Saturatie in je onderzoek

Wat is saturatie?

Saturatie betekent dat je op een punt komt waarop extra interviews, observaties of documenten waarschijnlijk weinig nieuws meer opleveren. Je hoort of ziet vooral herhaling. Nieuwe data voegt dan nauwelijks nog iets toe aan je antwoord op de onderzoeksvraag. Het gaat dus niet om ‘zoveel mogelijk data’, maar om ‘genoeg data om een goed en stevig verhaal te kunnen maken’.

Belangrijk, saturatie is geen exact meetpunt. Het is een onderbouwde inschatting. Je bepaalt dit op basis van wat je al hebt verzameld én wat je al hebt geanalyseerd.

Waarom is saturatie belangrijk?

Saturatie helpt je om uit te leggen waarom je stopt met dataverzameling. Het laat zien dat je niet zomaar een willekeurig aantal interviews hebt gedaan, maar dat je een logische reden hebt om te zeggen: dit is nu voldoende voor dit onderzoek.

Tegelijk is het geen magisch trucje. Het werkt alleen goed als je duidelijk maakt wát jij precies verzadigt. Anders wordt ‘we hadden saturatie’ een lege zin.

De belangrijkste vormen van saturatie

Data-saturatie

Dit is de meest gebruikte en ook de meest intuïtieve vorm. Je merkt dat antwoorden steeds vaker hetzelfde zijn. Er komt weinig nieuwe informatie bij. Het gaat hierbij vooral om herhaling in de data. Het risico is wel dat je te vroeg denkt dat alles ‘hetzelfde’ is, terwijl je analyse nog niet diep genoeg is. Herhaling kan betekenen dat je het onderwerp goed in beeld krijgt, maar het kan ook betekenen dat je steeds dezelfde soort mensen spreekt.

Inductieve thematische saturatie

Deze vorm past bij onderzoek waarin je thema’s laat ontstaan uit de data. Tijdens het coderen zie je op een gegeven moment dat nieuwe interviews geen nieuwe codes of thema’s meer opleveren. Je bouwt dan als het ware je themakaart op en op een punt wordt die kaart niet groter.

Let op, geen nieuwe thema’s betekent niet automatisch dat je thema’s al goed zijn uitgewerkt. Je kunt nog steeds extra data nodig hebben om een thema beter te begrijpen, scherper te beschrijven of verschillen tussen situaties te zien.

A-priori thematische saturatie

Dit past bij onderzoek waarin je vooraf al thema’s of categorieën hebt, bijvoorbeeld vanuit een model of eerdere kennis. Je kijkt dan niet of er nog ‘nieuwe thema’s’ bijkomen, maar of je genoeg data hebt om je vooraf gekozen thema’s goed te vullen en te onderbouwen. Je wilt per thema voldoende voorbeelden, variatie en duidelijke uitspraken hebben om er iets zinnigs over te kunnen zeggen.

Theoretische saturatie

Deze vorm hoort bij grounded theory, waarin je echt theorie opbouwt vanuit data. Je gaat door totdat je categorieën niet alleen bestaan, maar ook goed zijn uitgewerkt. Je snapt dan de eigenschappen van een categorie, de variaties en de grenzen. Je verzamelt data gericht, dus je kiest nieuwe deelnemers of situaties omdat je theorie daar nog ‘gaten’ heeft.

Saturatie is beter te zien als proces, niet als stoplicht

Veel mensen praten over ‘het moment dat je saturatie bereikt’. In de praktijk is het vaak een proces van afnemende opbrengst. In het begin levert elk interview veel op. Later wordt de winst kleiner. De echte vraag wordt dan: levert een extra interview nog genoeg op om de tijd en moeite waard te zijn?

Daarbij zit een lastige logica. Je zegt eigenlijk: op basis van wat ik al weet, verwacht ik dat nieuwe data weinig nieuws brengt. Dat blijft altijd een voorspelling. Je kunt die voorspelling nooit helemaal zeker weten, want je weet pas wat je mist als je doorgaat. Daarom moet je saturatie altijd goed uitleggen en niet doen alsof het wiskundig bewijs is.

Hoe pas je saturatie praktisch toe als hbo-student?

Begin met een duidelijke keuze: welke vorm van saturatie past bij jouw aanpak? Dat hangt samen met hoe je je onderzoek hebt ingericht.

Als je open en verkennend werkt en thema’s uit de data laat komen, past inductieve thematische saturatie vaak goed. Als je werkt met vooraf gekozen thema’s, past a-priori thematische saturatie beter. Als je vooral let op herhaling in antwoorden tijdens het verzamelen, dan zit je dichter bij data-saturatie. En als je grounded theory doet, dan richt je je op theoretische saturatie.

