professor"	"docente como mediador de conflito com celular"	"Quando proíbe tudo, a turma reclama; quando libera, perde o controle."

A diferença está na precisão. Códigos fracos geralmente são amplos demais e poderiam servir para quase qualquer trecho. Códigos melhores preservam contexto e ação, o que facilita a formação de temas.

Do código ao tema

Depois de codificar, procure grupos de códigos que conversam entre si. Em uma pesquisa de enfermagem sobre adesão medicamentosa após alta hospitalar, códigos como "confusão com nomes dos remédios", "dependência da filha para organizar comprimidos", "medo de misturar medicamentos" e "orientação rápida na alta" poderiam formar um tema chamado "a alta hospitalar como transferência abrupta de responsabilidade".

Esse nome de tema é mais analítico do que "dificuldades com remédios". Ele sugere uma interpretação: a responsabilidade pelo cuidado passa rapidamente da equipe de saúde para paciente e família, nem sempre com preparo suficiente. O tema ainda precisaria ser sustentado por trechos de diferentes participantes e conectado à pergunta de pesquisa.

Exemplo lado a lado: tema fraco e tema reescrito

Versão fraca do estudante	Reescrita mais forte
"Tema 1: dificuldades dos alunos"	"Tema 1: a sobrecarga invisível de estudantes que conciliam trabalho, família e aulas noturnas"
"Os entrevistados falaram que têm dificuldades e falta de tempo."	"As falas sugerem que a falta de tempo não aparece como simples má organização individual, mas como efeito de rotinas acumuladas entre emprego, cuidado familiar e deslocamento."

A reescrita não fica apenas mais bonita; ela diz qual é o padrão interpretado. Também evita transformar participantes em uma massa indistinta. Quando um tema tem foco, fica mais fácil escolher citações, discutir literatura e escrever resultados.

Como escrever resultados de análise temática com exemplos?

A seção de resultados deve apresentar cada tema, explicar seu significado analítico e sustentar a interpretação com trechos de dados. Não basta colar citações longas; cada citação precisa ser introduzida, analisada e conectada à pergunta de pesquisa. Um bom resultado alterna interpretação do pesquisador, evidência empírica e ligação com o objetivo do trabalho.

Estrutura de parágrafo para cada tema

Um parágrafo de resultado pode seguir esta ordem:

1. Nomeie o tema e indique seu foco.
2. Explique o padrão observado nos dados.
3. Traga um trecho curto ou descrição documental.
4. Interprete o trecho, sem repetir literalmente a fala.
5. Conecte a interpretação à pergunta de pesquisa.

Imagine uma pesquisa em educação sobre o uso de celulares em sala de aula. Um tema poderia ser "controle negociado do celular". O parágrafo não precisa dizer apenas que "professores têm opiniões diferentes". Ele pode mostrar que docentes tentam equilibrar disciplina, interesse dos estudantes e falta de recursos digitais da escola.

Exemplo de redação:

O tema "controle negociado do celular" mostra que as professoras não descrevem o aparelho apenas como distração, mas como objeto de negociação cotidiana. Em várias falas, a proibição total aparece como difícil de sustentar, enquanto o uso pedagógico depende de regras momentâneas e da atividade proposta. Uma participante afirmou que "se a atividade é pesquisa rápida, eu deixo; se é explicação nova, recolho". A fala sugere que o controle não é uma regra fixa, mas uma decisão prática ligada ao tipo de aula e ao comportamento percebido da turma.

Esse formato faz a citação trabalhar para a análise. A fala não é usada como enfeite; ela sustenta um ponto interpretativo.

Como integrar literatura sem apagar os dados

A literatura pode entrar na discussão dos resultados, mas não deve substituir a análise. Se você acabou de apresentar um tema, primeiro mostre o que seus dados indicam. Depois, conecte esse achado a autores, conceitos ou estudos revisados. Se a revisão ainda está muito descritiva, o artigo sobre rede temática de fontes para revisão de literatura pode ajudar a organizar autores por temas, e não por ordem de leitura.

Em uma pesquisa de administração sobre trabalho remoto, por exemplo, um tema chamado "autonomia sob vigilância digital" poderia dialogar com literatura sobre controle gerencial, confiança e plataformas de monitoramento. Mas o parágrafo de resultados precisa nascer dos dados: falas de trabalhadores, políticas internas ou registros analisados. A literatura entra para interpretar o achado, não para forçar um tema que os dados não mostram.

Quantidade de temas e citações

Não existe número universal de temas. Em trabalhos de graduação e mestrado, três a cinco temas costumam ser mais manejáveis do que oito ou dez. Muitos temas pequenos deixam a análise fragmentada; poucos temas amplos demais viram categorias genéricas.

Cada tema deve ter evidência suficiente. Se um tema depende de uma única frase isolada, talvez seja melhor tratá-lo como variação dentro de outro tema ou mencioná-lo com cautela. Por outro lado, frequência não é tudo. Um padrão citado por poucos participantes pode ser analiticamente relevante se responde diretamente à pergunta e revela uma tensão importante no fenômeno estudado.

Quais erros estudantes cometem com mais frequência ao fazer análise temática?

Estudantes costumam errar quando tratam temas como tópicos óbvios, pulam a fase de revisão ou usam citações sem análise. Esses erros deixam a seção de resultados parecida com resumo de entrevistas, não com pesquisa qualitativa. A correção geralmente passa por voltar aos dados, refinar códigos e explicar a lógica de cada tema.

Erros específicos e como corrigir

1. Confundir tema com assunto geral
   Exemplo do estudante: "Tema: saúde mental."
   Correção: transforme o assunto em padrão interpretável, como "a ansiedade como custo silencioso da produtividade acadêmica". O novo tema diz algo sobre como a saúde mental aparece nos dados.

