Como parte de Artículos de Evaluación, hoy vamos reseñar: Thematic Analysis and Artificial Intelligence: A Step-by-Step Process for Using ChatGPT in Thematic Analysis (Naeem, Smith y Thomas, 2025). Este artículo metodológico propone una guía paso a paso para utilizar ChatGPT en análisis temático, con prompts diseñados para cada fase y con el objetivo de mejorar la transparencia, reducir sesgos y ganar eficiencia en la investigación cualitativa.

1) Resumen general y objetivo principal

El texto presenta un proceso de seis pasos para integrar la IA generativa (ChatGPT) en análisis temático: (1) familiarización con los datos; (2) selección de palabras clave; (3) codificación; (4) construcción de temas; (5) conceptualización; (6) desarrollo de un modelo conceptual.

Cada paso incluye prompts específicos y criterios de calidad para guiar el trabajo. El objetivo principal es ofrecer una metodología que combine la eficiencia tecnológica de la IA con el rigor académico de la investigación cualitativa.

2) Estructura y secciones clave

El artículo se organiza en torno a:

• Revisión del debate sobre IA en investigación cualitativa, con énfasis en ética, transparencia y riesgos de sesgo.
• Los seis pasos del proceso, explicados en detalle y acompañados por toolkits de prompts. Cada paso introduce un conjunto de criterios, como las 6 Rs para seleccionar palabras clave o las 4 Rs para la creación de temas.
• Caso de aplicación comparativo: un estudio de consumo digital con metodología manual frente a la versión asistida por IA, mostrando convergencias y divergencias.

3) Mensajes y tesis principales

• La IA no sustituye al investigador, sino que lo acompaña y amplifica si se le entrena con contexto y teoría.
• La calidad del análisis depende tanto del prompting como del marco conceptual que se aporta.
• Los criterios (6 Rs/4 Rs) aportan trazabilidad y legitimidad a un proceso que de otro modo podría verse como “caja negra”.

4) Innovación y valor añadido

• Introducción de un kit de prompts listos para usar, con justificación teórica.
• Énfasis en la fase de familiarización de la IA con el contexto del estudio, un aspecto ausente en la mayoría de trabajos previos.
• Enfoque pedagógico: diseñado no solo para expertos, sino también para quienes se inician en investigación cualitativa.

5) Utilidad práctica

El libro ofrece orientaciones aplicables de inmediato:

• Cómo instruir a la IA con los objetivos, preguntas de investigación, teoría y diseño metodológico antes de iniciar el análisis.
• Cómo elegir palabras clave desde el lenguaje de los participantes, aplicando los criterios de las 6 Rs.
• Cómo codificar con transparencia usando las 6 Rs de coding (robustez, reflexividad, relevancia, etc.).
• Cómo derivar temas relevantes y auditables con las 4 Rs de theming.

6) Críticas y valoraciones

Aspectos positivos:

• Aporta un marco operativo replicable, con criterios claros y prácticos.
• El uso de IA permitió identificar un espectro más amplio de keywords y códigos que el análisis humano.

Aspectos a mejorar:

• Persisten dudas sobre la opacidad del algoritmo y los riesgos de sesgo.
• Los hallazgos comparativos muestran que todavía se requiere validación humana intensiva.

7) Comparación con obras similares

• Frente a Braun & Clarke (2006, 2022), mantiene la lógica de los seis pasos, pero añade estándares operativos para IA.
• A diferencia de De Paoli (2024) o Prescott (2024), que se centran en codificación o comparación de resultados, este trabajo cubre el ciclo completo de análisis temático.

8) Lecturas recomendadas

• Thematic Analysis (Braun & Clarke, 2006, 2022).
• A step-by-step process of thematic analysis (Naeem et al., 2023).
• Performing an inductive thematic analysis with LLMs (De Paoli, 2024).
• Ethics and AI in qualitative research (Christou, 2023–2024).