Daarna komt het belangrijkste: je moet analyseren terwijl je verzamelt. Als je pas aan het eind gaat coderen, kun je moeilijk goed onderbouwen dat je ‘geen nieuwe thema’s’ meer zag. In kwalitatief onderzoek is het normaal dat je in rondes werkt. Je doet een paar interviews, je analyseert, je kijkt wat je nog mist en dan beslis je of je nog extra gesprekken nodig hebt en met wie.

Hoe onderbouw je in je verslag dat je saturatie hebt bereikt?

Je onderbouwing wordt sterk als je drie dingen helder en concreet opschrijft.

Ten eerste beschrijf je wat jij bedoelt met saturatie. Dus welke vorm je gebruikt en waarom die past bij je onderzoeksvraag en je manier van analyseren.

Ten tweede beschrijf je hoe je het hebt gevolgd. Leg uit hoe je tijdens het onderzoek keek naar ‘komt er nog iets nieuws bij?’. Bijvoorbeeld door na elke paar interviews te coderen en te checken of er nieuwe codes of inzichten bijkwamen of door bewust te kijken of je vooraf gekozen thema’s al voldoende gevuld waren.

Ten derde beschrijf je je afweging om te stoppen. Dus wat je zag in de data en analyse waardoor je verwachtte dat extra dataverzameling weinig zou toevoegen. Wees hierin nuchter en precies. Zeg niet alleen ‘het werd repetitief’, maar leg uit wat er repetitief werd: vooral dezelfde codes, dezelfde verklaringen, dezelfde voorbeelden of juist dat je categorieën al voldoende uitgewerkt waren.

Veelgemaakte fouten die je kunt voorkomen

Een veelgemaakte fout is dat mensen saturatie gebruiken als excuus voor een klein aantal interviews, zonder te laten zien hoe ze analyseerden. Een andere fout is dat ‘geen nieuwe thema’s’ wordt verward met ‘alles is goed begrepen’. Je kunt namelijk geen nieuwe thema’s meer vinden, maar nog wel meer diepgang nodig hebben binnen een thema.

FAQ

Wat is saturatie in kwalitatief onderzoek?

Saturatie betekent dat extra interviews, observaties of documenten weinig nieuws meer opleveren. Je hoort of ziet vooral herhaling en nieuwe data voegt nauwelijks iets toe aan je onderzoeksvraag. Het doel is niet ‘zoveel mogelijk data’, maar ‘genoeg data om een stevig en geloofwaardig verhaal te maken’.

Waarom is saturatie belangrijk voor je onderzoek?

Saturatie helpt je uitleggen waarom je stopt met dataverzameling. Zo laat je zien dat je keuze logisch is en niet op een willekeurig aantal interviews lijkt. Het werkt alleen als je duidelijk maakt wát je verzadigt, anders blijft ‘we hadden saturatie’ een lege uitspraak zonder onderbouwing.

Welke soorten saturatie zijn er?

Er zijn meerdere vormen, met een eigen focus. Data-saturatie gaat vooral over herhaling in antwoorden. Inductieve thematische saturatie gaat over geen nieuwe codes of thema’s tijdens coderen. A-priori thematische saturatie gaat over voldoende vulling van vooraf gekozen thema’s. Theoretische saturatie past bij grounded theory en theorie-opbouw.

Wat is data-saturatie?

Data-saturatie betekent dat je steeds dezelfde soort informatie terughoort of terugziet. Nieuwe interviews leveren weinig nieuwe punten op. Dit voelt vaak intuïtief, maar het risico is dat je te vroeg stopt. Herhaling kan ook komen doordat je te veel mensen spreekt die op elkaar lijken, waardoor je variatie mist.

Wat is inductieve thematische saturatie?

Bij inductieve thematische saturatie kijk je tijdens het coderen of er nog nieuwe codes of thema’s bijkomen. Op een gegeven moment groeit je ‘themakaart’ niet meer. Let op: geen nieuwe thema’s betekent niet automatisch dat je alles al diep begrijpt. Soms heb je extra data nodig voor nuance en verdieping.

Wat is a-priori thematische saturatie?

A-priori thematische saturatie gebruik je als je vooraf thema’s of categorieën kiest, bijvoorbeeld vanuit een model of eerder onderzoek. Je controleert dan of je per thema genoeg data hebt om het goed te onderbouwen. Je zoekt voldoende voorbeelden, variatie en duidelijke uitspraken, zodat je per thema iets zinnigs kunt concluderen.

Wat is theoretische saturatie?

Theoretische saturatie hoort bij grounded theory. Je stopt pas als je categorieën niet alleen bestaan, maar ook goed zijn uitgewerkt. Je snapt eigenschappen, variaties en grenzen van je categorieën. Dataverzameling is dan gericht: je kiest nieuwe deelnemers of situaties omdat je analyse nog ‘gaten’ heeft die je wilt vullen.

