تحليل المحتوى الكمي المقارن
- قدّمه
- Bernard Berelson (quantitative content analysis); Kimberly Neuendorf (codebook systematization); Hallin & Mancini (comparative media application)
- السنة
- 1952 (Berelson); comparative extensions prominent from 1980s onward
- النوع
- Quantitative observational research design
- العائلة
- Survey / observational design
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
تحليل المحتوى الكمي المقارن هو طريقة منهجية وقابلة للتكرار لعد وتصنيف سمات محتوى الاتصال - مثل التغطية الإخبارية، أو منشورات وسائل التواصل الاجتماعي، أو وثائق السياسات - عبر مجموعتين أو أكثر، أو فترات زمنية، أو منافذ، أو بلدان. من خلال تطبيق دليل ترميز موحد على كل سياق مقارنة، يكشف عن أنماط التشابه والاختلاف في كيفية تمثيل الموضوعات، أو الأطر، أو الجهات الفاعلة، أو المشاعر، ويسمح بالاختبار الإحصائي لتلك الاختلافات.
الفكرة الحدسية وراء الطريقة
تخيل أنك تريد معرفة ما إذا كانت الصحف في ثلاث دول مختلفة تغطي تغير المناخ بطرق متشابهة أو بتركيزات متميزة. ستقوم بتطوير مخطط ترميز يحول سمات المحتوى القابلة للملاحظة - المصادر التي تم الاستشهاد بها، والأطر التي تظهر، والمساحة المخصصة - إلى أرقام. ثم ستطبق نفس المخطط على عينات من كل بلد وتقارن جداول التردد الناتجة إحصائيًا. هذا هو المنطق الأساسي: تحويل المحتوى إلى أعداد، ثم مقارنة الأعداد عبر السياقات. الطبقة المقارنة هي ما يرفع تحليل المحتوى في سياق واحد إلى نتيجة قابلة للتعميم ومتباينة.
التاريخ
تم تنظيم تحليل المحتوى الكمي بواسطة برنارد بيرلسون في نصه التأسيسي لعام 1952، والذي وضع الخصائص المميزة للطريقة: الموضوعية، والنظام، والقياس الكمي. طبق هارولد لاسويل وزملاؤه على تحليل الدعاية في زمن الحرب في الأربعينيات، مما منح الطريقة شرعية مؤسسية مبكرة. تطور البعد المقارن مع بدء باحثي الاتصال في إجراء دراسات عبر وطنية في الثمانينيات والتسعينيات، لا سيما في أبحاث الأنظمة الإعلامية والصحافة المقارنة (على سبيل المثال، Hallin and Mancini, 2004). أصبح دليل كيمبرلي نيودورف لعام 2002 المرجع المنهجي القياسي لتحليل المحتوى التطبيقي بما في ذلك التصاميم المقارنة.
متى تُستخدم
استخدم تحليل المحتوى الكمي المقارن عندما يتضمن سؤال البحث الخاص بك بشكل صريح مقارنة كيفية اختلاف المحتوى عبر المجموعات، أو المنافذ، أو البلدان، أو النقاط الزمنية، وعندما يمكن تمثيل هذا المحتوى بسمات قابلة للملاحظة وقابلة للترميز. إنه مناسب للمجموعات الكبيرة إلى المتوسطة حيث يكون الترميز اليدوي ممكنًا، أو حيث يمكن التحقق من الترميز الآلي (على سبيل المثال، المستند إلى القاموس أو التعلم الآلي المراقب) مقابل الأحكام البشرية. لا تستخدمه عندما يتعلق سؤال البحث بالمعنى الكامن، أو الدقة البلاغية، أو العمق التفسيري - تحليل الخطاب النوعي أو النقدي أكثر ملاءمة لتلك الأهداف. تجنبه عندما تختلف سياقات المقارنة بشكل كبير لدرجة أنه لا يمكن تحقيق التكافؤ المفاهيمي للرموز؛ فرض دليل ترميز واحد على سياقات غير قابلة للمقارنة ينتج عنه مقارنات مضللة.
الحدود والاعتبارات
- محدود بسمات المحتوى الظاهرة والقابلة للملاحظة؛ المعنى الكامن، غموض النبرة، والسخرية الحساسة للسياق يتم التقاطها بشكل ضعيف بواسطة مخططات الترميز.
- التكافؤ المفاهيمي عبر اللغات والثقافات صعب التحقيق ونادرًا ما يكون قابلاً للتحقق بالكامل.
- يستغرق تطوير دليل الترميز وقتًا طويلاً، ويقوض سوء التجسيد الدراسة بأكملها حتى عندما يكون الترميز موثوقًا.
- تصف النتائج ما يظهر في مجموعة المحتوى، وليس سبب قيام المنتجين بتلك الخيارات أو كيفية تفسير الجماهير للمحتوى.
- تتطلب مجموعات المقارنة الكبيرة تدريبًا وإشرافًا كبيرين على المرمزين، مما يزيد من متطلبات الموارد.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- ينتج عنه نتائج شفافة وقابلة للتكرار لأن دليل الترميز والعينة وقواعد الترميز موثقة بالكامل.