9) Impacto cultural y social

• 2024: proliferan experimentos con IA en análisis cualitativo; algunos encuentran convergencias con análisis humanos (De Paoli), otros recomiendan cautela (Prescott).
• 2025: esta propuesta marca un antes y después al ofrecer un protocolo replicable, que puede incidir en programas académicos de metodología, comités de ética y lineamientos de transparencia en investigación.

10) Ediciones y versiones

Es una publicación reciente (2025, acceso abierto). No existen aún reediciones, pero se espera que evolucione rápidamente, dada la velocidad de cambio en IA.

11) Fuentes e influencias

El libro se nutre de:

• La tradición de Braun & Clarke en análisis temático.
• Aportes de Saldaña sobre codificación y Morse sobre rigor.
• Debates éticos y de transparencia impulsados por Christou.
• Su propio antecedente (Naeem et al., 2023), donde ya proponían un modelo de seis fases para investigación manual.

12) Breve biografía de los autores

• Muhammad Naeem: especialista en marketing digital y métodos cualitativos, investigador en Canterbury Christ Church University.
• Tracy Smith y Lorna Thomas: académicas con trayectoria en estudios de consumo digital y enseñanza de metodología en educación superior.

La sección más influyente

La parte más citada será, sin duda, el conjunto de prompts por etapa, combinado con la fase de familiarización de la IA. Este núcleo metodológico resuelve una de las grandes carencias en el campo: la falta de guías prácticas claras para usar IA con rigor científico.

Reflexión final: seguimos en marcha 

Este post es un vagón de innovación en el tren de la evaluación. Nos recuerda que la IA puede acelerar el viaje, pero que el sentido del trayecto lo damos nosotros, los investigadores, con teoría, ética y propósito.

Cada parada es un aprendizaje compartido. Y en este tren, lo importante no es llegar más rápido, sino llegar más conscientes.

Referencias 

• Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
• Braun, V., & Clarke, V. (2022). Toward good practice in thematic analysis: Avoiding common problems and be(com)ing a knowing researcher. International Journal of Transgender Health, 24(1), 1–6. https://doi.org/10.1080/26895269.2022.2129597
• Christou, P. (2023a). A critical perspective over whether and how to acknowledge the use of artificial intelligence (AI) in qualitative studies. The Qualitative Report, 28(7), 1981–1991.
• Christou, P. (2023b). How to use artificial intelligence (AI) as a resource, methodological and analysis tool in qualitative research? The Qualitative Report, 28(7), 1968–1980.
• Christou, P. A. (2024). Thematic analysis through artificial intelligence (AI). The Qualitative Report, 29(2), 560–576.
• De Paoli, S. (2024). Performing an inductive thematic analysis of semi-structured interviews with a large language model. Social Science Computer Review, 42(4), 997–1019. https://doi.org/10.1177/08944393231220483
• Morse, J. M. (2015). Critical analysis of strategies for determining rigor in qualitative inquiry. Qualitative Health Research, 25(9), 1212–1222.
• Naeem, M., Ozuem, W., Howell, K., & Ranfagni, S. (2023). A step-by-step process of thematic analysis to develop a conceptual model in qualitative research. International Journal of Qualitative Methods, 22(11), 1–18. https://doi.org/10.1177/16094069231205789
• Naeem, M., Smith, T., & Thomas, L. (2025). Thematic Analysis and Artificial Intelligence: A Step-by-Step Process for Using ChatGPT in Thematic Analysis. International Journal of Qualitative Methods, 24, 1–18. https://doi.org/10.1177/16094069251333886
• Saldaña, J. (2013). The Coding Manual for Qualitative Researchers. Sage.

Nota: Este artículo fue redactado con apoyo de inteligencia artificial, que también sugirió algunas de las referencias bibliográficas incluidas. Sin embargo, las ideas centrales, el enfoque y la selección final del contenido son completamente mías