Wat is het verschil tussen data-saturatie en thematische saturatie?

Data-saturatie gaat vooral over herhaling in antwoorden: je hoort weinig nieuws meer. Thematische saturatie gaat over je analyse: komen er nog nieuwe codes of thema’s bij tijdens het coderen? Het verschil is belangrijk, omdat herhaling in gesprekken niet altijd betekent dat je analyse al compleet of diep genoeg is.

Wat is het verschil tussen inductief en deductief werken bij saturatie?

Inductief betekent dat thema’s uit de data ontstaan. Saturatie gaat dan vaak over het moment dat er geen nieuwe codes of thema’s meer bijkomen. Deductief betekent dat je start met vooraf gekozen thema’s. Saturatie gaat dan over of je die thema’s genoeg hebt gevuld met concrete data om ze goed te kunnen onderbouwen.

Wanneer weet je dat je saturatie bereikt?

Je merkt het meestal als de opbrengst kleiner wordt. In het begin levert elk interview veel op, later steeds minder. Je ziet vooral herhaling of je codes en thema’s groeien niet meer. Toch blijft het een inschatting. Je kunt nooit honderd procent zeker weten wat je mist, tenzij je eindeloos doorgaat.

Hoe voorkom je dat je te vroeg stopt door ‘schijn-saturatie’?

Schijn-saturatie ontstaat als je vooral dezelfde soort mensen spreekt of als je nog niet echt analyseert tijdens het verzamelen. Dan lijkt alles herhaling, maar je mist variatie en diepgang. Zorg dat je in rondes werkt: verzamelen, analyseren, gericht bijsturen. Spreek ook bewust mensen met andere rollen of ervaringen.

Waarom moet je analyseren terwijl je data verzamelt?

Als je pas aan het eind gaat coderen, kun je moeilijk onderbouwen dat er ‘geen nieuwe thema’s’ meer kwamen. Door tussendoor te analyseren zie je sneller wat herhaalt, waar nog gaten zitten en welke deelnemers je nog nodig hebt. Je dataverzameling wordt dan slimmer, gerichter en beter uit te leggen in je methodesectie.

Hoe onderbouw je in je verslag dat je saturatie hebt bereikt?

Schrijf concreet op drie dingen. Eén: wat jij bedoelt met saturatie en waarom dat past bij jouw onderzoek. Twee: hoe je het hebt gevolgd, bijvoorbeeld door na elke paar interviews te coderen. Drie: welke signalen je zag waardoor extra dataverzameling weinig zou toevoegen, met duidelijke voorbeelden.

Hoe ziet een goede onderbouwing van ‘we stopten bij 10 interviews’ eruit?

Niet: ‘bij 10 interviews was er saturatie.’ Wel: ‘na interview 8–10 kwamen er geen nieuwe codes meer bij en herhaalden de verklaringen zich. We hebben na elk blok van twee interviews gecodeerd en vergeleken. Extra interviews zouden vooral dezelfde punten opleveren, daarom stopten we en werkten we thema’s verder uit.’

Hoeveel interviews heb je nodig voor saturatie?

Er is geen vast aantal. Het hangt af van je onderzoeksvraag, je doelgroep, hoe breed je onderwerp is en hoe je analyseert. Een smalle vraag in een homogene groep kan sneller ‘rond’ zijn dan een brede vraag met veel verschillende perspectieven. Kies dus geen getal als startpunt, maar een aanpak om saturatie te volgen.

Wat zijn veelgemaakte fouten bij saturatie?

Een klassieke fout is saturatie gebruiken als excuus voor een klein aantal interviews zonder te laten zien hoe je analyseerde. Een tweede fout is denken dat ‘geen nieuwe thema’s’ hetzelfde is als ‘alles is goed begrepen’. Je kunt geen nieuwe thema’s vinden, maar nog wel verdieping missen binnen een bestaand thema.

Hoe maak je saturatie zichtbaar tijdens je analyse?

Werk met een simpele logica: na elk blok interviews codeer je, voeg je codes toe en kijk je of er echt iets nieuws bij komt. Je kunt ook bijhouden welke thema’s al sterk zijn onderbouwd en waar nog gaten zitten. Zo kun je laten zien dat je keuze om te stoppen gebaseerd is op analyse, niet op gevoel.

Wat zijn alternatieven voor saturatie om je steekproef te onderbouwen?

Je kunt ook onderbouwen vanuit je onderzoeksdoel en ontwerp. Bijvoorbeeld: je kiest bewust verschillende rollen om variatie te krijgen of je doet een afgebakende casestudy met duidelijke grenzen. Je laat dan zien dat je dataverzameling past bij je vraag en dat je genoeg data hebt voor een geloofwaardige analyse, zonder dat je alles aan ‘saturatie’ ophangt.

Op 27 februari 2026   /   Onderzoek