2. Codificar com palavras vagas demais
   Exemplo do estudante: "Código: dificuldade" aplicado a 40 trechos diferentes.
   Correção: diferencie "dificuldade para entender instruções", "dificuldade por falta de tempo", "dificuldade por medo de avaliação" e "dificuldade por conflito familiar". Códigos específicos permitem temas mais claros.

3. Escolher citações porque são bonitas, não porque sustentam o tema
   Exemplo do estudante: "Essa fala é impactante, então vou colocar no Tema 2", mesmo que a fala trate de outro ponto.
   Correção: cada citação precisa comprovar ou tensionar a interpretação do tema. Se a fala emociona, mas não responde à pergunta, ela pode ficar fora.

4. Apresentar porcentagens como se fossem análise qualitativa completa
   Exemplo do estudante: "70% mencionaram falta de tempo, logo esse é o principal resultado."
   Correção: em análise temática, a frequência pode ser mencionada com cuidado, mas o foco é o significado. Explique como a falta de tempo foi descrita, em quais situações apareceu e que tensões revelou.

5. Forçar temas da teoria antes de ouvir os dados
   Exemplo do estudante: usar "capital social", "resiliência" e "engajamento" como temas prontos, mesmo quando as falas não sustentam essas categorias.
   Correção: se a análise for dedutiva, declare isso e mostre como os dados se encaixam ou não nas categorias. Se for indutiva, deixe os códigos iniciais mais próximos da linguagem dos participantes antes de usar conceitos teóricos.

Por que esses erros acontecem

Muitos erros surgem porque a análise temática parece simples à primeira vista. Como o método usa leitura, marcação e agrupamento, estudantes podem achar que qualquer agrupamento é válido. O problema aparece quando a banca ou docente pergunta: "como você chegou a esse tema?" Se não houver trilha analítica, a resposta fica frágil.

Outra causa comum é começar a escrever resultados cedo demais. O estudante encontra três citações fortes e já monta uma seção de resultados. Depois, percebe que os temas não cobrem o conjunto dos dados. A análise precisa de ida e volta: dado, código, tema, revisão e redação.

Como conferir a qualidade da análise temática antes de entregar?

Confira a qualidade verificando se os temas respondem à pergunta de pesquisa, se têm evidência nos dados e se são diferentes entre si. Também revise a coerência entre metodologia, resultados e discussão. Uma análise temática bem apresentada deixa claro o caminho entre corpus, códigos, temas e interpretação.

Perguntas de controle para revisar temas

Antes de fechar os resultados, teste cada tema com perguntas simples. O tema responde a alguma parte da pergunta de pesquisa? Ele tem trechos suficientes de apoio? Ele se sobrepõe demais a outro tema? O nome do tema é descritivo demais ou interpreta algo?

Uma técnica útil é escrever uma definição de duas frases para cada tema. Se você não consegue explicar o foco do tema sem listar códigos, talvez ele ainda esteja imaturo. Por exemplo, "barreiras no atendimento" é amplo. Já "a espera como experiência de desvalorização no serviço público" indica uma leitura mais precisa, desde que os dados sustentem essa interpretação.

Também revise se os temas têm fronteiras. Dois temas como "falta de comunicação" e "informações confusas" talvez sejam o mesmo padrão com nomes diferentes. Em contrapartida, "falta de comunicação entre equipe e paciente" e "informações contraditórias entre setores" podem ser separados se os dados mostrarem dinâmicas distintas.

Coerência com metodologia e capítulo de resultados

O capítulo de metodologia precisa explicar como a análise foi feita. Informe o tipo de dado, o tamanho do corpus, a lógica de codificação, as fases adotadas e como os temas foram revisados. Se você precisa estruturar essa parte, o fluxo visual do capítulo de metodologia mostra como ligar método, coleta e análise sem deixar lacunas.

Na seção de resultados, evite prometer mais do que os dados permitem. Se você entrevistou 10 estudantes de um curso específico, não escreva como se tivesse explicado todos os estudantes universitários do país. Prefira formulações como "entre as pessoas entrevistadas", "neste corpus" ou "os relatos analisados sugerem".

A discussão pode ampliar a interpretação, mas precisa respeitar o alcance do estudo. Em trabalhos de graduação e mestrado, uma análise bem delimitada costuma ser mais convincente do que uma conclusão grandiosa. Mostre o que seus dados permitem afirmar, onde há variações e quais limites devem ser reconhecidos.

Before you move on: lista de verificação da análise temática

• A pergunta de pesquisa pede uma resposta qualitativa, não apenas uma contagem.
• O corpus está delimitado e descrito com clareza.
• Participantes, documentos ou respostas foram anonimizados quando necessário.
• A familiarização com os dados gerou anotações analíticas, não só leitura rápida.
• Os códigos são específicos e ligados a trechos reais dos dados.
• Os temas não são apenas assuntos amplos; eles apresentam padrões de sentido.
• Cada tema tem evidências suficientes e trechos bem escolhidos.
• Temas parecidos foram revisados para evitar repetição.
• Os nomes dos temas são claros, analíticos e coerentes com os dados.
• A metodologia explica como os passos da análise temática foram aplicados.
• A seção de resultados interpreta as citações, em vez de apenas colá-las.
• As limitações do corpus foram reconhecidas sem diminuir o valor da análise.

Links internos recomendados

(Metadados do sistema de construção — não remova esta seção)

• Fluxo visual para escolher entre pesquisa quantitativa, qualitativa e teórica
• Funil visual para pergunta de pesquisa qualitativa
• Fluxo visual para montar um roteiro de entrevista qualitativa
• Fluxo visual do capítulo de metodologia

---