- يدعم التعميم الإحصائي من المحتوى المأخوذ بالعينة إلى مجموعة محددة عندما تكون العينة صارمة.
- يمكّن من الاختبار الإحصائي المباشر للاختلافات عبر سياقات المقارنة بدلاً من الادعاءات الانطباعية.
- قابل للتوسع بشكل جيد: بمجرد تطوير دليل الترميز، يمكن تطبيقه على مجموعات كبيرة جدًا، بما في ذلك بمساعدة الترميز الآلي.
- قوي بشكل خاص للتصاميم الطولية المقارنة التي تتتبع التغيير بمرور الوقت عبر سياقات متعددة في وقت واحد.
- توفر فحوصات موثوقية المرمزين المشتركين آلية مراقبة جودة مدمجة تفتقر إليها الأساليب النوعية عادةً.
التطبيقات
- مقارنة تأطير الهجرة، أو تغير المناخ، أو الإرهاب عبر المنافذ الإخبارية الوطنية.
- تتبع كيفية اختلاف الإعلانات السياسية عبر الأنظمة الانتخابية أو فترات الحملة.
- تحليل تمثيل الجنسين أو الأقليات في وسائل الإعلام الترفيهية عبر البلدان أو العقود.
- مقارنة خطاب وسائل التواصل الاجتماعي حول أزمات الصحة العامة عبر المنصات أو المجتمعات اللغوية.
- فحص كيفية تأطير وثائق السياسات لإصلاح التعليم بشكل مختلف عبر أنظمة المدارس.
- قياس أداء الاتصالات التنظيمية - مقارنة تقارير المسؤولية الاجتماعية للشركات عبر الصناعات أو المناطق.
كيف يعمل
كيف يعمل
تحديد وحدة التحليل - عنصر المحتوى المنفصل الذي سيتم ترميزه (على سبيل المثال، مقالة صحفية، منشور على وسائل التواصل الاجتماعي، جملة، أو فقرة) - وتحديد بُعد المقارنة: أي البلدان، أو المنافذ، أو النقاط الزمنية، أو المجموعات سيتم مقارنتها. يحدد هذا التأطير ما هي المقارنات ذات المغزى وما هي العوامل المربكة التي يجب التحكم فيها.
تطوير دليل ترميز يجسد كل متغير ذي أهمية في فئات حصرية ومتبادلة وشاملة. يجب تعريف كل فئة بدقة كافية بحيث يقوم اثنان من المرمزين المستقلين بقراءة نفس الوحدة بتعيين نفس الرمز. بالنسبة للدراسة المقارنة، يجب أن يكون دليل الترميز مكافئًا من الناحية المفاهيمية عبر جميع السياقات - قد يتطلب هذا الترجمة والترجمة العكسية عند العمل عبر اللغات.
رسم إطار عينة لكل سياق مقارنة وتطبيق استراتيجية عينة متسقة (على سبيل المثال، أسابيع مبنية، عينة عشوائية، تعداد كامل لفترة محددة) بحيث يكون المحتوى من كل سياق قابلاً للمقارنة من حيث الكم والتمثيل. توثيق قرارات العينة حتى يمكن تكرار الدراسة.
تطبيق دليل الترميز على المحتوى المأخوذ بالعينة، عادةً باستخدام اثنين على الأقل من المرمزين المستقلين لكل سياق. يعمل كل مرمز عبر الوحدات ويعين قيمًا لكل متغير. يجب تدريب المرمزين على دليل الترميز وأن يكونوا عميانًا لفرضيات الدراسة قدر الإمكان.
حساب موثوقية المرمزين المشتركين لكل متغير باستخدام إحصائيات مناسبة - معامل كابا لكوهين (κ) أو معامل ألفا لكريبندورف (α) للمتغيرات الفئوية، ومعامل الارتباط الداخلي (ICC) للمتغيرات على مستوى الفاصل الزمني. تختلف العتبات المقبولة حسب نوع المتغير ولكن κ أو α ≥ 0.70 هو الحد الأدنى المشار إليه على نطاق واسع. يجب مراجعة المتغيرات التي تفشل في فحوصات الموثوقية أو إسقاطها قبل التحليل.
تجميع البيانات المرمزة حسب سياق المقارنة وتشغيل الإحصاءات الاستدلالية لاختبار الاختلافات: اختبارات مربع كاي أو نماذج لوغاريتمية خطية للمتغيرات الفئوية، واختبارات t أو تحليل التباين (ANOVA) للمقاييس المستمرة، وإحصائيات حجم التأثير لنقل الأهمية العملية. الإبلاغ عن النتائج بشكل منفصل لكل سياق قبل إجراء مقارنات عبر السياقات للحفاظ على الشفافية.
الأخطاء الشائعة
- معاملة موثوقية المرمزين المشتركين كخطوة نهائية بدلاً من عملية تكرارية - يجب فحص الموثوقية أثناء تدريب المرمزين ومراجعة دليل الترميز، وليس فقط بعد اكتمال جميع الترميزات.
- استخدام سياقات مقارنة غير قابلة للمقارنة هيكليًا - إذا كانت أنظمة الوسائط، أو البيئات القانونية، أو اتفاقيات النوع تختلف كثيرًا لدرجة أن نفس الرمز يعني أشياء مختلفة، فإن المقارنات الرقمية مضللة.
- إثقال دليل الترميز - إضافة متغيرات تتجاوز ما تتطلبه أسئلة البحث يزيد من عبء المرمز، ويقلل من الموثوقية، ونادرًا ما يضيف قيمة تفسيرية.
- خلط الرمز الموثوق مع مقياس صالح - لا يضمن قيام مرمزين بتعيين نفس الرمز باستمرار أن الرمز يلتقط ما يقصده الباحث؛ يجب الجدال حول الصلاحية نظريًا.
- تجاهل أحجام التأثير - قد تكون الاختلافات ذات الدلالة الإحصائية عبر المجموعات الكبيرة صغيرة بشكل تافه من الناحية الموضوعية؛ قم دائمًا بالإبلاغ عن إحصائيات حجم التأثير جنبًا إلى جنب مع قيم p.
الأسئلة الشائعة
كيف يختلف تحليل المحتوى الكمي المقارن عن تحليل المحتوى الكمي القياسي؟
يصف تحليل المحتوى الكمي القياسي المحتوى داخل مجموعة محددة واحدة. المتغير المقارن مصمم صراحة لمقارنة سياقين أو أكثر - بلدان، أو فترات زمنية، أو منافذ، أو مجموعات - باستخدام دليل ترميز تم إنشاؤه عمدًا للتكافؤ المفاهيمي عبر تلك السياقات. يتطلب إضافة بُعد المقارنة خطوات تصميم إضافية حول التكافؤ، وتكافؤ العينة، والإحصاءات الاستدلالية المناسبة لمقارنات بين المجموعات.
ما هو الحد الأدنى لموثوقية المرمزين المشتركين الذي يجب الإبلاغ عنه؟
الحد الأدنى الأكثر استشهادًا به لمعامل ألفا لكريبندورف (α) أو معامل كابا لكوهين (κ) هو 0.70 للمتغيرات الفئوية، مع تفضيل 0.80 أو أعلى للمتغيرات المركزية. بالنسبة للمتغيرات على مستوى الفاصل الزمني، فإن معاملات الارتباط الداخلي (ICC) أكثر ملاءمة. يجب حساب الموثوقية لكل متغير، وليس كدرجة إجمالية واحدة؛ يجب مراجعة المتغيرات الضعيفة أو إسقاطها قبل المتابعة في التحليل.
هل يمكنني استخدام الترميز الآلي لتحليل المحتوى المقارن؟
نعم، ولكن بحذر. يمكن لطرق القاموس (على سبيل المثال، LIWC، VADER) أو مصنفات التعلم الآلي المراقب التعامل مع مجموعات كبيرة، ولكن يجب التحقق من صحتها مقابل الترميز البشري لكل لغة وسياق في المقارنة. لا يمكن افتراض أن المصنف المدرب على بيانات اللغة الإنجليزية سينتقل بشكل موثوق إلى المحتوى الفرنسي أو العربي. تحقق من الصحة بشكل منفصل لكل سياق وأبلغ عن إحصائيات التحقق من الصحة جنبًا إلى جنب مع نتائجك.
ما حجم عينتي الذي أحتاجه؟
لا يوجد حد أدنى عالمي، ولكن يجب أن تحتوي كل خلية مقارنة على وحدات كافية للكشف عن أحجام التأثير المتوقعة بقوة كافية. نقطة انطلاق عملية لاختبارات مربع كاي بين المجموعات هي حد أدنى من 30-50 وحدة مرمزة لكل خلية، مع الحاجة إلى المزيد إذا كانت الترددات المتوقعة لبعض الفئات صغيرة. يمكن لبرنامج تحليل القوة (على سبيل المثال، G*Power) توجيه تخطيط حجم العينة بمجرد تقدير أحجام التأثير من الأدبيات السابقة.
ماذا لو كانت سياقات المقارنة الخاصة بي تستخدم لغات مختلفة؟
يجب ترجمة تعليمات دليل الترميز وترجمتها عكسيًا لكل لغة، ويجب استخدام مرمزين ناطقين باللغة الأم لكل سياق. اختبر التكافؤ المفاهيمي عن طريق تجريب دليل الترميز على مجموعة فرعية صغيرة من المحتوى من كل سياق قبل بدء الترميز الكامل. حيث لا يمكن جعل متغير ما مكافئًا عبر اللغات - على سبيل المثال، علامة تأطير نحوية موجودة في لغة واحدة ولكن ليس في لغة أخرى - فكر في إسقاطها من المقارنة عبر السياقات أو قصر المقارنات على السياقات التي يكون فيها التكافؤ ساريًا.
طرق ذات صلة
المصادر
Berelson, B. (1952). Content Analysis in Communication Research. Free Press.
افتح مرجع المنشورتم النسخ.Neuendorf, K. A. (2002). The Content Analysis Guidebook. Sage.
ردمك: 978-0761919773تم النسخ.